AWS त्याच्या लवचिक सेवा कशा बनवते. स्केलिंग सर्व्हर आणि डेटाबेस

ढग हे जादूच्या पेटीसारखे असतात - तुम्हाला काय हवे आहे ते तुम्ही विचारता आणि संसाधने कोठेही दिसत नाहीत. व्हर्च्युअल मशीन्स, डेटाबेस, नेटवर्क - हे सर्व फक्त तुमच्या मालकीचे आहे. इतर क्लाउड भाडेकरू आहेत, परंतु तुमच्या विश्वात तुम्ही एकमेव शासक आहात. आपल्याला खात्री आहे की आपल्याला आवश्यक संसाधने नेहमीच प्राप्त होतील, आपण कोणालाही विचारात घेत नाही आणि नेटवर्क कसे असेल ते आपण स्वतंत्रपणे निर्धारित करता. ही जादू कशी कार्य करते ज्यामुळे क्लाउड लवचिकपणे संसाधनांचे वाटप करते आणि भाडेकरूंना एकमेकांपासून पूर्णपणे वेगळे करते?

AWS क्लाउड ही एक मेगा-सुपर कॉम्प्लेक्स प्रणाली आहे जी 2006 पासून उत्क्रांतीपूर्वक विकसित होत आहे. या विकासाचा एक भाग झाला वसिली पंतुखिन - अॅमेझॉन वेब सर्व्हिसेस आर्किटेक्ट. एक वास्तुविशारद म्हणून, त्याला केवळ अंतिम निकालावरच नव्हे तर AWS ने मात केलेल्या आव्हानांचाही अंतर्भाव होतो. प्रणाली कशी कार्य करते हे जितके जास्त समजेल तितका विश्वास वाढेल. म्हणून, वसिली AWS क्लाउड सेवांचे रहस्य सामायिक करेल. खाली भौतिक AWS सर्व्हरची रचना, लवचिक डेटाबेस स्केलेबिलिटी, एक सानुकूल Amazon डेटाबेस आणि व्हर्च्युअल मशीनची कार्यक्षमता वाढवण्याच्या पद्धती एकाच वेळी त्यांची किंमत कमी करते. Amazon च्या आर्किटेक्चरल पध्दतींचे ज्ञान तुम्हाला AWS सेवा अधिक प्रभावीपणे वापरण्यात मदत करेल आणि तुम्हाला तुमचे स्वतःचे उपाय तयार करण्यासाठी नवीन कल्पना देऊ शकतात.

स्पीकर बद्दल: वसिली पँट्युखिन (शेंगदाणे) .ru कंपन्यांमध्ये युनिक्स प्रशासक म्हणून सुरुवात केली, 6 वर्षे मोठ्या सन मायक्रोसिस्टम हार्डवेअरवर काम केले आणि 11 वर्षे EMC येथे डेटा-केंद्रित जगाचा प्रचार केला. हे नैसर्गिकरित्या खाजगी ढगांमध्ये विकसित झाले आणि 2017 मध्ये सार्वजनिक ढगांमध्ये हलवले. आता तो AWS क्लाउडमध्ये जगण्यासाठी आणि विकसित करण्यात मदत करण्यासाठी तांत्रिक सल्ला देतो.

अस्वीकरण: खाली सर्व काही वासिलीचे वैयक्तिक मत आहे आणि Amazon वेब सेवांच्या स्थितीशी जुळत नाही. व्हिडिओ रेकॉर्डिंग हा लेख ज्या अहवालावर आधारित आहे तो आमच्या YouTube चॅनेलवर उपलब्ध आहे.

मी Amazon डिव्हाइसबद्दल का बोलत आहे?

माझ्या पहिल्या कारमध्ये मॅन्युअल ट्रान्समिशन होते. मी गाडी चालवू शकतो आणि त्यावर पूर्ण नियंत्रण ठेवू शकतो या भावनेमुळे ते खूप छान होते. मला हे देखील आवडले की मला त्याच्या ऑपरेशनचे तत्त्व किमान समजले आहे. साहजिकच, मी बॉक्सची रचना अगदी आदिम असण्याची कल्पना केली - सायकलवरील गिअरबॉक्ससारखे काहीतरी.

एक गोष्ट वगळता सर्व काही छान होते - ट्रॅफिक जाममध्ये अडकले. असे दिसते की तुम्ही बसलेले आहात आणि काहीही करत नाही, परंतु तुम्ही सतत गीअर्स बदलत आहात, क्लच, गॅस, ब्रेक दाबत आहात - यामुळे तुम्हाला खरोखर थकवा येतो. कुटुंबाला स्वयंचलित कार मिळाल्याने वाहतूक कोंडीची समस्या अंशतः सुटली. ड्रायव्हिंग करताना, मला काहीतरी विचार करण्याची आणि ऑडिओबुक ऐकण्याची वेळ होती.

माझ्या आयुष्यात आणखी एक रहस्य दिसले, कारण माझी कार कशी कार्य करते हे मला पूर्णपणे समजणे बंद झाले. आधुनिक कार एक जटिल उपकरण आहे. कार एकाच वेळी डझनभर वेगवेगळ्या पॅरामीटर्सशी जुळवून घेते: गॅस दाबणे, ब्रेक, ड्रायव्हिंग शैली, रस्त्याची गुणवत्ता. मला आता ते कसे कार्य करते ते समजत नाही.

जेव्हा मी ऍमेझॉन क्लाउडवर काम करण्यास सुरुवात केली तेव्हा ते माझ्यासाठी एक रहस्य होते. फक्त हे गूढ मोठेपणाचे ऑर्डर आहे, कारण कारमध्ये एक ड्रायव्हर आहे आणि AWS मध्ये ते लाखो आहेत. सर्व वापरकर्ते एकाच वेळी स्टीयरिंग करतात, गॅस दाबतात आणि ब्रेक लावतात. ते त्यांना पाहिजे तिथे जातात हे आश्चर्यकारक आहे - माझ्यासाठी हा एक चमत्कार आहे! प्रणाली आपोआप जुळवून घेते, स्केल करते आणि प्रत्येक वापरकर्त्याला लवचिकपणे समायोजित करते जेणेकरून त्याला असे वाटते की तो या विश्वात एकटा आहे.

मी नंतर Amazon वर आर्किटेक्ट म्हणून काम करायला आलो तेव्हा ही जादू थोडी कमी झाली. मला कोणत्या समस्यांना तोंड द्यावे लागते, त्या कशा सोडवल्या जातात आणि सेवांचा विकास कसा होतो हे मी पाहिले. प्रणाली कशी कार्य करते याच्या वाढत्या आकलनासह, सेवेमध्ये अधिक आत्मविश्वास दिसून येतो. म्हणून मला AWS क्लाउडच्या हुडखाली काय आहे याचे चित्र शेअर करायचे आहे.

आपण कशाबद्दल बोलू

मी एक वैविध्यपूर्ण दृष्टीकोन निवडला - मी 4 मनोरंजक सेवा निवडल्या ज्याबद्दल बोलण्यासारखे आहे.

सर्व्हर ऑप्टिमायझेशन. भौतिक अवतार असलेले तात्पुरते ढग: भौतिक डेटा केंद्रे जेथे फिजिकल सर्व्हर आहेत जे गुंजन करतात, तापतात आणि दिवे चमकतात.

सर्व्हरलेस फंक्शन्स (लॅम्ब्डा) ही कदाचित क्लाउडमधील सर्वात स्केलेबल सेवा आहे.

डेटाबेस स्केलिंग. आम्ही आमचे स्वतःचे स्केलेबल डेटाबेस कसे तयार करतो याबद्दल मी तुम्हाला सांगेन.

नेटवर्क स्केलिंग. शेवटचा भाग ज्यामध्ये मी आमच्या नेटवर्कचे डिव्हाइस उघडेन. ही एक आश्चर्यकारक गोष्ट आहे - प्रत्येक क्लाउड वापरकर्त्याचा असा विश्वास आहे की तो मेघमध्ये एकटा आहे आणि इतर भाडेकरूंना अजिबात दिसत नाही.

नोंद. हा लेख सर्व्हर ऑप्टिमायझेशन आणि डेटाबेस स्केलिंगवर चर्चा करेल. आम्ही पुढील लेखात नेटवर्क स्केलिंगचा विचार करू. सर्व्हरलेस फंक्शन्स कुठे आहेत? त्यांच्याबद्दल एक स्वतंत्र उतारा प्रकाशित करण्यात आला “लहान, पण हुशार. अनबॉक्सिंग फायरक्रॅकर मायक्रोव्हर्च्युअल" हे वेगवेगळ्या स्केलिंग पद्धतींबद्दल बोलते आणि फायरक्रॅकर सोल्यूशनची तपशीलवार चर्चा करते - आभासी मशीन आणि कंटेनरच्या उत्कृष्ट गुणांचे सहजीवन.

सर्व्हर

ढग क्षणिक आहे. परंतु या क्षणभंगुरतेमध्ये अद्याप एक भौतिक अवतार आहे - सर्व्हर. सुरुवातीला त्यांची वास्तुकला शास्त्रीय होती. मानक x86 चिपसेट, नेटवर्क कार्ड, Linux, Xen हायपरवाइजर ज्यावर व्हर्च्युअल मशीन चालवल्या जात होत्या.

2012 मध्ये, या आर्किटेक्चरने त्याच्या कार्यांचा चांगला सामना केला. Xen हा एक उत्तम हायपरवाइजर आहे, परंतु त्यात एक मोठी कमतरता आहे. तो पुरेसा आहे डिव्हाइस इम्युलेशनसाठी उच्च ओव्हरहेड. जसजसे नवीन, वेगवान नेटवर्क कार्ड किंवा SSD ड्राइव्ह उपलब्ध होतात, तसतसे हे ओव्हरहेड खूप जास्त होते. या समस्येचा सामना कसा करावा? आम्ही एकाच वेळी दोन आघाड्यांवर काम करण्याचा निर्णय घेतला - हार्डवेअर आणि हायपरवाइजर दोन्ही ऑप्टिमाइझ करा. काम खूप गंभीर आहे.

हार्डवेअर आणि हायपरवाइजर ऑप्टिमाइझ करणे

सर्व काही एकाच वेळी करणे आणि ते चांगले करणे कार्य करणार नाही. "चांगले" काय हे देखील सुरुवातीला अस्पष्ट होते.

आम्ही एक उत्क्रांतीवादी दृष्टीकोन घेण्याचे ठरविले - आम्ही आर्किटेक्चरचा एक महत्त्वाचा घटक बदलतो आणि उत्पादनात टाकतो.

आम्ही प्रत्येक रेकवर पाऊल ठेवतो, तक्रारी आणि सूचना ऐकतो. मग आम्ही दुसरा घटक बदलतो. त्यामुळे, लहान वाढीमध्ये, आम्ही वापरकर्त्यांच्या फीडबॅक आणि समर्थनाच्या आधारे संपूर्ण आर्किटेक्चरमध्ये आमूलाग्र बदल करतो.

2013 मध्ये सर्वात जटिल गोष्टी - नेटवर्कसह परिवर्तन सुरू झाले. IN SE3 उदाहरणे, मानक नेटवर्क कार्डमध्ये एक विशेष नेटवर्क प्रवेगक कार्ड जोडले गेले. हे समोरच्या पॅनेलवरील लहान लूपबॅक केबलसह अक्षरशः कनेक्ट केलेले होते. ते सुंदर नाही, परंतु ते ढगात दिसत नाही. परंतु हार्डवेअरशी थेट परस्परसंवाद मूलभूतपणे सुधारित जिटर आणि नेटवर्क थ्रूपुट.

पुढे आम्ही ब्लॉक डेटा स्टोरेज EBS - लवचिक ब्लॉक स्टोरेजमध्ये प्रवेश सुधारण्याचा निर्णय घेतला. हे नेटवर्क आणि स्टोरेजचे संयोजन आहे. अडचण अशी आहे की नेटवर्क एक्सीलरेटर कार्ड बाजारात अस्तित्वात असताना, फक्त स्टोरेज एक्सीलरेटर हार्डवेअर खरेदी करण्याचा पर्याय नव्हता. म्हणून आम्ही स्टार्टअपकडे वळलो अन्नपूर्णा लॅब्स, ज्यांनी आमच्यासाठी विशेष ASIC चिप्स विकसित केल्या आहेत. त्यांनी रिमोट ईबीएस व्हॉल्यूम्सला NVMe डिव्हाइसेस म्हणून माउंट करण्याची परवानगी दिली.

उदाहरणांमध्ये C4 आम्ही दोन समस्या सोडवल्या. पहिली गोष्ट म्हणजे आम्ही आशादायक, पण त्या वेळी नवीन, NVMe तंत्रज्ञानाच्या भविष्यासाठी पाया लागू केला. दुसरे, आम्ही नवीन कार्डवर EBS कडे विनंत्यांची प्रक्रिया हस्तांतरित करून केंद्रीय प्रोसेसर लक्षणीयपणे अनलोड केला. ते चांगले निघाले, म्हणून आता अन्नपूर्णा लॅब्स Amazon चा भाग आहे.

नोव्हेंबर 2017 पर्यंत, आम्हाला समजले की हायपरवाइजर स्वतः बदलण्याची वेळ आली आहे.

नवीन हायपरवाइजर सुधारित KVM कर्नल मॉड्यूल्सवर आधारित विकसित केले गेले.

यामुळे डिव्हाइस इम्युलेशनचे ओव्हरहेड मूलभूतपणे कमी करणे आणि नवीन ASIC सह थेट कार्य करणे शक्य झाले. उदाहरणे SE5 नवीन हायपरवाइजर असलेली पहिली व्हर्च्युअल मशीन हुडखाली चालत होती. आम्ही त्याला नाव दिले nitro.

टाइमलाइनवरील उदाहरणांची उत्क्रांती.

नोव्हेंबर 2017 पासून दिसू लागलेल्या सर्व नवीन प्रकारच्या व्हर्च्युअल मशीन या हायपरवाइजरवर चालतात. बेअर मेटल उदाहरणांमध्ये हायपरवाइजर नसते, परंतु त्यांना नायट्रो असेही म्हणतात, कारण ते विशेष नायट्रो कार्ड वापरतात.

पुढील दोन वर्षांत, नायट्रोच्या प्रकारांची संख्या दोन डझनहून अधिक झाली: A1, C5, M5, T3 आणि इतर.

उदाहरण प्रकार.

आधुनिक नायट्रो मशीन कसे कार्य करतात

त्यांचे तीन मुख्य घटक आहेत: नायट्रो हायपरवाइजर (वर चर्चा केली आहे), सुरक्षा चिप आणि नायट्रो कार्ड्स.

सुरक्षा चिप थेट मदरबोर्डमध्ये समाकलित. हे होस्ट OS चे लोडिंग नियंत्रित करण्यासारख्या अनेक महत्वाच्या कार्यांवर नियंत्रण ठेवते.

नायट्रो कार्ड्स - त्यांचे चार प्रकार आहेत. त्या सर्व अन्नपूर्णा लॅबने विकसित केल्या आहेत आणि सामान्य ASIC वर आधारित आहेत. त्यांचे काही फर्मवेअर देखील सामान्य आहेत.

नायट्रो कार्डचे चार प्रकार.

कार्डांपैकी एक काम करण्यासाठी डिझाइन केलेले आहे नेटवर्कव्हीपीसी. व्हर्च्युअल मशीनमध्ये नेटवर्क कार्ड म्हणून हे दृश्यमान आहे ENA - लवचिक नेटवर्क अडॅप्टर. हे भौतिक नेटवर्कद्वारे प्रसारित करताना रहदारी देखील समाविष्ट करते (आम्ही याबद्दल लेखाच्या दुसर्‍या भागात बोलू), सुरक्षा गट फायरवॉल नियंत्रित करते आणि रूटिंग आणि इतर नेटवर्क गोष्टींसाठी जबाबदार आहे.

निवडक कार्डे ब्लॉक स्टोरेजसह कार्य करतात ईबीएस आणि सर्व्हरमध्ये तयार केलेल्या डिस्क. ते पाहुण्याला आभासी मशीन म्हणून दिसतात NVMe अडॅप्टर्स. ते डेटा एन्क्रिप्शन आणि डिस्क मॉनिटरिंगसाठी देखील जबाबदार आहेत.

नायट्रो कार्ड, हायपरवाइजर आणि सिक्युरिटी चिपची प्रणाली SDN नेटवर्कमध्ये समाकलित केली आहे किंवा सॉफ्टवेअर परिभाषित नेटवर्क. हे नेटवर्क व्यवस्थापित करण्यासाठी जबाबदार (नियंत्रण विमान) कंट्रोलर कार्ड.

अर्थात, आम्ही नवीन ASIC विकसित करत आहोत. उदाहरणार्थ, 2018 च्या शेवटी त्यांनी Inferentia चीप रिलीझ केली, जी तुम्हाला मशीन लर्निंग टास्कसह अधिक कार्यक्षमतेने कार्य करण्यास अनुमती देते.

इन्फेरेन्शिया मशीन लर्निंग प्रोसेसर चिप.

स्केलेबल डेटाबेस

पारंपारिक डेटाबेसमध्ये स्तरित रचना असते. मोठ्या प्रमाणात सुलभ करण्यासाठी, खालील स्तर वेगळे केले जातात.

• एस क्यू एल - क्लायंट आणि रिक्वेस्ट डिस्पॅचर त्यावर काम करतात.
• तरतुदी व्यवहार - येथे सर्व काही स्पष्ट आहे, ACID आणि ते सर्व.
• कॅशिंग, जे बफर पूलद्वारे प्रदान केले जाते.
• लॉगिंग — रिडू लॉगसह कार्य प्रदान करते. MySQL मध्ये त्यांना बिन लॉग म्हणतात, PosgreSQL मध्ये - Ahead Logs (WAL) लिहा.
• साठवण - डिस्कवर थेट रेकॉर्डिंग.

स्तरित डेटाबेस रचना.

डेटाबेस स्केल करण्याचे वेगवेगळे मार्ग आहेत: शार्डिंग, शेअर्ड नथिंग आर्किटेक्चर, शेअर्ड डिस्क्स.

तथापि, या सर्व पद्धती समान मोनोलिथिक डेटाबेस संरचना राखतात. हे लक्षणीय प्रमाणात स्केलिंग मर्यादित करते. या समस्येचे निराकरण करण्यासाठी, आम्ही आमचा स्वतःचा डेटाबेस विकसित केला - ऍमेझॉन अरोरा. हे MySQL आणि PostgreSQL शी सुसंगत आहे.

ऍमेझॉन अरोरा

मुख्य आर्किटेक्चरल कल्पना म्हणजे स्टोरेज आणि लॉगिंग पातळी मुख्य डेटाबेसपासून वेगळे करणे.

पुढे पाहताना, मी म्हणेन की आम्ही कॅशिंग पातळी देखील स्वतंत्र केली आहे. आर्किटेक्चर एक मोनोलिथ बनणे थांबवते आणि वैयक्तिक ब्लॉक्स स्केलिंगमध्ये आम्हाला अतिरिक्त अंशांची स्वातंत्र्य मिळते.

लॉगिंग आणि स्टोरेज स्तर डेटाबेसपासून वेगळे आहेत.

पारंपारिक डीबीएमएस ब्लॉक्सच्या स्वरूपात स्टोरेज सिस्टमवर डेटा लिहितो. Amazon Aurora येथे, आम्ही भाषा बोलू शकणारे स्मार्ट स्टोरेज तयार केले आहे redo-logs. आत, स्टोरेज लॉगचे डेटा ब्लॉक्समध्ये रूपांतर करते, त्यांच्या अखंडतेचे परीक्षण करते आणि स्वयंचलितपणे बॅकअप घेते.

हा दृष्टिकोन आपल्याला अशा मनोरंजक गोष्टी अंमलात आणण्याची परवानगी देतो क्लोनिंग. सर्व डेटाची संपूर्ण प्रत तयार करण्याची आवश्यकता नसल्यामुळे ते मूलभूतपणे जलद आणि अधिक आर्थिकदृष्ट्या कार्य करते.

स्टोरेज स्तर वितरित प्रणाली म्हणून लागू केला जातो. यात मोठ्या संख्येने भौतिक सर्व्हर असतात. प्रत्येक रीडू लॉगवर प्रक्रिया केली जाते आणि एकाच वेळी जतन केली जाते सहा गाठी. हे डेटा संरक्षण आणि लोड संतुलन सुनिश्चित करते.

योग्य प्रतिकृती वापरून रीड स्केलिंग मिळवता येते. वितरीत स्टोरेज मुख्य डेटाबेस उदाहरणामधील सिंक्रोनाइझेशनची आवश्यकता काढून टाकते, ज्याद्वारे आम्ही डेटा लिहितो आणि उर्वरित प्रतिकृती. अद्ययावत डेटा सर्व प्रतिकृतींसाठी उपलब्ध असण्याची हमी आहे.

वाचलेल्या प्रतिकृतींवर जुना डेटा कॅश करणे ही एकमेव समस्या आहे. मात्र ही समस्या सोडवली जात आहे सर्व रीडू लॉगचे हस्तांतरण अंतर्गत नेटवर्कवर प्रतिकृती करण्यासाठी. लॉग कॅशेमध्ये असल्यास, ते चुकीचे आणि अधिलिखित म्हणून चिन्हांकित केले जाते. ते कॅशेमध्ये नसल्यास, ते फक्त टाकून दिले जाते.

आम्ही स्टोरेजची व्यवस्था केली.

DBMS स्तर कसे मोजायचे

येथे, क्षैतिज स्केलिंग अधिक कठीण आहे. चला तर मग मारलेल्या मार्गावर जाऊ या क्लासिक वर्टिकल स्केलिंग.

चला असे गृहीत धरू की आमच्याकडे एक अनुप्रयोग आहे जो मास्टर नोडद्वारे डीबीएमएसशी संवाद साधतो.

अनुलंब स्केलिंग करताना, आम्ही एक नवीन नोड वाटप करतो ज्यामध्ये अधिक प्रोसेसर आणि मेमरी असेल.

पुढे, आम्ही ऍप्लिकेशनला जुन्या मास्टर नोडवरून नवीनवर स्विच करतो. समस्या निर्माण होतात.

• यासाठी महत्त्वपूर्ण अनुप्रयोग डाउनटाइम आवश्यक असेल.
• नवीन मास्टर नोडमध्ये कोल्ड कॅशे असेल. कॅशे गरम झाल्यानंतरच डेटाबेस कार्यप्रदर्शन कमाल होईल.

परिस्थिती कशी सुधारायची? अनुप्रयोग आणि मास्टर नोड दरम्यान प्रॉक्सी सेट करा.

हे आम्हाला काय देईल? आता सर्व अनुप्रयोगांना नवीन नोडवर व्यक्तिचलितपणे पुनर्निर्देशित करण्याची आवश्यकता नाही. स्विच प्रॉक्सी अंतर्गत केले जाऊ शकते आणि मूलभूतपणे वेगवान आहे.

समस्या सुटल्याचे दिसते. पण नाही, आम्हाला अजूनही कॅशे गरम करण्याची गरज आहे. याव्यतिरिक्त, एक नवीन समस्या दिसली आहे - आता प्रॉक्सी अपयशाचा संभाव्य बिंदू आहे.

Amazon Aurora सर्व्हरलेस सह अंतिम समाधान

आम्ही या समस्या कशा सोडवल्या?

प्रॉक्सी सोडली. हे एक वेगळे उदाहरण नाही, परंतु प्रॉक्सींचा एक संपूर्ण वितरीत फ्लीट आहे ज्याद्वारे अनुप्रयोग डेटाबेसशी कनेक्ट होतात. अयशस्वी झाल्यास, कोणत्याही नोड्स जवळजवळ त्वरित बदलले जाऊ शकतात.

विविध आकारांच्या उबदार नोड्सचा पूल जोडला. म्हणून, जर मोठ्या किंवा लहान आकाराच्या नवीन नोडचे वाटप करणे आवश्यक असेल तर ते त्वरित उपलब्ध आहे. ते लोड होण्याची प्रतीक्षा करण्याची आवश्यकता नाही.

संपूर्ण स्केलिंग प्रक्रिया विशेष मॉनिटरिंग सिस्टमद्वारे नियंत्रित केली जाते. मॉनिटरिंग सतत वर्तमान मास्टर नोडच्या स्थितीचे परीक्षण करते. उदाहरणार्थ, प्रोसेसर लोड गंभीर मूल्यापर्यंत पोहोचल्याचे आढळल्यास, ते नवीन नोड वाटप करण्याची आवश्यकता असलेल्या उबदार उदाहरणांच्या पूलला सूचित करते.

वितरित प्रॉक्सी, उबदार उदाहरणे आणि निरीक्षण.

आवश्यक शक्तीसह एक नोड उपलब्ध आहे. त्यावर बफर पूल कॉपी केले जातात आणि सिस्टम स्विच होण्यासाठी सुरक्षित क्षणाची प्रतीक्षा करू लागते.

सहसा स्विच करण्याचा क्षण खूप लवकर येतो. मग प्रॉक्सी आणि जुन्या मास्टर नोडमधील संप्रेषण निलंबित केले जाते, सर्व सत्रे नवीन नोडवर स्विच केली जातात.

डेटाबेस रेझ्युमेसह कार्य करा.

आलेख दर्शविते की निलंबन खरोखर खूप लहान आहे. निळा आलेख भार दर्शवितो आणि लाल पायर्या स्केलिंग क्षण दर्शवितात. निळ्या आलेखामध्ये अल्पकालीन बुडणे हा तंतोतंत कमी विलंब आहे.

तसे, Amazon Aurora तुम्हाला पैसे वाचवण्याची आणि डेटाबेस वापरात नसताना बंद करण्याची परवानगी देते, उदाहरणार्थ, आठवड्याच्या शेवटी. लोड थांबविल्यानंतर, डीबी हळूहळू त्याची शक्ती कमी करते आणि काही काळ बंद होते. जेव्हा लोड परत येईल, तेव्हा ते पुन्हा सहजतेने वाढेल.

Amazon डिव्हाइसबद्दलच्या कथेच्या पुढील भागात, आम्ही नेटवर्क स्केलिंगबद्दल बोलू. सदस्यता घ्या मेल आणि संपर्कात रहा जेणेकरून तुमचा लेख चुकणार नाही.

वर HighLoad++ वसीली पंतुखिन अहवाल देतील "ह्यूस्टन, आम्हाला एक समस्या आहे. अयशस्वी होण्यासाठी सिस्टमची रचना, अंतर्गत Amazon क्लाउड सेवांसाठी विकास नमुने" Amazon डेव्हलपर्सद्वारे वितरित सिस्टमसाठी कोणते डिझाइन नमुने वापरले जातात, सेवा अयशस्वी होण्याचे कारण काय आहेत, सेल-आधारित आर्किटेक्चर काय आहे, सतत कार्य, शफल शार्डिंग - हे मनोरंजक असेल. परिषदेला एक महिन्यापेक्षा कमी वेळ - तुमची तिकिटे बुक करा. 24 ऑक्टोबर अंतिम किंमत वाढ.

स्त्रोत: www.habr.com