ਹਾਈਲੋਡ++, ਮਿਖਾਇਲ ਟਿਊਲੇਨੇਵ (ਮੋਂਗੋਡੀਬੀ): ਕਾਰਣ ਇਕਸਾਰਤਾ: ਸਿਧਾਂਤ ਤੋਂ ਅਭਿਆਸ ਤੱਕ

ਅਗਲੀ ਹਾਈਲੋਡ++ ਕਾਨਫਰੰਸ 6 ਅਤੇ 7 ਅਪ੍ਰੈਲ, 2020 ਨੂੰ ਸੇਂਟ ਪੀਟਰਸਬਰਗ ਵਿੱਚ ਹੋਵੇਗੀ।
ਵੇਰਵੇ ਅਤੇ ਟਿਕਟਾਂ ਲਿੰਕ. ਹਾਈਲੋਡ++ ਸਾਇਬੇਰੀਆ 2019. ਹਾਲ "ਕ੍ਰਾਸਨੋਯਾਰਸਕ"। ਜੂਨ 25, 12:00. ਥੀਸਸ ਅਤੇ ਪੇਸ਼ਕਾਰੀ.

ਅਜਿਹਾ ਹੁੰਦਾ ਹੈ ਕਿ ਵਿਹਾਰਕ ਲੋੜਾਂ ਸਿਧਾਂਤ ਨਾਲ ਟਕਰਾ ਜਾਂਦੀਆਂ ਹਨ, ਜਿੱਥੇ ਵਪਾਰਕ ਉਤਪਾਦ ਲਈ ਮਹੱਤਵਪੂਰਨ ਪਹਿਲੂਆਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਨਹੀਂ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਭਾਸ਼ਣ ਇੱਕ ਵਪਾਰਕ ਉਤਪਾਦ ਦੀਆਂ ਲੋੜਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਅਕਾਦਮਿਕ ਖੋਜ ਦੇ ਆਧਾਰ 'ਤੇ ਕਾਰਕ ਇਕਸਾਰਤਾ ਵਾਲੇ ਹਿੱਸੇ ਬਣਾਉਣ ਲਈ ਵੱਖ-ਵੱਖ ਪਹੁੰਚਾਂ ਨੂੰ ਚੁਣਨ ਅਤੇ ਜੋੜਨ ਲਈ ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਸਰੋਤੇ ਲਾਜ਼ੀਕਲ ਘੜੀਆਂ, ਨਿਰਭਰਤਾ ਟਰੈਕਿੰਗ, ਸਿਸਟਮ ਸੁਰੱਖਿਆ, ਘੜੀ ਸਮਕਾਲੀਕਰਨ, ਅਤੇ ਮੋਂਗੋਡੀਬੀ ਕੁਝ ਹੱਲਾਂ 'ਤੇ ਸੈਟਲ ਕਿਉਂ ਹੋਏ, ਬਾਰੇ ਮੌਜੂਦਾ ਸਿਧਾਂਤਕ ਪਹੁੰਚ ਬਾਰੇ ਸਿੱਖਣਗੇ।

ਮਿਖਾਇਲ ਟਿਊਲੇਨੇਵ (ਇਸ ਤੋਂ ਬਾਅਦ MT ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ): - ਮੈਂ ਕਾਰਕ ਇਕਸਾਰਤਾ ਬਾਰੇ ਗੱਲ ਕਰਾਂਗਾ - ਇਹ ਉਹ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਜਿਸ 'ਤੇ ਅਸੀਂ ਮੋਂਗੋਡੀਬੀ ਵਿੱਚ ਕੰਮ ਕੀਤਾ ਹੈ। ਮੈਂ ਵਿਤਰਿਤ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਇੱਕ ਸਮੂਹ ਵਿੱਚ ਕੰਮ ਕਰਦਾ ਹਾਂ, ਅਸੀਂ ਇਹ ਲਗਭਗ ਦੋ ਸਾਲ ਪਹਿਲਾਂ ਕੀਤਾ ਸੀ।

ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ, ਮੈਨੂੰ ਆਪਣੇ ਆਪ ਨੂੰ ਬਹੁਤ ਸਾਰੇ ਅਕਾਦਮਿਕ ਖੋਜਾਂ ਨਾਲ ਜਾਣੂ ਕਰਵਾਉਣਾ ਪਿਆ, ਕਿਉਂਕਿ ਇਸ ਵਿਸ਼ੇਸ਼ਤਾ ਦਾ ਕਾਫ਼ੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਅਧਿਐਨ ਕੀਤਾ ਗਿਆ ਹੈ. ਇਹ ਪਤਾ ਚਲਿਆ ਕਿ ਇੱਕ ਵੀ ਲੇਖ ਉਤਪਾਦਨ ਡੇਟਾਬੇਸ ਵਿੱਚ ਲੋੜੀਂਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦੇ ਕਾਰਨ ਫਿੱਟ ਨਹੀਂ ਬੈਠਦਾ ਹੈ ਜੋ ਸ਼ਾਇਦ ਕਿਸੇ ਵੀ ਉਤਪਾਦਨ ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਮੌਜੂਦ ਹਨ।

ਮੈਂ ਇਸ ਬਾਰੇ ਗੱਲ ਕਰਾਂਗਾ ਕਿ ਕਿਵੇਂ ਅਸੀਂ, ਅਕਾਦਮਿਕ ਖੋਜ ਦੇ ਖਪਤਕਾਰਾਂ ਦੇ ਰੂਪ ਵਿੱਚ, ਇਸ ਤੋਂ ਕੁਝ ਤਿਆਰ ਕਰਦੇ ਹਾਂ ਜੋ ਅਸੀਂ ਆਪਣੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇੱਕ ਤਿਆਰ-ਕੀਤੀ ਡਿਸ਼ ਵਜੋਂ ਪੇਸ਼ ਕਰ ਸਕਦੇ ਹਾਂ ਜੋ ਸੁਵਿਧਾਜਨਕ ਅਤੇ ਵਰਤਣ ਲਈ ਸੁਰੱਖਿਅਤ ਹੈ।

ਕਾਰਣ ਇਕਸਾਰਤਾ। ਆਓ ਸੰਕਲਪਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੀਏ

ਸ਼ੁਰੂ ਕਰਨ ਲਈ, ਮੈਂ ਆਮ ਸ਼ਬਦਾਂ ਵਿਚ ਕਹਿਣਾ ਚਾਹੁੰਦਾ ਹਾਂ ਕਿ ਕਾਰਣ ਇਕਸਾਰਤਾ ਕੀ ਹੈ। ਦੋ ਪਾਤਰ ਹਨ - ਲਿਓਨਾਰਡ ਅਤੇ ਪੈਨੀ (ਟੀਵੀ ਸੀਰੀਜ਼ "ਦਿ ਬਿਗ ਬੈਂਗ ਥਿਊਰੀ"):

ਦੱਸ ਦੇਈਏ ਕਿ ਪੇਨੀ ਯੂਰਪ ਵਿੱਚ ਹੈ ਅਤੇ ਲਿਓਨਾਰਡ ਉਸਨੂੰ ਇੱਕ ਸਰਪ੍ਰਾਈਜ਼ ਪਾਰਟੀ ਦੇਣਾ ਚਾਹੁੰਦਾ ਹੈ। ਅਤੇ ਉਹ ਉਸ ਨੂੰ ਆਪਣੀ ਦੋਸਤ ਸੂਚੀ ਤੋਂ ਬਾਹਰ ਕੱਢਣ ਤੋਂ ਬਿਹਤਰ ਹੋਰ ਕੁਝ ਨਹੀਂ ਸੋਚ ਸਕਦਾ, ਆਪਣੇ ਸਾਰੇ ਦੋਸਤਾਂ ਨੂੰ ਫੀਡ 'ਤੇ ਇੱਕ ਅਪਡੇਟ ਭੇਜਦਾ ਹੈ: "ਆਓ ਪੈਨੀ ਨੂੰ ਖੁਸ਼ ਕਰੀਏ!" (ਉਹ ਯੂਰਪ ਵਿੱਚ ਹੈ, ਜਦੋਂ ਉਹ ਸੌਂਦੀ ਹੈ, ਉਹ ਇਹ ਸਭ ਨਹੀਂ ਦੇਖਦੀ ਅਤੇ ਇਸਨੂੰ ਨਹੀਂ ਦੇਖ ਸਕਦੀ, ਕਿਉਂਕਿ ਉਹ ਉੱਥੇ ਨਹੀਂ ਹੈ)। ਆਖਰਕਾਰ, ਉਹ ਇਸ ਪੋਸਟ ਨੂੰ ਮਿਟਾ ਦਿੰਦੀ ਹੈ, ਇਸਨੂੰ ਫੀਡ ਤੋਂ ਮਿਟਾ ਦਿੰਦੀ ਹੈ ਅਤੇ ਐਕਸੈਸ ਨੂੰ ਬਹਾਲ ਕਰਦੀ ਹੈ ਤਾਂ ਜੋ ਉਸਨੂੰ ਕੁਝ ਵੀ ਨਜ਼ਰ ਨਾ ਆਵੇ ਅਤੇ ਕੋਈ ਘੋਟਾਲਾ ਨਾ ਹੋਵੇ।
ਇਹ ਸਭ ਕੁਝ ਠੀਕ ਅਤੇ ਚੰਗਾ ਹੈ, ਪਰ ਆਓ ਇਹ ਮੰਨ ਲਈਏ ਕਿ ਸਿਸਟਮ ਵੰਡਿਆ ਗਿਆ ਹੈ ਅਤੇ ਚੀਜ਼ਾਂ ਥੋੜੀਆਂ ਗਲਤ ਹੋ ਗਈਆਂ ਹਨ। ਇਹ, ਉਦਾਹਰਨ ਲਈ, ਇਹ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਇਸ ਪੋਸਟ ਦੇ ਪ੍ਰਗਟ ਹੋਣ ਤੋਂ ਬਾਅਦ ਪੈਨੀ ਦੀ ਪਹੁੰਚ ਪਾਬੰਦੀ ਆਈ, ਜੇਕਰ ਘਟਨਾਵਾਂ ਕਾਰਨ ਅਤੇ ਪ੍ਰਭਾਵ ਨਾਲ ਸਬੰਧਤ ਨਹੀਂ ਹਨ। ਅਸਲ ਵਿੱਚ, ਇਹ ਇੱਕ ਉਦਾਹਰਨ ਹੈ ਜਦੋਂ ਇੱਕ ਵਪਾਰਕ ਫੰਕਸ਼ਨ (ਇਸ ਕੇਸ ਵਿੱਚ) ਕਰਨ ਲਈ ਕਾਰਕ ਇਕਸਾਰਤਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਵਾਸਤਵ ਵਿੱਚ, ਇਹ ਡੇਟਾਬੇਸ ਦੀਆਂ ਕਾਫ਼ੀ ਗੈਰ-ਮਾਮੂਲੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹਨ - ਬਹੁਤ ਘੱਟ ਲੋਕ ਇਹਨਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ. ਆਓ ਮਾਡਲਾਂ ਵੱਲ ਵਧੀਏ।

ਇਕਸਾਰਤਾ ਮਾਡਲ

ਡੇਟਾਬੇਸ ਵਿਚ ਇਕਸਾਰਤਾ ਮਾਡਲ ਕੀ ਹੈ? ਇਹ ਕੁਝ ਗਾਰੰਟੀਆਂ ਹਨ ਜੋ ਇੱਕ ਵੰਡਿਆ ਸਿਸਟਮ ਇਸ ਬਾਰੇ ਦਿੰਦਾ ਹੈ ਕਿ ਗਾਹਕ ਕਿਹੜਾ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਕਿਸ ਕ੍ਰਮ ਵਿੱਚ।

ਸਿਧਾਂਤ ਵਿੱਚ, ਸਾਰੇ ਇਕਸਾਰਤਾ ਮਾਡਲ ਹੇਠਾਂ ਆਉਂਦੇ ਹਨ ਕਿ ਇੱਕ ਡਿਸਟਰੀਬਿਊਟਡ ਸਿਸਟਮ ਇੱਕ ਸਿਸਟਮ ਨਾਲ ਕਿੰਨਾ ਸਮਾਨ ਹੈ, ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਲੈਪਟਾਪ ਉੱਤੇ ਇੱਕ ਨੋਡ ਉੱਤੇ। ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਇੱਕ ਸਿਸਟਮ ਜੋ ਹਜ਼ਾਰਾਂ ਜੀਓ-ਵਿਤਰਿਤ "ਨੋਡਾਂ" 'ਤੇ ਚੱਲਦਾ ਹੈ, ਇੱਕ ਲੈਪਟਾਪ ਵਰਗਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਇਹ ਸਾਰੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ ਆਪਣੇ ਆਪ ਹੀ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ।

ਇਸਲਈ, ਇਕਸਾਰਤਾ ਮਾਡਲਾਂ ਨੂੰ ਸਿਰਫ਼ ਵੰਡੀਆਂ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸਾਰੇ ਸਿਸਟਮ ਜੋ ਪਹਿਲਾਂ ਮੌਜੂਦ ਸਨ ਅਤੇ ਇੱਕੋ ਵਰਟੀਕਲ ਸਕੇਲਿੰਗ 'ਤੇ ਕੰਮ ਕਰਦੇ ਸਨ, ਅਜਿਹੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦਾ ਅਨੁਭਵ ਨਹੀਂ ਕਰਦੇ ਸਨ। ਇੱਥੇ ਇੱਕ ਬਫਰ ਕੈਸ਼ ਸੀ, ਅਤੇ ਹਰ ਚੀਜ਼ ਹਮੇਸ਼ਾ ਇਸ ਤੋਂ ਪੜ੍ਹੀ ਜਾਂਦੀ ਸੀ।

ਮਾਡਲ ਮਜ਼ਬੂਤ

ਅਸਲ ਵਿੱਚ, ਸਭ ਤੋਂ ਪਹਿਲਾ ਮਾਡਲ ਮਜ਼ਬੂਤ ​​ਹੈ (ਜਾਂ ਵਾਧਾ ਯੋਗਤਾ ਲਾਈਨ, ਜਿਵੇਂ ਕਿ ਇਸਨੂੰ ਅਕਸਰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ)। ਇਹ ਇਕਸਾਰਤਾ ਮਾਡਲ ਹੈ ਜੋ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਹਰੇਕ ਤਬਦੀਲੀ, ਇੱਕ ਵਾਰ ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ ਹੈ ਕਿ ਇਹ ਆਈ ਹੈ, ਸਿਸਟਮ ਦੇ ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ।

ਇਹ ਡੇਟਾਬੇਸ ਵਿੱਚ ਸਾਰੀਆਂ ਘਟਨਾਵਾਂ ਦਾ ਇੱਕ ਗਲੋਬਲ ਆਰਡਰ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਇੱਕ ਬਹੁਤ ਮਜ਼ਬੂਤ ​​ਇਕਸਾਰਤਾ ਦੀ ਜਾਇਦਾਦ ਹੈ, ਅਤੇ ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਬਹੁਤ ਮਹਿੰਗਾ ਹੁੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਬਹੁਤ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਮਰਥਿਤ ਹੈ. ਇਹ ਬਹੁਤ ਮਹਿੰਗਾ ਅਤੇ ਹੌਲੀ ਹੈ - ਇਹ ਬਹੁਤ ਘੱਟ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ. ਇਸ ਨੂੰ ਵਾਧਾ ਯੋਗਤਾ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।

ਇੱਕ ਹੋਰ, ਮਜ਼ਬੂਤ ​​ਸੰਪਤੀ ਹੈ ਜੋ ਸਪੈਨਰ ਵਿੱਚ ਸਮਰਥਿਤ ਹੈ - ਜਿਸਨੂੰ ਬਾਹਰੀ ਇਕਸਾਰਤਾ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਅਸੀਂ ਇਸ ਬਾਰੇ ਥੋੜ੍ਹੀ ਦੇਰ ਬਾਅਦ ਗੱਲ ਕਰਾਂਗੇ।

ਕਾਰਣ

ਅਗਲਾ ਇੱਕ ਕਾਰਨ ਹੈ, ਜੋ ਬਿਲਕੁਲ ਉਹੀ ਹੈ ਜਿਸ ਬਾਰੇ ਮੈਂ ਗੱਲ ਕਰ ਰਿਹਾ ਸੀ। ਸਟ੍ਰੋਂਗ ਅਤੇ ਕਾਰਜ਼ਲ ਦੇ ਵਿਚਕਾਰ ਕਈ ਹੋਰ ਉਪ-ਪੱਧਰ ਹਨ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਮੈਂ ਗੱਲ ਨਹੀਂ ਕਰਾਂਗਾ, ਪਰ ਉਹ ਸਾਰੇ ਕਾਰਨ ਲਈ ਉਬਲਦੇ ਹਨ। ਇਹ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਮਾਡਲ ਹੈ ਕਿਉਂਕਿ ਇਹ ਸਾਰੇ ਮਾਡਲਾਂ ਵਿੱਚੋਂ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ, ਇੱਕ ਨੈੱਟਵਰਕ ਜਾਂ ਭਾਗਾਂ ਦੀ ਮੌਜੂਦਗੀ ਵਿੱਚ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ​​ਇਕਸਾਰਤਾ ਹੈ।

ਕਾਰਣ ਅਸਲ ਵਿੱਚ ਇੱਕ ਅਜਿਹੀ ਸਥਿਤੀ ਹੈ ਜਿਸ ਵਿੱਚ ਘਟਨਾਵਾਂ ਇੱਕ ਕਾਰਨ-ਅਤੇ-ਪ੍ਰਭਾਵ ਸਬੰਧ ਦੁਆਰਾ ਜੁੜੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। ਅਕਸਰ ਉਹਨਾਂ ਨੂੰ ਕਲਾਇੰਟ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਆਪਣੇ ਅਧਿਕਾਰਾਂ 'ਤੇ ਪੜ੍ਹੋ ਦੇ ਰੂਪ ਵਿੱਚ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ। ਜੇਕਰ ਕਲਾਇੰਟ ਨੇ ਕੁਝ ਮੁੱਲਾਂ ਨੂੰ ਦੇਖਿਆ ਹੈ, ਤਾਂ ਉਹ ਉਹ ਮੁੱਲ ਨਹੀਂ ਦੇਖ ਸਕਦਾ ਜੋ ਪਿਛਲੇ ਸਮੇਂ ਵਿੱਚ ਸਨ। ਉਹ ਪਹਿਲਾਂ ਹੀ ਪ੍ਰੀਫਿਕਸ ਰੀਡਿੰਗਾਂ ਨੂੰ ਦੇਖਣਾ ਸ਼ੁਰੂ ਕਰ ਰਿਹਾ ਹੈ। ਇਹ ਸਭ ਇੱਕੋ ਗੱਲ 'ਤੇ ਆਉਂਦਾ ਹੈ।
ਇਕਸਾਰਤਾ ਮਾਡਲ ਦੇ ਤੌਰ 'ਤੇ ਕਾਰਨ ਸਰਵਰ 'ਤੇ ਘਟਨਾਵਾਂ ਦਾ ਅੰਸ਼ਕ ਕ੍ਰਮ ਹੈ, ਜਿਸ ਵਿੱਚ ਸਾਰੇ ਗਾਹਕਾਂ ਦੀਆਂ ਘਟਨਾਵਾਂ ਨੂੰ ਉਸੇ ਕ੍ਰਮ ਵਿੱਚ ਦੇਖਿਆ ਜਾਂਦਾ ਹੈ। ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਲਿਓਨਾਰਡ ਅਤੇ ਪੈਨੀ.

ਘਟਨਾਕ੍ਰਮ

ਤੀਜਾ ਮਾਡਲ ਇਵਚੁਅਲ ਕੰਸਿਸਟੈਂਸੀ ਹੈ। ਇਹ ਉਹ ਹੈ ਜੋ ਬਿਲਕੁਲ ਸਾਰੇ ਵਿਤਰਿਤ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ, ਘੱਟੋ ਘੱਟ ਮਾਡਲ ਜੋ ਬਿਲਕੁਲ ਵੀ ਅਰਥ ਰੱਖਦਾ ਹੈ। ਇਸਦਾ ਅਰਥ ਇਹ ਹੈ: ਜਦੋਂ ਸਾਡੇ ਕੋਲ ਡੇਟਾ ਵਿੱਚ ਕੁਝ ਬਦਲਾਅ ਹੁੰਦੇ ਹਨ, ਕਿਸੇ ਸਮੇਂ ਉਹ ਇਕਸਾਰ ਹੋ ਜਾਂਦੇ ਹਨ।

ਅਜਿਹੇ ਪਲ 'ਤੇ ਉਹ ਕੁਝ ਨਹੀਂ ਕਹਿੰਦੀ, ਨਹੀਂ ਤਾਂ ਉਹ ਬਾਹਰੀ ਇਕਸਾਰਤਾ ਵਿੱਚ ਬਦਲ ਜਾਵੇਗੀ - ਇਹ ਇੱਕ ਬਿਲਕੁਲ ਵੱਖਰੀ ਕਹਾਣੀ ਹੋਵੇਗੀ. ਫਿਰ ਵੀ, ਇਹ ਇੱਕ ਬਹੁਤ ਹੀ ਪ੍ਰਸਿੱਧ ਮਾਡਲ ਹੈ, ਸਭ ਤੋਂ ਆਮ. ਮੂਲ ਰੂਪ ਵਿੱਚ, ਡਿਸਟ੍ਰੀਬਿਊਟਡ ਸਿਸਟਮਾਂ ਦੇ ਸਾਰੇ ਉਪਭੋਗਤਾ ਇਵਚੁਅਲ ਇਕਸਾਰਤਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ।

ਮੈਂ ਕੁਝ ਤੁਲਨਾਤਮਕ ਉਦਾਹਰਣ ਦੇਣਾ ਚਾਹੁੰਦਾ ਹਾਂ:

ਇਨ੍ਹਾਂ ਤੀਰਾਂ ਦਾ ਕੀ ਅਰਥ ਹੈ?

• ਲੇਟੈਂਸੀ। ਜਿਵੇਂ ਕਿ ਇਕਸਾਰਤਾ ਦੀ ਤਾਕਤ ਵਧਦੀ ਹੈ, ਇਹ ਸਪੱਸ਼ਟ ਕਾਰਨਾਂ ਕਰਕੇ ਵੱਡਾ ਹੋ ਜਾਂਦਾ ਹੈ: ਤੁਹਾਨੂੰ ਹੋਰ ਰਿਕਾਰਡ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ, ਕਲੱਸਟਰ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਵਾਲੇ ਸਾਰੇ ਮੇਜ਼ਬਾਨਾਂ ਅਤੇ ਨੋਡਾਂ ਤੋਂ ਪੁਸ਼ਟੀ ਪ੍ਰਾਪਤ ਕਰੋ ਕਿ ਡੇਟਾ ਪਹਿਲਾਂ ਹੀ ਮੌਜੂਦ ਹੈ। ਇਸ ਅਨੁਸਾਰ, ਇਵਚੁਅਲ ਕੰਸਿਸਟੈਂਸੀ ਦਾ ਸਭ ਤੋਂ ਤੇਜ਼ ਜਵਾਬ ਹੈ, ਕਿਉਂਕਿ ਉੱਥੇ, ਇੱਕ ਨਿਯਮ ਦੇ ਤੌਰ 'ਤੇ, ਤੁਸੀਂ ਇਸਨੂੰ ਮੈਮੋਰੀ ਵਿੱਚ ਵੀ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਇਹ, ਸਿਧਾਂਤ ਵਿੱਚ, ਕਾਫ਼ੀ ਹੋਵੇਗਾ।
• ਉਪਲਬਧਤਾ ਜੇਕਰ ਅਸੀਂ ਇਸਨੂੰ ਨੈੱਟਵਰਕ ਬਰੇਕਾਂ, ਭਾਗਾਂ, ਜਾਂ ਕਿਸੇ ਕਿਸਮ ਦੀ ਅਸਫਲਤਾ ਦੀ ਮੌਜੂਦਗੀ ਵਿੱਚ ਜਵਾਬ ਦੇਣ ਦੀ ਸਿਸਟਮ ਦੀ ਯੋਗਤਾ ਦੇ ਰੂਪ ਵਿੱਚ ਸਮਝਦੇ ਹਾਂ, ਤਾਂ ਨੁਕਸ ਸਹਿਣਸ਼ੀਲਤਾ ਵਧ ਜਾਂਦੀ ਹੈ ਕਿਉਂਕਿ ਇਕਸਾਰਤਾ ਮਾਡਲ ਘਟਦਾ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਸਾਡੇ ਲਈ ਕਾਫ਼ੀ ਹੈ ਕਿ ਇੱਕ ਹੋਸਟ ਰਹਿੰਦਾ ਹੈ ਅਤੇ ਉਸੇ ਸਮੇਂ ਸਮਾਂ ਕੁਝ ਡਾਟਾ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਇਵੈਂਟਲ ਇਕਸਾਰਤਾ ਡੇਟਾ ਬਾਰੇ ਕਿਸੇ ਵੀ ਚੀਜ਼ ਦੀ ਗਾਰੰਟੀ ਨਹੀਂ ਦਿੰਦੀ - ਇਹ ਕੁਝ ਵੀ ਹੋ ਸਕਦਾ ਹੈ.
• ਵਿਸੰਗਤੀਆਂ। ਉਸੇ ਸਮੇਂ, ਬੇਸ਼ੱਕ, ਵਿਗਾੜਾਂ ਦੀ ਗਿਣਤੀ ਵਧਦੀ ਹੈ. ਮਜ਼ਬੂਤ ​​ਇਕਸਾਰਤਾ ਵਿੱਚ ਉਹ ਲਗਭਗ ਮੌਜੂਦ ਨਹੀਂ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ, ਪਰ ਅੰਤਮ ਇਕਸਾਰਤਾ ਵਿੱਚ ਉਹ ਕੁਝ ਵੀ ਹੋ ਸਕਦੇ ਹਨ। ਸਵਾਲ ਪੈਦਾ ਹੁੰਦਾ ਹੈ: ਲੋਕ ਇਵਚੁਅਲ ਇਕਸਾਰਤਾ ਨੂੰ ਕਿਉਂ ਚੁਣਦੇ ਹਨ ਜੇਕਰ ਇਸ ਵਿੱਚ ਵਿਗਾੜ ਹਨ? ਜਵਾਬ ਇਹ ਹੈ ਕਿ ਇਵਚੁਅਲ ਇਕਸਾਰਤਾ ਮਾਡਲ ਲਾਗੂ ਹੁੰਦੇ ਹਨ ਅਤੇ ਵਿਗਾੜ ਮੌਜੂਦ ਹੁੰਦੇ ਹਨ, ਉਦਾਹਰਨ ਲਈ, ਥੋੜ੍ਹੇ ਸਮੇਂ ਵਿੱਚ; ਇਕਸਾਰ ਡੇਟਾ ਨੂੰ ਪੜ੍ਹਨ ਅਤੇ ਘੱਟ ਜਾਂ ਵੱਧ ਪੜ੍ਹਣ ਲਈ ਵਿਜ਼ਾਰਡ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸੰਭਵ ਹੈ; ਮਜ਼ਬੂਤ ​​ਇਕਸਾਰਤਾ ਵਾਲੇ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਅਕਸਰ ਸੰਭਵ ਹੁੰਦਾ ਹੈ। ਅਭਿਆਸ ਵਿੱਚ ਇਹ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਤੇ ਅਕਸਰ ਵਿਗਾੜਾਂ ਦੀ ਗਿਣਤੀ ਸਮੇਂ ਵਿੱਚ ਸੀਮਤ ਹੁੰਦੀ ਹੈ।

CAP ਪ੍ਰਮੇਯ

ਜਦੋਂ ਤੁਸੀਂ ਸ਼ਬਦਾਂ ਦੀ ਇਕਸਾਰਤਾ, ਉਪਲਬਧਤਾ ਨੂੰ ਦੇਖਦੇ ਹੋ - ਤੁਹਾਡੇ ਦਿਮਾਗ ਵਿੱਚ ਕੀ ਆਉਂਦਾ ਹੈ? ਇਹ ਸਹੀ ਹੈ - CAP ਪ੍ਰਮੇਯ! ਹੁਣ ਮੈਂ ਮਿੱਥ ਨੂੰ ਦੂਰ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹਾਂ... ਇਹ ਮੈਂ ਨਹੀਂ ਹਾਂ - ਇਹ ਮਾਰਟਿਨ ਕਲੈਪਮੈਨ ਹੈ, ਜਿਸ ਨੇ ਇੱਕ ਸ਼ਾਨਦਾਰ ਲੇਖ ਲਿਖਿਆ, ਇੱਕ ਸ਼ਾਨਦਾਰ ਕਿਤਾਬ।

CAP ਸਿਧਾਂਤ 2000 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਇੱਕ ਸਿਧਾਂਤ ਹੈ ਕਿ ਇਕਸਾਰਤਾ, ਉਪਲਬਧਤਾ, ਭਾਗ: ਕੋਈ ਵੀ ਦੋ ਲਓ, ਅਤੇ ਤੁਸੀਂ ਤਿੰਨ ਨਹੀਂ ਚੁਣ ਸਕਦੇ। ਇਹ ਇੱਕ ਖਾਸ ਸਿਧਾਂਤ ਸੀ। ਇਸ ਨੂੰ ਕੁਝ ਸਾਲਾਂ ਬਾਅਦ ਗਿਲਬਰਟ ਅਤੇ ਲਿੰਚ ਦੁਆਰਾ ਇੱਕ ਪ੍ਰਮੇਏ ਵਜੋਂ ਸਾਬਤ ਕੀਤਾ ਗਿਆ ਸੀ। ਫਿਰ ਇਸ ਨੂੰ ਇੱਕ ਮੰਤਰ ਵਜੋਂ ਵਰਤਿਆ ਜਾਣ ਲੱਗਾ - ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ CA, CP, AP ਆਦਿ ਵਿੱਚ ਵੰਡਿਆ ਜਾਣ ਲੱਗਾ।

ਇਹ ਥਿਊਰਮ ਅਸਲ ਵਿੱਚ ਨਿਮਨਲਿਖਤ ਮਾਮਲਿਆਂ ਲਈ ਸਾਬਤ ਕੀਤਾ ਗਿਆ ਸੀ... ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਉਪਲਬਧਤਾ ਨੂੰ ਜ਼ੀਰੋ ਤੋਂ ਸੈਂਕੜੇ ਤੱਕ ਇੱਕ ਨਿਰੰਤਰ ਮੁੱਲ ਨਹੀਂ ਮੰਨਿਆ ਗਿਆ ਸੀ (0 - ਸਿਸਟਮ "ਮਰੇ" ਹੈ, 100 - ਜਲਦੀ ਜਵਾਬ ਦਿੰਦਾ ਹੈ; ਅਸੀਂ ਇਸ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਵਿਚਾਰਨ ਦੇ ਆਦੀ ਹਾਂ) , ਪਰ ਐਲਗੋਰਿਦਮ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਤੌਰ 'ਤੇ, ਜੋ ਗਾਰੰਟੀ ਦਿੰਦਾ ਹੈ ਕਿ ਇਸਦੇ ਸਾਰੇ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਲਈ ਇਹ ਡਾਟਾ ਵਾਪਸ ਕਰਦਾ ਹੈ।

ਜਵਾਬ ਦੇ ਸਮੇਂ ਬਾਰੇ ਕੋਈ ਸ਼ਬਦ ਨਹੀਂ ਹੈ! ਇੱਕ ਐਲਗੋਰਿਦਮ ਹੈ ਜੋ 100 ਸਾਲਾਂ ਬਾਅਦ ਡਾਟਾ ਵਾਪਸ ਕਰਦਾ ਹੈ - ਇੱਕ ਬਿਲਕੁਲ ਸ਼ਾਨਦਾਰ ਉਪਲਬਧ ਐਲਗੋਰਿਦਮ, ਜੋ ਕਿ CAP ਥਿਊਰਮ ਦਾ ਹਿੱਸਾ ਹੈ।
ਦੂਜਾ: ਪ੍ਰਮੇਏ ਨੂੰ ਉਸੇ ਕੁੰਜੀ ਦੇ ਮੁੱਲਾਂ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਲਈ ਸਾਬਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਇਸ ਤੱਥ ਦੇ ਬਾਵਜੂਦ ਕਿ ਇਹ ਤਬਦੀਲੀਆਂ ਮੁੜ ਆਕਾਰ ਦੇਣ ਯੋਗ ਹਨ। ਇਸਦਾ ਮਤਲਬ ਇਹ ਹੈ ਕਿ ਅਸਲ ਵਿੱਚ ਉਹ ਅਮਲੀ ਤੌਰ 'ਤੇ ਨਹੀਂ ਵਰਤੇ ਜਾਂਦੇ ਹਨ, ਕਿਉਂਕਿ ਮਾਡਲ ਵੱਖ-ਵੱਖ ਘਟਨਾਵਾਂ ਦੀ ਇਕਸਾਰਤਾ, ਮਜ਼ਬੂਤ ​​ਇਕਸਾਰਤਾ (ਸ਼ਾਇਦ) ਹਨ।

ਇਹ ਸਭ ਕਾਹਦੇ ਲਈ ਹੈ? ਇਸ ਤੋਂ ਇਲਾਵਾ, CAP ਥਿਊਰਮ ਬਿਲਕੁਲ ਉਸੇ ਰੂਪ ਵਿਚ ਜਿਸ ਵਿਚ ਇਹ ਸਾਬਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਮਲੀ ਤੌਰ 'ਤੇ ਲਾਗੂ ਨਹੀਂ ਹੁੰਦਾ ਹੈ ਅਤੇ ਬਹੁਤ ਘੱਟ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਸਿਧਾਂਤਕ ਰੂਪ ਵਿੱਚ, ਇਹ ਕਿਸੇ ਤਰ੍ਹਾਂ ਹਰ ਚੀਜ਼ ਨੂੰ ਸੀਮਿਤ ਕਰਦਾ ਹੈ. ਇਹ ਇੱਕ ਖਾਸ ਸਿਧਾਂਤ ਨੂੰ ਬਾਹਰ ਕਾਮੁਕ ਕਰਦਾ ਹੈ ਜੋ ਅਨੁਭਵੀ ਤੌਰ 'ਤੇ ਸਹੀ ਹੈ, ਪਰ ਆਮ ਤੌਰ 'ਤੇ ਸਾਬਤ ਨਹੀਂ ਹੋਇਆ ਹੈ।

ਕਾਰਣ ਇਕਸਾਰਤਾ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ​​ਮਾਡਲ ਹੈ

ਹੁਣ ਕੀ ਹੋ ਰਿਹਾ ਹੈ ਕਿ ਤੁਸੀਂ ਤਿੰਨੋਂ ਚੀਜ਼ਾਂ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ: ਇਕਸਾਰਤਾ, ਭਾਗਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉਪਲਬਧਤਾ। ਖਾਸ ਤੌਰ 'ਤੇ, ਕਾਰਕ ਇਕਸਾਰਤਾ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ​​ਇਕਸਾਰਤਾ ਮਾਡਲ ਹੈ, ਜੋ ਅਜੇ ਵੀ ਭਾਗਾਂ (ਨੈੱਟਵਰਕ ਵਿੱਚ ਬਰੇਕ) ਦੀ ਮੌਜੂਦਗੀ ਵਿੱਚ ਕੰਮ ਕਰਦਾ ਹੈ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਇਹ ਇੰਨੀ ਵੱਡੀ ਦਿਲਚਸਪੀ ਵਾਲਾ ਹੈ, ਅਤੇ ਇਸੇ ਲਈ ਅਸੀਂ ਇਸਨੂੰ ਚੁੱਕਿਆ ਹੈ।

ਪਹਿਲਾਂ, ਇਹ ਐਪਲੀਕੇਸ਼ਨ ਡਿਵੈਲਪਰਾਂ ਦੇ ਕੰਮ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ. ਖਾਸ ਤੌਰ 'ਤੇ, ਸਰਵਰ ਤੋਂ ਬਹੁਤ ਵਧੀਆ ਸਮਰਥਨ ਦੀ ਮੌਜੂਦਗੀ: ਜਦੋਂ ਇੱਕ ਕਲਾਇੰਟ ਦੇ ਅੰਦਰ ਹੋਣ ਵਾਲੇ ਸਾਰੇ ਰਿਕਾਰਡਾਂ ਨੂੰ ਦੂਜੇ ਕਲਾਇੰਟ 'ਤੇ ਉਸੇ ਕ੍ਰਮ ਵਿੱਚ ਆਉਣ ਦੀ ਗਰੰਟੀ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਦੂਜਾ, ਇਹ ਭਾਗਾਂ ਦਾ ਸਾਮ੍ਹਣਾ ਕਰਦਾ ਹੈ।

ਮੋਂਗੋਡੀਬੀ ਅੰਦਰੂਨੀ ਰਸੋਈ

ਇਹ ਯਾਦ ਰੱਖ ਕੇ ਕਿ ਇਹ ਦੁਪਹਿਰ ਦਾ ਖਾਣਾ ਹੈ, ਅਸੀਂ ਰਸੋਈ ਵਿੱਚ ਚਲੇ ਜਾਂਦੇ ਹਾਂ। ਮੈਂ ਤੁਹਾਨੂੰ ਸਿਸਟਮ ਮਾਡਲ ਬਾਰੇ ਦੱਸਾਂਗਾ, ਅਰਥਾਤ, ਉਹਨਾਂ ਲਈ ਮੋਂਗੋਡੀਬੀ ਕੀ ਹੈ ਜੋ ਪਹਿਲੀ ਵਾਰ ਅਜਿਹੇ ਡੇਟਾਬੇਸ ਬਾਰੇ ਸੁਣ ਰਹੇ ਹਨ.

ਮੋਂਗੋਡੀਬੀ (ਇਸ ਤੋਂ ਬਾਅਦ "ਮੋਂਗੋਡੀਬੀ" ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ) ਇੱਕ ਵੰਡਿਆ ਸਿਸਟਮ ਹੈ ਜੋ ਹਰੀਜੱਟਲ ਸਕੇਲਿੰਗ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਯਾਨੀ, ਸ਼ਾਰਡਿੰਗ; ਅਤੇ ਹਰੇਕ ਸ਼ਾਰਡ ਦੇ ਅੰਦਰ ਇਹ ਡਾਟਾ ਰਿਡੰਡੈਂਸੀ ਦਾ ਵੀ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਯਾਨੀ ਕਿ ਪ੍ਰਤੀਕ੍ਰਿਤੀ।

ਮੋਂਗੋਡੀਬੀ (ਰਿਲੇਸ਼ਨਲ ਡੇਟਾਬੇਸ ਨਹੀਂ) ਵਿੱਚ ਸ਼ੇਅਰਿੰਗ ਆਟੋਮੈਟਿਕ ਬੈਲੇਂਸਿੰਗ ਕਰਦੀ ਹੈ, ਯਾਨੀ ਕਿ, ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਹਰੇਕ ਸੰਗ੍ਰਹਿ (ਜਾਂ ਰਿਲੇਸ਼ਨਲ ਡੇਟਾ ਦੇ ਰੂਪ ਵਿੱਚ "ਟੇਬਲ") ਨੂੰ ਟੁਕੜਿਆਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਸਰਵਰ ਉਹਨਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਹੀ ਸ਼ਾਰਡਾਂ ਦੇ ਵਿਚਕਾਰ ਭੇਜਦਾ ਹੈ।

ਕਿਊਰੀ ਰਾਊਟਰ, ਜੋ ਕਿ ਬੇਨਤੀਆਂ ਨੂੰ ਵੰਡਦਾ ਹੈ, ਇੱਕ ਕਲਾਇੰਟ ਲਈ ਕੁਝ ਕਲਾਇੰਟ ਹੁੰਦਾ ਹੈ ਜਿਸ ਰਾਹੀਂ ਇਹ ਕੰਮ ਕਰਦਾ ਹੈ। ਇਹ ਪਹਿਲਾਂ ਹੀ ਜਾਣਦਾ ਹੈ ਕਿ ਕਿੱਥੇ ਅਤੇ ਕਿਹੜਾ ਡੇਟਾ ਸਥਿਤ ਹੈ ਅਤੇ ਸਾਰੀਆਂ ਬੇਨਤੀਆਂ ਨੂੰ ਸਹੀ ਸ਼ਾਰਡ ਵੱਲ ਨਿਰਦੇਸ਼ਿਤ ਕਰਦਾ ਹੈ।

ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਨੁਕਤਾ: ਮੋਂਗੋਡੀਬੀ ਇੱਕ ਸਿੰਗਲ ਮਾਸਟਰ ਹੈ। ਇੱਥੇ ਇੱਕ ਪ੍ਰਾਇਮਰੀ ਹੈ - ਇਹ ਉਹ ਰਿਕਾਰਡ ਲੈ ਸਕਦਾ ਹੈ ਜੋ ਇਸ ਵਿੱਚ ਮੌਜੂਦ ਕੁੰਜੀਆਂ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ। ਤੁਸੀਂ ਮਲਟੀ-ਮਾਸਟਰ ਰਾਈਟ ਨਹੀਂ ਕਰ ਸਕਦੇ।

ਅਸੀਂ ਰੀਲੀਜ਼ 4.2 ਕੀਤੀ - ਨਵੀਆਂ ਦਿਲਚਸਪ ਚੀਜ਼ਾਂ ਉੱਥੇ ਪ੍ਰਗਟ ਹੋਈਆਂ. ਖਾਸ ਤੌਰ 'ਤੇ, ਉਨ੍ਹਾਂ ਨੇ ਲੂਸੀਨ - ਖੋਜ - ਅਰਥਾਤ ਐਗਜ਼ੀਕਿਊਟੇਬਲ ਜਾਵਾ ਨੂੰ ਸਿੱਧੇ ਮੋਂਗੋ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ, ਅਤੇ ਉੱਥੇ ਲੂਸੀਨ ਦੁਆਰਾ ਖੋਜਾਂ ਕਰਨਾ ਸੰਭਵ ਹੋ ਗਿਆ, ਜਿਵੇਂ ਕਿ ਇਲਾਸਟਿਕਾ ਵਿੱਚ।

ਅਤੇ ਉਹਨਾਂ ਨੇ ਇੱਕ ਨਵਾਂ ਉਤਪਾਦ ਬਣਾਇਆ - ਚਾਰਟਸ, ਇਹ ਐਟਲਸ (ਮੋਂਗੋ ਦੇ ਆਪਣੇ ਕਲਾਉਡ) 'ਤੇ ਵੀ ਉਪਲਬਧ ਹੈ। ਉਹਨਾਂ ਕੋਲ ਇੱਕ ਮੁਫਤ ਟੀਅਰ ਹੈ - ਤੁਸੀਂ ਇਸਦੇ ਨਾਲ ਖੇਡ ਸਕਦੇ ਹੋ। ਮੈਨੂੰ ਸੱਚਮੁੱਚ ਚਾਰਟ ਪਸੰਦ ਸਨ - ਡੇਟਾ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ, ਬਹੁਤ ਅਨੁਭਵੀ।

ਸਮੱਗਰੀ ਕਾਰਕ ਇਕਸਾਰਤਾ

ਮੈਂ ਲਗਭਗ 230 ਲੇਖਾਂ ਦੀ ਗਿਣਤੀ ਕੀਤੀ ਜੋ ਇਸ ਵਿਸ਼ੇ 'ਤੇ ਪ੍ਰਕਾਸ਼ਤ ਹੋਏ ਹਨ - ਲੈਸਲੀ ਲੈਂਪਰਟ ਤੋਂ. ਹੁਣ ਮੈਂ ਆਪਣੀ ਯਾਦ ਤੋਂ ਇਹਨਾਂ ਸਮੱਗਰੀਆਂ ਦੇ ਕੁਝ ਹਿੱਸੇ ਤੁਹਾਡੇ ਤੱਕ ਪਹੁੰਚਾਵਾਂਗਾ।

ਇਹ ਸਭ ਲੈਸਲੀ ਲੈਂਪਰਟ ਦੇ ਇੱਕ ਲੇਖ ਨਾਲ ਸ਼ੁਰੂ ਹੋਇਆ, ਜੋ ਕਿ 1970 ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਸੀ। ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਵੇਖ ਸਕਦੇ ਹੋ, ਇਸ ਵਿਸ਼ੇ 'ਤੇ ਕੁਝ ਖੋਜ ਅਜੇ ਵੀ ਜਾਰੀ ਹੈ। ਹੁਣ Causal ਇਕਸਾਰਤਾ ਵਿਤਰਿਤ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਕਾਸ ਦੇ ਸਬੰਧ ਵਿੱਚ ਦਿਲਚਸਪੀ ਦਾ ਅਨੁਭਵ ਕਰ ਰਹੀ ਹੈ।

ਪ੍ਰਤਿਬੰਧ

ਉੱਥੇ ਕੀ ਪਾਬੰਦੀਆਂ ਹਨ? ਇਹ ਅਸਲ ਵਿੱਚ ਮੁੱਖ ਨੁਕਤਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ, ਕਿਉਂਕਿ ਇੱਕ ਉਤਪਾਦਨ ਪ੍ਰਣਾਲੀ ਜੋ ਪਾਬੰਦੀਆਂ ਲਾਉਂਦੀ ਹੈ ਉਹ ਅਕਾਦਮਿਕ ਲੇਖਾਂ ਵਿੱਚ ਮੌਜੂਦ ਪਾਬੰਦੀਆਂ ਨਾਲੋਂ ਬਹੁਤ ਵੱਖਰੀਆਂ ਹਨ। ਉਹ ਅਕਸਰ ਕਾਫ਼ੀ ਨਕਲੀ ਹੁੰਦੇ ਹਨ.

• ਪਹਿਲਾਂ, "ਮੋਂਗੋਡੀਬੀ" ਇੱਕ ਸਿੰਗਲ ਮਾਸਟਰ ਹੈ, ਜਿਵੇਂ ਕਿ ਮੈਂ ਪਹਿਲਾਂ ਹੀ ਕਿਹਾ ਹੈ (ਇਹ ਬਹੁਤ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ)।
• ਸਾਡਾ ਮੰਨਣਾ ਹੈ ਕਿ ਸਿਸਟਮ ਨੂੰ ਲਗਭਗ 10 ਹਜ਼ਾਰ ਸ਼ਾਰਡਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਅਸੀਂ ਕੋਈ ਵੀ ਆਰਕੀਟੈਕਚਰਲ ਫੈਸਲੇ ਨਹੀਂ ਲੈ ਸਕਦੇ ਜੋ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਇਸ ਮੁੱਲ ਨੂੰ ਸੀਮਤ ਕਰੇਗਾ।
• ਸਾਡੇ ਕੋਲ ਇੱਕ ਕਲਾਉਡ ਹੈ, ਪਰ ਅਸੀਂ ਇਹ ਮੰਨਦੇ ਹਾਂ ਕਿ ਇੱਕ ਵਿਅਕਤੀ ਕੋਲ ਅਜੇ ਵੀ ਮੌਕਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜਦੋਂ ਉਹ ਬਾਈਨਰੀ ਡਾਊਨਲੋਡ ਕਰਦਾ ਹੈ, ਇਸਨੂੰ ਆਪਣੇ ਲੈਪਟਾਪ ਤੇ ਚਲਾਉਂਦਾ ਹੈ, ਅਤੇ ਸਭ ਕੁਝ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ.
• ਅਸੀਂ ਕੁਝ ਅਜਿਹਾ ਮੰਨਦੇ ਹਾਂ ਜੋ ਰਿਸਰਚ ਘੱਟ ਹੀ ਮੰਨਦੀ ਹੈ: ਬਾਹਰੀ ਗਾਹਕ ਜੋ ਵੀ ਚਾਹੁੰਦੇ ਹਨ ਕਰ ਸਕਦੇ ਹਨ। ਮੋਂਗੋਡੀਬੀ ਓਪਨ ਸੋਰਸ ਹੈ। ਇਸ ਅਨੁਸਾਰ, ਗਾਹਕ ਇੰਨੇ ਚੁਸਤ ਅਤੇ ਗੁੱਸੇ ਹੋ ਸਕਦੇ ਹਨ - ਉਹ ਹਰ ਚੀਜ਼ ਨੂੰ ਤੋੜਨਾ ਚਾਹ ਸਕਦੇ ਹਨ. ਅਸੀਂ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੇ ਹਾਂ ਕਿ ਬਾਈਜ਼ੈਂਟਾਈਨ ਫੀਲਰਸ ਪੈਦਾ ਹੋ ਸਕਦੇ ਹਨ।
• ਬਾਹਰੀ ਗਾਹਕਾਂ ਲਈ ਜੋ ਘੇਰੇ ਤੋਂ ਬਾਹਰ ਹਨ, ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸੀਮਾ ਹੈ: ਜੇਕਰ ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਅਸਮਰੱਥ ਹੈ, ਤਾਂ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਕੋਈ ਗਿਰਾਵਟ ਨਹੀਂ ਦੇਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
• ਇਕ ਹੋਰ ਬਿੰਦੂ ਆਮ ਤੌਰ 'ਤੇ ਅਕਾਦਮਿਕ ਵਿਰੋਧੀ ਹੈ: ਪਿਛਲੇ ਸੰਸਕਰਣਾਂ ਅਤੇ ਭਵਿੱਖ ਦੇ ਸੰਸਕਰਣਾਂ ਦੀ ਅਨੁਕੂਲਤਾ। ਪੁਰਾਣੇ ਡਰਾਈਵਰਾਂ ਨੂੰ ਨਵੇਂ ਅੱਪਡੇਟ ਦਾ ਸਮਰਥਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਡਾਟਾਬੇਸ ਨੂੰ ਪੁਰਾਣੇ ਡਰਾਈਵਰਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

ਆਮ ਤੌਰ 'ਤੇ, ਇਹ ਸਭ ਪਾਬੰਦੀਆਂ ਲਾਉਂਦਾ ਹੈ.

ਕਾਰਣ ਇਕਸਾਰਤਾ ਭਾਗ

ਮੈਂ ਹੁਣ ਕੁਝ ਹਿੱਸਿਆਂ ਬਾਰੇ ਗੱਲ ਕਰਾਂਗਾ। ਜੇਕਰ ਅਸੀਂ ਆਮ ਤੌਰ 'ਤੇ ਕਾਰਕ ਇਕਸਾਰਤਾ 'ਤੇ ਵਿਚਾਰ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਬਲਾਕਾਂ ਦੀ ਚੋਣ ਕਰ ਸਕਦੇ ਹਾਂ। ਅਸੀਂ ਉਹਨਾਂ ਕੰਮਾਂ ਵਿੱਚੋਂ ਚੁਣਿਆ ਹੈ ਜੋ ਇੱਕ ਖਾਸ ਬਲਾਕ ਨਾਲ ਸਬੰਧਤ ਹਨ: ਨਿਰਭਰਤਾ ਟ੍ਰੈਕਿੰਗ, ਘੜੀਆਂ ਦੀ ਚੋਣ, ਇਹਨਾਂ ਘੜੀਆਂ ਨੂੰ ਇੱਕ ਦੂਜੇ ਨਾਲ ਕਿਵੇਂ ਸਮਕਾਲੀ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਅਸੀਂ ਸੁਰੱਖਿਆ ਨੂੰ ਕਿਵੇਂ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹਾਂ - ਇਹ ਇੱਕ ਮੋਟਾ ਰੂਪਰੇਖਾ ਹੈ ਜਿਸ ਬਾਰੇ ਮੈਂ ਗੱਲ ਕਰਾਂਗਾ:

ਪੂਰੀ ਨਿਰਭਰਤਾ ਟਰੈਕਿੰਗ

ਇਸਦੀ ਲੋੜ ਕਿਉਂ ਹੈ? ਇਸ ਲਈ ਜਦੋਂ ਡੇਟਾ ਨੂੰ ਦੁਹਰਾਇਆ ਜਾਂਦਾ ਹੈ, ਹਰੇਕ ਰਿਕਾਰਡ, ਹਰੇਕ ਡੇਟਾ ਤਬਦੀਲੀ ਵਿੱਚ ਇਹ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ ਕਿ ਇਹ ਕਿਹੜੀਆਂ ਤਬਦੀਲੀਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਅਤੇ ਭੋਲਾ ਬਦਲਾਅ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਹਰੇਕ ਸੰਦੇਸ਼ ਜਿਸ ਵਿੱਚ ਇੱਕ ਰਿਕਾਰਡ ਹੁੰਦਾ ਹੈ ਪਿਛਲੇ ਸੁਨੇਹਿਆਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਰੱਖਦਾ ਹੈ:

ਇਸ ਉਦਾਹਰਨ ਵਿੱਚ, ਕਰਲੀ ਬਰੈਕਟਾਂ ਵਿੱਚ ਨੰਬਰ ਰਿਕਾਰਡ ਨੰਬਰ ਹਨ। ਕਈ ਵਾਰ ਮੁੱਲਾਂ ਵਾਲੇ ਇਹ ਰਿਕਾਰਡ ਵੀ ਪੂਰੀ ਤਰ੍ਹਾਂ ਟ੍ਰਾਂਸਫਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਕਈ ਵਾਰ ਕੁਝ ਸੰਸਕਰਣ ਟ੍ਰਾਂਸਫਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਤਲ ਲਾਈਨ ਇਹ ਹੈ ਕਿ ਹਰੇਕ ਤਬਦੀਲੀ ਵਿੱਚ ਪਿਛਲੇ ਇੱਕ ਬਾਰੇ ਜਾਣਕਾਰੀ ਹੁੰਦੀ ਹੈ (ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਇਹ ਸਭ ਆਪਣੇ ਆਪ ਵਿੱਚ ਹੁੰਦਾ ਹੈ)।

ਅਸੀਂ ਇਸ ਪਹੁੰਚ (ਪੂਰੀ ਟਰੈਕਿੰਗ) ਦੀ ਵਰਤੋਂ ਨਾ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕਿਉਂ ਕੀਤਾ? ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ, ਕਿਉਂਕਿ ਇਹ ਪਹੁੰਚ ਅਵਿਵਹਾਰਕ ਹੈ: ਇੱਕ ਸੋਸ਼ਲ ਨੈਟਵਰਕ ਵਿੱਚ ਕੋਈ ਵੀ ਤਬਦੀਲੀ ਉਸ ਸੋਸ਼ਲ ਨੈਟਵਰਕ ਵਿੱਚ ਸਾਰੀਆਂ ਪਿਛਲੀਆਂ ਤਬਦੀਲੀਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ, ਹਰ ਅਪਡੇਟ ਵਿੱਚ ਟ੍ਰਾਂਸਫਰ, ਕਹੋ, ਫੇਸਬੁੱਕ ਜਾਂ VKontakte. ਫਿਰ ਵੀ, ਪੂਰੀ ਨਿਰਭਰਤਾ ਟਰੈਕਿੰਗ 'ਤੇ ਬਹੁਤ ਸਾਰੀਆਂ ਖੋਜਾਂ ਹਨ - ਇਹ ਪੂਰਵ-ਸਮਾਜਿਕ ਨੈਟਵਰਕ ਹਨ; ਕੁਝ ਸਥਿਤੀਆਂ ਲਈ ਇਹ ਅਸਲ ਵਿੱਚ ਕੰਮ ਕਰਦਾ ਹੈ।

ਸਪਸ਼ਟ ਨਿਰਭਰਤਾ ਟਰੈਕਿੰਗ

ਅਗਲਾ ਹੋਰ ਸੀਮਤ ਹੈ। ਜਾਣਕਾਰੀ ਦੇ ਤਬਾਦਲੇ ਨੂੰ ਵੀ ਇੱਥੇ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਪਰ ਸਿਰਫ਼ ਉਹੀ ਜੋ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਕੀ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਇੱਕ ਨਿਯਮ ਦੇ ਤੌਰ ਤੇ, ਐਪਲੀਕੇਸ਼ਨ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਜਦੋਂ ਡੇਟਾ ਨੂੰ ਦੁਹਰਾਇਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਪੁੱਛਗਿੱਛ ਸਿਰਫ ਜਵਾਬ ਦਿੰਦੀ ਹੈ ਜਦੋਂ ਪਿਛਲੀਆਂ ਨਿਰਭਰਤਾਵਾਂ ਸੰਤੁਸ਼ਟ ਹੋ ਜਾਂਦੀਆਂ ਹਨ, ਯਾਨੀ ਕਿ ਦਿਖਾਇਆ ਗਿਆ ਹੈ। ਇਹ ਇਸ ਗੱਲ ਦਾ ਸਾਰ ਹੈ ਕਿ ਕਾਰਣ ਇਕਸਾਰਤਾ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀ ਹੈ।

ਉਹ ਦੇਖਦੀ ਹੈ ਕਿ ਰਿਕਾਰਡ 5 ਰਿਕਾਰਡ 1, 2, 3, 4 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ - ਇਸ ਅਨੁਸਾਰ, ਉਹ ਗਾਹਕ ਨੂੰ ਪੈਨੀ ਦੇ ਐਕਸੈਸ ਫੈਸਲੇ ਦੁਆਰਾ ਕੀਤੀਆਂ ਤਬਦੀਲੀਆਂ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਉਡੀਕ ਕਰਦੀ ਹੈ, ਜਦੋਂ ਪਿਛਲੀਆਂ ਸਾਰੀਆਂ ਤਬਦੀਲੀਆਂ ਪਹਿਲਾਂ ਹੀ ਡੇਟਾਬੇਸ ਵਿੱਚੋਂ ਲੰਘ ਚੁੱਕੀਆਂ ਹਨ।

ਇਹ ਸਾਡੇ ਲਈ ਵੀ ਅਨੁਕੂਲ ਨਹੀਂ ਹੈ, ਕਿਉਂਕਿ ਅਜੇ ਵੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਜਾਣਕਾਰੀ ਹੈ, ਅਤੇ ਇਹ ਚੀਜ਼ਾਂ ਨੂੰ ਹੌਲੀ ਕਰ ਦੇਵੇਗੀ। ਇੱਕ ਹੋਰ ਪਹੁੰਚ ਹੈ ...

ਲੈਮਪੋਰਟ ਘੜੀ

ਉਹ ਬਹੁਤ ਪੁਰਾਣੇ ਹਨ। ਲੈਂਪੋਰਟ ਕਲਾਕ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਹ ਨਿਰਭਰਤਾਵਾਂ ਇੱਕ ਸਕੇਲਰ ਫੰਕਸ਼ਨ ਵਿੱਚ ਫੋਲਡ ਹੁੰਦੀਆਂ ਹਨ, ਜਿਸਨੂੰ ਲੈਂਪੋਰਟ ਕਲਾਕ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।

ਇੱਕ ਸਕੇਲਰ ਫੰਕਸ਼ਨ ਕੁਝ ਐਬਸਟਰੈਕਟ ਨੰਬਰ ਹੁੰਦਾ ਹੈ। ਇਸਨੂੰ ਅਕਸਰ ਲਾਜ਼ੀਕਲ ਸਮਾਂ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਹਰ ਘਟਨਾ ਦੇ ਨਾਲ, ਇਹ ਕਾਊਂਟਰ ਵਧਦਾ ਹੈ. ਕਾਊਂਟਰ, ਜੋ ਵਰਤਮਾਨ ਵਿੱਚ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ, ਹਰੇਕ ਸੁਨੇਹਾ ਭੇਜਦਾ ਹੈ. ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਪ੍ਰਕਿਰਿਆਵਾਂ ਸਿੰਕ ਤੋਂ ਬਾਹਰ ਹੋ ਸਕਦੀਆਂ ਹਨ, ਉਹਨਾਂ ਦੇ ਸਮੇਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖਰੇ ਹੋ ਸਕਦੇ ਹਨ. ਫਿਰ ਵੀ, ਸਿਸਟਮ ਕਿਸੇ ਤਰ੍ਹਾਂ ਅਜਿਹੇ ਸੰਦੇਸ਼ਾਂ ਨਾਲ ਘੜੀ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਦਾ ਹੈ। ਇਸ ਮਾਮਲੇ ਵਿੱਚ ਕੀ ਹੁੰਦਾ ਹੈ?

ਮੈਂ ਇਸਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨ ਲਈ ਉਸ ਵੱਡੇ ਸ਼ਾਰਡ ਨੂੰ ਦੋ ਵਿੱਚ ਵੰਡਦਾ ਹਾਂ: ਦੋਸਤ ਇੱਕ ਨੋਡ ਵਿੱਚ ਰਹਿ ਸਕਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਸੰਗ੍ਰਹਿ ਦਾ ਇੱਕ ਟੁਕੜਾ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਫੀਡ ਇੱਕ ਹੋਰ ਨੋਡ ਵਿੱਚ ਰਹਿ ਸਕਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਇਸ ਸੰਗ੍ਰਹਿ ਦਾ ਇੱਕ ਹਿੱਸਾ ਹੁੰਦਾ ਹੈ। ਕੀ ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਉਹ ਲਾਈਨ ਤੋਂ ਬਾਹਰ ਕਿਵੇਂ ਨਿਕਲ ਸਕਦੇ ਹਨ? ਪਹਿਲੀ ਫੀਡ ਕਹੇਗੀ: “ਦੁਹਰਾਈ”, ਅਤੇ ਫਿਰ ਦੋਸਤ। ਜੇਕਰ ਸਿਸਟਮ ਕਿਸੇ ਕਿਸਮ ਦੀ ਗਾਰੰਟੀ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰਦਾ ਹੈ ਕਿ ਫੀਡ ਉਦੋਂ ਤੱਕ ਨਹੀਂ ਦਿਖਾਈ ਜਾਵੇਗੀ ਜਦੋਂ ਤੱਕ ਫ੍ਰੈਂਡਸ ਕਲੈਕਸ਼ਨ ਵਿੱਚ ਦੋਸਤ ਨਿਰਭਰਤਾਵਾਂ ਨੂੰ ਵੀ ਡਿਲੀਵਰ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ, ਤਾਂ ਸਾਡੇ ਕੋਲ ਉਹੀ ਸਥਿਤੀ ਹੋਵੇਗੀ ਜਿਸਦਾ ਮੈਂ ਜ਼ਿਕਰ ਕੀਤਾ ਹੈ।

ਤੁਸੀਂ ਦੇਖਦੇ ਹੋ ਕਿ ਕਿਵੇਂ ਫੀਡ 'ਤੇ ਕਾਊਂਟਰ ਸਮਾਂ ਤਰਕ ਨਾਲ ਵਧਦਾ ਹੈ:

ਇਸ ਲਈ ਇਸ ਲੈਂਪੋਰਟ ਕਲਾਕ ਦੀ ਮੁੱਖ ਵਿਸ਼ੇਸ਼ਤਾ ਅਤੇ ਕਾਰਕ ਇਕਸਾਰਤਾ (ਲੈਮਪੋਰਟ ਘੜੀ ਦੁਆਰਾ ਵਿਆਖਿਆ ਕੀਤੀ ਗਈ) ਇਹ ਹੈ: ਜੇਕਰ ਸਾਡੇ ਕੋਲ ਇਵੈਂਟ A ਅਤੇ B ਹਨ, ਅਤੇ ਇਵੈਂਟ B ਇਵੈਂਟ A* 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਹੈ ਕਿ ਇਵੈਂਟ A ਦਾ ਲਾਜ਼ੀਕਲ ਟਾਈਮ ਤੋਂ ਘੱਟ ਹੈ। ਇਵੈਂਟ ਬੀ ਤੋਂ ਲਾਜ਼ੀਕਲ ਟਾਈਮ

* ਕਈ ਵਾਰ ਉਹ ਇਹ ਵੀ ਕਹਿੰਦੇ ਹਨ ਕਿ A B ਤੋਂ ਪਹਿਲਾਂ ਹੋਇਆ ਸੀ, ਯਾਨੀ A B ਤੋਂ ਪਹਿਲਾਂ ਹੋਇਆ ਸੀ - ਇਹ ਇੱਕ ਖਾਸ ਸਬੰਧ ਹੈ ਜੋ ਆਮ ਤੌਰ 'ਤੇ ਵਾਪਰੀਆਂ ਘਟਨਾਵਾਂ ਦੇ ਪੂਰੇ ਸਮੂਹ ਨੂੰ ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ ਆਦੇਸ਼ ਦਿੰਦਾ ਹੈ।

ਉਲਟਾ ਗਲਤ ਹੈ। ਇਹ ਅਸਲ ਵਿੱਚ ਲੈਂਪੋਰਟ ਕਲਾਕ ਦੇ ਮੁੱਖ ਨੁਕਸਾਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ - ਅੰਸ਼ਕ ਕ੍ਰਮ. ਸਮਕਾਲੀ ਘਟਨਾਵਾਂ ਬਾਰੇ ਇੱਕ ਧਾਰਨਾ ਹੈ, ਯਾਨੀ ਉਹ ਘਟਨਾਵਾਂ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਨਾ ਤਾਂ (A B ਤੋਂ ਪਹਿਲਾਂ ਹੋਇਆ ਸੀ) ਅਤੇ ਨਾ ਹੀ (A B ਤੋਂ ਪਹਿਲਾਂ ਹੋਇਆ ਸੀ)। ਇੱਕ ਉਦਾਹਰਨ ਲਿਓਨਾਰਡ ਦੁਆਰਾ ਕਿਸੇ ਹੋਰ ਨੂੰ ਇੱਕ ਦੋਸਤ ਦੇ ਰੂਪ ਵਿੱਚ ਸਮਾਨਾਂਤਰ ਜੋੜਨਾ ਹੋਵੇਗਾ (ਉਦਾਹਰਣ ਲਈ ਲਿਓਨਾਰਡ ਨਹੀਂ, ਪਰ ਸ਼ੈਲਡਨ ਵੀ)।
ਇਹ ਉਹ ਜਾਇਦਾਦ ਹੈ ਜੋ ਅਕਸਰ ਲੈਂਪੋਰਟ ਘੜੀਆਂ ਨਾਲ ਕੰਮ ਕਰਦੇ ਸਮੇਂ ਵਰਤੀ ਜਾਂਦੀ ਹੈ: ਉਹ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਫੰਕਸ਼ਨ ਨੂੰ ਦੇਖਦੇ ਹਨ ਅਤੇ ਇਸ ਤੋਂ ਉਹ ਸਿੱਟਾ ਕੱਢਦੇ ਹਨ ਕਿ ਸ਼ਾਇਦ ਇਹ ਘਟਨਾਵਾਂ ਨਿਰਭਰ ਹਨ। ਕਿਉਂਕਿ ਇੱਕ ਤਰੀਕੇ ਨਾਲ ਇਹ ਸੱਚ ਹੈ: ਜੇਕਰ LogicalTime A LogicalTime B ਤੋਂ ਘੱਟ ਹੈ, ਤਾਂ B A ਤੋਂ ਪਹਿਲਾਂ ਨਹੀਂ ਹੋ ਸਕਦਾ; ਅਤੇ ਜੇਕਰ ਹੋਰ, ਫਿਰ ਹੋ ਸਕਦਾ ਹੈ.

ਵੈਕਟਰ ਘੜੀ

ਲੈਮਪੋਰਟ ਘੜੀ ਦਾ ਲਾਜ਼ੀਕਲ ਵਿਕਾਸ ਵੈਕਟਰ ਘੜੀ ਹੈ। ਉਹ ਇਸ ਗੱਲ ਵਿੱਚ ਭਿੰਨ ਹਨ ਕਿ ਇੱਥੇ ਮੌਜੂਦ ਹਰੇਕ ਨੋਡ ਵਿੱਚ ਆਪਣੀ ਵੱਖਰੀ ਘੜੀ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਉਹ ਇੱਕ ਵੈਕਟਰ ਦੇ ਰੂਪ ਵਿੱਚ ਸੰਚਾਰਿਤ ਹੁੰਦੇ ਹਨ।
ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਤੁਸੀਂ ਦੇਖਦੇ ਹੋ ਕਿ ਵੈਕਟਰ ਦਾ ਜ਼ੀਰੋਥ ਸੂਚਕਾਂਕ ਫੀਡ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੈ, ਅਤੇ ਵੈਕਟਰ ਦਾ ਪਹਿਲਾ ਸੂਚਕਾਂਕ ਦੋਸਤਾਂ (ਇਹਨਾਂ ਨੋਡਾਂ ਵਿੱਚੋਂ ਹਰੇਕ) ਲਈ ਹੈ। ਅਤੇ ਹੁਣ ਉਹ ਵਧਣਗੇ: "ਫੀਡ" ਦਾ ਜ਼ੀਰੋ ਇੰਡੈਕਸ ਲਿਖਣ ਵੇਲੇ ਵਧਦਾ ਹੈ - 1, 2, 3:

ਵੈਕਟਰ ਘੜੀ ਬਿਹਤਰ ਕਿਉਂ ਹੈ? ਕਿਉਂਕਿ ਉਹ ਤੁਹਾਨੂੰ ਇਹ ਪਤਾ ਲਗਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ ਕਿ ਕਿਹੜੀਆਂ ਘਟਨਾਵਾਂ ਇੱਕੋ ਸਮੇਂ ਹੁੰਦੀਆਂ ਹਨ ਅਤੇ ਜਦੋਂ ਉਹ ਵੱਖ-ਵੱਖ ਨੋਡਾਂ 'ਤੇ ਹੁੰਦੀਆਂ ਹਨ। ਇਹ ਮੋਂਗੋਡੀਬੀ ਵਰਗੇ ਸ਼ਾਰਡਿੰਗ ਸਿਸਟਮ ਲਈ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਹਾਲਾਂਕਿ, ਅਸੀਂ ਇਸਨੂੰ ਨਹੀਂ ਚੁਣਿਆ, ਹਾਲਾਂਕਿ ਇਹ ਇੱਕ ਸ਼ਾਨਦਾਰ ਚੀਜ਼ ਹੈ, ਅਤੇ ਇਹ ਬਹੁਤ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਤੇ ਇਹ ਸ਼ਾਇਦ ਸਾਡੇ ਲਈ ਅਨੁਕੂਲ ਹੋਵੇਗਾ ...

ਜੇਕਰ ਸਾਡੇ ਕੋਲ 10 ਹਜ਼ਾਰ ਸ਼ਾਰਡਸ ਹਨ, ਤਾਂ ਅਸੀਂ 10 ਹਜ਼ਾਰ ਕੰਪੋਨੈਂਟਸ ਨੂੰ ਟ੍ਰਾਂਸਫਰ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਭਾਵੇਂ ਅਸੀਂ ਇਸਨੂੰ ਸੰਕੁਚਿਤ ਕਰਦੇ ਹਾਂ ਜਾਂ ਕੁਝ ਹੋਰ ਲੈ ਕੇ ਆਉਂਦੇ ਹਾਂ - ਪੇਲੋਡ ਅਜੇ ਵੀ ਇਸ ਪੂਰੇ ਵੈਕਟਰ ਦੇ ਵਾਲੀਅਮ ਤੋਂ ਕਈ ਗੁਣਾ ਛੋਟਾ ਹੋਵੇਗਾ। ਇਸ ਲਈ, ਆਪਣੇ ਦਿਲਾਂ ਅਤੇ ਦੰਦਾਂ ਨੂੰ ਪੀਸ ਕੇ, ਅਸੀਂ ਇਸ ਪਹੁੰਚ ਨੂੰ ਛੱਡ ਦਿੱਤਾ ਅਤੇ ਦੂਜੇ ਪਾਸੇ ਚਲੇ ਗਏ.

ਸਪੈਨਰ TrueTime. ਪਰਮਾਣੂ ਘੜੀ

ਮੈਂ ਕਿਹਾ ਸਪੈਨਰ ਬਾਰੇ ਕੋਈ ਕਹਾਣੀ ਹੋਵੇਗੀ। ਇਹ ਇੱਕ ਵਧੀਆ ਚੀਜ਼ ਹੈ, XNUMXਵੀਂ ਸਦੀ ਤੋਂ ਸਿੱਧਾ: ਪਰਮਾਣੂ ਘੜੀਆਂ, GPS ਸਮਕਾਲੀਕਰਨ।

ਕੀ ਵਿਚਾਰ ਹੈ? "ਸਪੈਨਰ" ਇੱਕ ਗੂਗਲ ਸਿਸਟਮ ਹੈ ਜੋ ਹਾਲ ਹੀ ਵਿੱਚ ਲੋਕਾਂ ਲਈ ਉਪਲਬਧ ਹੋ ਗਿਆ ਹੈ (ਉਨ੍ਹਾਂ ਨੇ ਇਸ ਵਿੱਚ SQL ਜੋੜਿਆ ਹੈ)। ਹਰੇਕ ਲੈਣ-ਦੇਣ 'ਤੇ ਕੁਝ ਸਮੇਂ ਦੀ ਮੋਹਰ ਹੁੰਦੀ ਹੈ। ਕਿਉਂਕਿ ਸਮਾਂ ਸਿੰਕ੍ਰੋਨਾਈਜ਼ ਕੀਤਾ ਗਿਆ ਹੈ*, ਹਰੇਕ ਘਟਨਾ ਨੂੰ ਇੱਕ ਖਾਸ ਸਮਾਂ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ - ਪਰਮਾਣੂ ਘੜੀਆਂ ਦਾ ਇੱਕ ਉਡੀਕ ਸਮਾਂ ਹੁੰਦਾ ਹੈ, ਜਿਸ ਤੋਂ ਬਾਅਦ ਇੱਕ ਵੱਖਰੇ ਸਮੇਂ ਦੀ "ਹੋਣ" ਦੀ ਗਰੰਟੀ ਹੁੰਦੀ ਹੈ।

ਇਸ ਤਰ੍ਹਾਂ, ਡੇਟਾਬੇਸ ਨੂੰ ਸਿਰਫ਼ ਲਿਖ ਕੇ ਅਤੇ ਕੁਝ ਸਮੇਂ ਦੀ ਉਡੀਕ ਕਰਨ ਨਾਲ, ਘਟਨਾ ਦੀ ਲੜੀਵਾਰਤਾ ਦੀ ਆਪਣੇ ਆਪ ਗਾਰੰਟੀ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਉਹਨਾਂ ਕੋਲ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ​​ਇਕਸਾਰਤਾ ਮਾਡਲ ਹੈ ਜਿਸਦੀ ਸਿਧਾਂਤ ਵਿੱਚ ਕਲਪਨਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ - ਇਹ ਬਾਹਰੀ ਇਕਸਾਰਤਾ ਹੈ।

* ਇਹ ਲੈਂਪਾਰਟ ਘੜੀਆਂ ਦੀ ਮੁੱਖ ਸਮੱਸਿਆ ਹੈ - ਇਹ ਵੰਡੀਆਂ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਕਦੇ ਵੀ ਸਮਕਾਲੀ ਨਹੀਂ ਹੁੰਦੀਆਂ ਹਨ। ਉਹ ਵੱਖ ਹੋ ਸਕਦੇ ਹਨ; NTP ਦੇ ਨਾਲ ਵੀ, ਉਹ ਅਜੇ ਵੀ ਬਹੁਤ ਵਧੀਆ ਕੰਮ ਨਹੀਂ ਕਰਦੇ ਹਨ। "ਸਪੈਨਰ" ਕੋਲ ਇੱਕ ਪਰਮਾਣੂ ਘੜੀ ਹੈ ਅਤੇ ਸਮਕਾਲੀਕਰਨ, ਅਜਿਹਾ ਲਗਦਾ ਹੈ, ਮਾਈਕ੍ਰੋਸਕਿੰਡ ਹੈ।

ਅਸੀਂ ਕਿਉਂ ਨਹੀਂ ਚੁਣਿਆ? ਅਸੀਂ ਇਹ ਨਹੀਂ ਮੰਨਦੇ ਕਿ ਸਾਡੇ ਉਪਭੋਗਤਾਵਾਂ ਕੋਲ ਬਿਲਟ-ਇਨ ਐਟਮਿਕ ਕਲਾਕ ਹੈ। ਜਦੋਂ ਉਹ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ, ਹਰ ਲੈਪਟਾਪ ਵਿੱਚ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ, ਉੱਥੇ ਕੁਝ ਕਿਸਮ ਦਾ ਸੁਪਰ ਕੂਲ GPS ਸਮਕਾਲੀਕਰਨ ਹੋਵੇਗਾ - ਫਿਰ ਹਾਂ... ਪਰ ਹੁਣ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਜੋ ਸੰਭਵ ਹੈ ਉਹ ਹੈ ਐਮਾਜ਼ਾਨ, ਬੇਸ ਸਟੇਸ਼ਨ - ਕੱਟੜਪੰਥੀਆਂ ਲਈ... ਇਸ ਲਈ ਅਸੀਂ ਹੋਰ ਘੜੀਆਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ .

ਹਾਈਬ੍ਰਿਡ ਘੜੀ

ਇਹ ਅਸਲ ਵਿੱਚ ਉਹ ਹੈ ਜੋ ਮੋਂਗੋਡੀਬੀ ਵਿੱਚ ਟਿੱਕ ਕਰਦਾ ਹੈ ਜਦੋਂ ਕਾਰਣ ਇਕਸਾਰਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ। ਉਹ ਹਾਈਬ੍ਰਿਡ ਕਿਵੇਂ ਹਨ? ਹਾਈਬ੍ਰਿਡ ਇੱਕ ਸਕੇਲਰ ਮੁੱਲ ਹੈ, ਪਰ ਇਸਦੇ ਦੋ ਭਾਗ ਹਨ:

• ਪਹਿਲਾ ਹੈ ਯੂਨਿਕਸ ਯੁੱਗ ("ਕੰਪਿਊਟਰ ਦੀ ਦੁਨੀਆ ਦੀ ਸ਼ੁਰੂਆਤ" ਤੋਂ ਕਿੰਨੇ ਸਕਿੰਟ ਬੀਤ ਚੁੱਕੇ ਹਨ)।
• ਦੂਜਾ ਕੁਝ ਵਾਧਾ ਹੈ, ਇੱਕ 32-ਬਿੱਟ ਅਣ-ਹਸਤਾਖਰਿਤ ਇੰਟ ਵੀ।

ਇਹ ਸਭ ਹੈ, ਅਸਲ ਵਿੱਚ. ਇਹ ਪਹੁੰਚ ਹੈ: ਉਹ ਹਿੱਸਾ ਜੋ ਸਮੇਂ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੈ ਹਰ ਸਮੇਂ ਘੜੀ ਨਾਲ ਸਮਕਾਲੀ ਹੁੰਦਾ ਹੈ; ਹਰ ਵਾਰ ਜਦੋਂ ਕੋਈ ਅੱਪਡੇਟ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਇਹ ਹਿੱਸਾ ਘੜੀ ਦੇ ਨਾਲ ਸਮਕਾਲੀ ਹੁੰਦਾ ਹੈ ਅਤੇ ਇਹ ਪਤਾ ਚਲਦਾ ਹੈ ਕਿ ਸਮਾਂ ਹਮੇਸ਼ਾ ਘੱਟ ਜਾਂ ਘੱਟ ਸਹੀ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਵਾਧਾ ਤੁਹਾਨੂੰ ਸਮੇਂ ਦੇ ਉਸੇ ਬਿੰਦੂ 'ਤੇ ਵਾਪਰੀਆਂ ਘਟਨਾਵਾਂ ਵਿਚਕਾਰ ਫਰਕ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

ਮੋਂਗੋਡੀਬੀ ਲਈ ਇਹ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ? ਕਿਉਂਕਿ ਇਹ ਤੁਹਾਨੂੰ ਸਮੇਂ ਦੇ ਇੱਕ ਨਿਸ਼ਚਤ ਬਿੰਦੂ 'ਤੇ ਕਿਸੇ ਕਿਸਮ ਦੇ ਬੈਕਅਪ ਰੈਸਟੋਰੈਂਟ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਯਾਨੀ, ਇਵੈਂਟ ਨੂੰ ਸਮੇਂ ਦੁਆਰਾ ਸੂਚੀਬੱਧ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਉਦੋਂ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਕੁਝ ਖਾਸ ਘਟਨਾਵਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ; ਇੱਕ ਡੇਟਾਬੇਸ ਲਈ, ਘਟਨਾਵਾਂ ਡੇਟਾਬੇਸ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਹੁੰਦੀਆਂ ਹਨ ਜੋ ਸਮੇਂ ਦੇ ਕੁਝ ਅੰਤਰਾਲਾਂ ਤੇ ਵਾਪਰਦੀਆਂ ਹਨ।

ਮੈਂ ਤੁਹਾਨੂੰ ਸਿਰਫ ਤੁਹਾਨੂੰ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਕਾਰਨ ਦੱਸਾਂਗਾ (ਕਿਰਪਾ ਕਰਕੇ, ਕਿਸੇ ਨੂੰ ਨਾ ਦੱਸੋ)! ਅਸੀਂ ਅਜਿਹਾ ਇਸ ਲਈ ਕੀਤਾ ਕਿਉਂਕਿ ਇਹ ਸੰਗਠਿਤ, ਇੰਡੈਕਸਡ ਡੇਟਾ ਮੋਂਗੋਡੀਬੀ ਓਪਲੌਗ ਵਿੱਚ ਦਿਸਦਾ ਹੈ। OpLog ਇੱਕ ਡੇਟਾ ਢਾਂਚਾ ਹੈ ਜਿਸ ਵਿੱਚ ਡੇਟਾਬੇਸ ਵਿੱਚ ਬਿਲਕੁਲ ਸਾਰੀਆਂ ਤਬਦੀਲੀਆਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ: ਉਹ ਪਹਿਲਾਂ OpLog ਤੇ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਫਿਰ ਉਹਨਾਂ ਨੂੰ ਸਟੋਰੇਜ਼ ਲਈ ਆਪਣੇ ਆਪ ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਇਹ ਇੱਕ ਦੁਹਰਾਈ ਮਿਤੀ ਜਾਂ ਸ਼ਾਰਡ ਹੁੰਦਾ ਹੈ।

ਇਹ ਮੁੱਖ ਕਾਰਨ ਸੀ। ਫਿਰ ਵੀ, ਇੱਕ ਡੇਟਾਬੇਸ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਲਈ ਵਿਹਾਰਕ ਲੋੜਾਂ ਵੀ ਹਨ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਹ ਸਧਾਰਨ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ - ਥੋੜਾ ਕੋਡ, ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਕੁਝ ਟੁੱਟੀਆਂ ਚੀਜ਼ਾਂ ਜਿਨ੍ਹਾਂ ਨੂੰ ਦੁਬਾਰਾ ਲਿਖਣ ਅਤੇ ਟੈਸਟ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਇਹ ਤੱਥ ਕਿ ਸਾਡੇ ਓਪਲੌਗਸ ਨੂੰ ਹਾਈਬ੍ਰਿਡ ਘੜੀਆਂ ਦੁਆਰਾ ਸੂਚੀਬੱਧ ਕੀਤਾ ਗਿਆ ਸੀ, ਨੇ ਬਹੁਤ ਮਦਦ ਕੀਤੀ ਅਤੇ ਸਾਨੂੰ ਸਹੀ ਚੋਣ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੀ। ਇਹ ਅਸਲ ਵਿੱਚ ਬੰਦ ਹੋ ਗਿਆ ਅਤੇ ਕਿਸੇ ਤਰ੍ਹਾਂ ਜਾਦੂਈ ਢੰਗ ਨਾਲ ਪਹਿਲੇ ਪ੍ਰੋਟੋਟਾਈਪ 'ਤੇ ਕੰਮ ਕੀਤਾ. ਇਹ ਬਹੁਤ ਵਧੀਆ ਸੀ!

ਘੜੀ ਸਮਕਾਲੀਕਰਨ

ਵਿਗਿਆਨਕ ਸਾਹਿਤ ਵਿੱਚ ਕਈ ਸਿੰਕ੍ਰੋਨਾਈਜ਼ੇਸ਼ਨ ਵਿਧੀਆਂ ਦਾ ਵਰਣਨ ਕੀਤਾ ਗਿਆ ਹੈ। ਮੈਂ ਸਿੰਕ੍ਰੋਨਾਈਜ਼ੇਸ਼ਨ ਬਾਰੇ ਗੱਲ ਕਰ ਰਿਹਾ ਹਾਂ ਜਦੋਂ ਸਾਡੇ ਕੋਲ ਦੋ ਵੱਖ-ਵੱਖ ਸ਼ਾਰਡ ਹੁੰਦੇ ਹਨ। ਜੇ ਇੱਥੇ ਇੱਕ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਸੈੱਟ ਹੈ, ਤਾਂ ਕਿਸੇ ਸਮਕਾਲੀਕਰਨ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੈ: ਇਹ ਇੱਕ "ਸਿੰਗਲ ਮਾਸਟਰ" ਹੈ; ਸਾਡੇ ਕੋਲ ਇੱਕ ਓਪਲੌਗ ਹੈ, ਜਿਸ ਵਿੱਚ ਸਾਰੀਆਂ ਤਬਦੀਲੀਆਂ ਆਉਂਦੀਆਂ ਹਨ - ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਸਭ ਕੁਝ ਪਹਿਲਾਂ ਹੀ "ਓਪਲੌਗ" ਵਿੱਚ ਕ੍ਰਮਵਾਰ ਆਰਡਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਪਰ ਜੇਕਰ ਸਾਡੇ ਕੋਲ ਦੋ ਵੱਖ-ਵੱਖ ਸ਼ਾਰਡ ਹਨ, ਤਾਂ ਇੱਥੇ ਸਮੇਂ ਦਾ ਸਮਕਾਲੀਕਰਨ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਵੈਕਟਰ ਘੜੀ ਨੇ ਵਧੇਰੇ ਮਦਦ ਕੀਤੀ! ਪਰ ਸਾਡੇ ਕੋਲ ਉਹ ਨਹੀਂ ਹਨ।

ਦੂਜਾ ਢੁਕਵਾਂ ਹੈ - ਇਹ "ਦਿਲ ਦੀ ਧੜਕਣ" ਹੈ. ਸਮੇਂ ਦੀ ਹਰ ਇਕਾਈ ਵਿੱਚ ਹੋਣ ਵਾਲੇ ਕੁਝ ਸੰਕੇਤਾਂ ਦਾ ਆਦਾਨ-ਪ੍ਰਦਾਨ ਕਰਨਾ ਸੰਭਵ ਹੈ। ਪਰ ਦਿਲ ਦੀ ਧੜਕਣ ਬਹੁਤ ਹੌਲੀ ਹੈ, ਅਸੀਂ ਆਪਣੇ ਕਲਾਇੰਟ ਨੂੰ ਲੇਟੈਂਸੀ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰ ਸਕਦੇ।

ਸੱਚਾ ਸਮਾਂ, ਬੇਸ਼ੱਕ, ਇੱਕ ਸ਼ਾਨਦਾਰ ਚੀਜ਼ ਹੈ. ਪਰ, ਦੁਬਾਰਾ, ਇਹ ਸ਼ਾਇਦ ਭਵਿੱਖ ਹੈ... ਹਾਲਾਂਕਿ ਇਹ ਪਹਿਲਾਂ ਹੀ ਐਟਲਸ ਵਿੱਚ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਇੱਥੇ ਪਹਿਲਾਂ ਹੀ ਤੇਜ਼ "ਐਮਾਜ਼ਾਨ" ਟਾਈਮ ਸਿੰਕ੍ਰੋਨਾਈਜ਼ਰ ਹਨ। ਪਰ ਇਹ ਹਰ ਕਿਸੇ ਲਈ ਉਪਲਬਧ ਨਹੀਂ ਹੋਵੇਗਾ।

ਗੱਪਿੰਗ ਉਦੋਂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਸਾਰੇ ਸੁਨੇਹਿਆਂ ਵਿੱਚ ਸਮਾਂ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ। ਇਹ ਲਗਭਗ ਉਹ ਹੈ ਜੋ ਅਸੀਂ ਵਰਤਦੇ ਹਾਂ। ਨੋਡਸ, ਇੱਕ ਡ੍ਰਾਈਵਰ, ਇੱਕ ਡੇਟਾ ਨੋਡ ਰਾਊਟਰ, ਮੋਂਗੋਡੀਬੀ ਲਈ ਬਿਲਕੁਲ ਸਭ ਕੁਝ ਦੇ ਵਿਚਕਾਰ ਹਰ ਸੁਨੇਹਾ ਕਿਸੇ ਕਿਸਮ ਦਾ ਤੱਤ ਹੁੰਦਾ ਹੈ, ਇੱਕ ਡੇਟਾਬੇਸ ਕੰਪੋਨੈਂਟ ਜਿਸ ਵਿੱਚ ਇੱਕ ਘੜੀ ਹੁੰਦੀ ਹੈ ਜੋ ਚੱਲਦੀ ਹੈ। ਉਹਨਾਂ ਕੋਲ ਹਰ ਥਾਂ ਸੰਕਰ ਸਮੇਂ ਦਾ ਅਰਥ ਹੈ, ਇਹ ਸੰਚਾਰਿਤ ਹੈ. 64 ਬਿੱਟ? ਇਹ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਇਹ ਸੰਭਵ ਹੈ.

ਇਹ ਸਭ ਇਕੱਠੇ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ?

ਇੱਥੇ ਮੈਂ ਇਸਨੂੰ ਥੋੜਾ ਆਸਾਨ ਬਣਾਉਣ ਲਈ ਇੱਕ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਸੈੱਟ ਦੇਖ ਰਿਹਾ ਹਾਂ। ਪ੍ਰਾਇਮਰੀ ਅਤੇ ਸੈਕੰਡਰੀ ਹਨ। ਸੈਕੰਡਰੀ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਕਰਦਾ ਹੈ ਅਤੇ ਹਮੇਸ਼ਾ ਪ੍ਰਾਇਮਰੀ ਨਾਲ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਕਾਲੀ ਨਹੀਂ ਹੁੰਦਾ ਹੈ।

ਇੱਕ ਨਿਸ਼ਚਿਤ ਸਮੇਂ ਦੇ ਮੁੱਲ ਦੇ ਨਾਲ "ਪ੍ਰਾਇਮਰੀ" ਵਿੱਚ ਇੱਕ ਸੰਮਿਲਨ ਹੁੰਦਾ ਹੈ। ਇਹ ਸੰਮਿਲਨ ਅੰਦਰੂਨੀ ਗਿਣਤੀ 11 ਤੱਕ ਵਧਾਉਂਦਾ ਹੈ, ਜੇਕਰ ਇਹ ਅਧਿਕਤਮ ਹੈ। ਜਾਂ ਇਹ ਘੜੀ ਦੇ ਮੁੱਲਾਂ ਦੀ ਜਾਂਚ ਕਰੇਗਾ ਅਤੇ ਘੜੀ ਨਾਲ ਸਿੰਕ ਕਰੇਗਾ ਜੇਕਰ ਘੜੀ ਦੇ ਮੁੱਲ ਵੱਧ ਹਨ। ਇਹ ਤੁਹਾਨੂੰ ਸਮੇਂ ਅਨੁਸਾਰ ਵਿਵਸਥਿਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

ਰਿਕਾਰਡਿੰਗ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਪਲ ਆਉਂਦਾ ਹੈ। ਘੜੀ "ਮੋਂਗੋਡੀਬੀ" ਵਿੱਚ ਹੈ ਅਤੇ "ਓਪਲੌਗ" ਨੂੰ ਲਿਖਣ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਹੀ ਵਾਧਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਉਹ ਘਟਨਾ ਹੈ ਜੋ ਸਿਸਟਮ ਦੀ ਸਥਿਤੀ ਨੂੰ ਬਦਲਦੀ ਹੈ। ਬਿਲਕੁਲ ਸਾਰੇ ਕਲਾਸਿਕ ਲੇਖਾਂ ਵਿੱਚ, ਇੱਕ ਇਵੈਂਟ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਇੱਕ ਸੁਨੇਹਾ ਇੱਕ ਨੋਡ ਨੂੰ ਹਿੱਟ ਕਰਦਾ ਹੈ: ਸੁਨੇਹਾ ਆ ਗਿਆ ਹੈ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਸਿਸਟਮ ਨੇ ਆਪਣੀ ਸਥਿਤੀ ਬਦਲ ਦਿੱਤੀ ਹੈ।

ਇਹ ਇਸ ਤੱਥ ਦੇ ਕਾਰਨ ਹੈ ਕਿ ਖੋਜ ਦੌਰਾਨ ਇਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੈ ਕਿ ਇਸ ਸੰਦੇਸ਼ ਦੀ ਵਿਆਖਿਆ ਕਿਵੇਂ ਕੀਤੀ ਜਾਵੇਗੀ। ਅਸੀਂ ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਜਾਣਦੇ ਹਾਂ ਕਿ ਜੇਕਰ ਇਹ "ਓਪਲੌਗ" ਵਿੱਚ ਪ੍ਰਤੀਬਿੰਬਿਤ ਨਹੀਂ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਇਸਦਾ ਕਿਸੇ ਵੀ ਤਰੀਕੇ ਨਾਲ ਵਿਆਖਿਆ ਨਹੀਂ ਕੀਤੀ ਜਾਵੇਗੀ, ਅਤੇ ਸਿਸਟਮ ਦੀ ਸਥਿਤੀ ਵਿੱਚ ਤਬਦੀਲੀ ਸਿਰਫ "ਓਪਲੌਗ" ਵਿੱਚ ਇੱਕ ਪ੍ਰਵੇਸ਼ ਹੈ। ਇਹ ਸਾਡੇ ਲਈ ਹਰ ਚੀਜ਼ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ: ਮਾਡਲ ਇਸਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਸਾਨੂੰ ਇਸਨੂੰ ਇੱਕ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਸੈੱਟ ਅਤੇ ਹੋਰ ਬਹੁਤ ਸਾਰੀਆਂ ਉਪਯੋਗੀ ਚੀਜ਼ਾਂ ਦੇ ਅੰਦਰ ਸੰਗਠਿਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

"ਓਪਲੌਗ" ਵਿੱਚ ਪਹਿਲਾਂ ਤੋਂ ਲਿਖਿਆ ਗਿਆ ਮੁੱਲ ਵਾਪਸ ਕਰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ - ਅਸੀਂ ਜਾਣਦੇ ਹਾਂ ਕਿ "ਓਪਲੌਗ" ਵਿੱਚ ਪਹਿਲਾਂ ਹੀ ਇਹ ਮੁੱਲ ਸ਼ਾਮਲ ਹੈ, ਅਤੇ ਇਸਦਾ ਸਮਾਂ 12 ਹੈ। ਹੁਣ, ਕਹੋ, ਪੜ੍ਹਨਾ ਕਿਸੇ ਹੋਰ ਨੋਡ (ਸੈਕੰਡਰੀ) ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਇਹ ਕਲੱਸਟਰਟਾਈਮ ਤੋਂ ਬਾਅਦ ਸੰਚਾਰਿਤ ਹੁੰਦਾ ਹੈ। ਸੰਦੇਸ਼. ਉਹ ਕਹਿੰਦਾ ਹੈ: "ਮੈਨੂੰ ਉਹ ਸਭ ਕੁਝ ਚਾਹੀਦਾ ਹੈ ਜੋ ਘੱਟੋ-ਘੱਟ 12 ਤੋਂ ਬਾਅਦ ਜਾਂ ਬਾਰ੍ਹਵੀਂ ਦੇ ਦੌਰਾਨ ਵਾਪਰਿਆ" (ਉਪਰੋਕਤ ਤਸਵੀਰ ਦੇਖੋ)।

ਇਸ ਨੂੰ Causal a consistent (CAT) ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਸਿਧਾਂਤ ਵਿੱਚ ਅਜਿਹੀ ਧਾਰਨਾ ਹੈ ਕਿ ਇਹ ਸਮੇਂ ਦਾ ਕੁਝ ਟੁਕੜਾ ਹੈ, ਜੋ ਆਪਣੇ ਆਪ ਵਿੱਚ ਇਕਸਾਰ ਹੈ। ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਅਸੀਂ ਕਹਿ ਸਕਦੇ ਹਾਂ ਕਿ ਇਹ ਸਿਸਟਮ ਦੀ ਸਥਿਤੀ ਹੈ ਜੋ 12 ਦੇ ਸਮੇਂ ਵਿੱਚ ਦੇਖਿਆ ਗਿਆ ਸੀ.

ਹੁਣ ਇੱਥੇ ਅਜੇ ਕੁਝ ਵੀ ਨਹੀਂ ਹੈ, ਕਿਉਂਕਿ ਇਸ ਕਿਸਮ ਦੀ ਸਥਿਤੀ ਦੀ ਨਕਲ ਕਰਦੀ ਹੈ ਜਦੋਂ ਤੁਹਾਨੂੰ ਪ੍ਰਾਇਮਰੀ ਤੋਂ ਡੇਟਾ ਦੀ ਨਕਲ ਕਰਨ ਲਈ ਸੈਕੰਡਰੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਉਹ ਉਡੀਕ ਕਰਦਾ ਹੈ... ਅਤੇ ਹੁਣ ਡੇਟਾ ਆ ਗਿਆ ਹੈ - ਉਹ ਇਹਨਾਂ ਮੁੱਲਾਂ ਨੂੰ ਵਾਪਸ ਕਰਦਾ ਹੈ।

ਇਹ ਸਭ ਕੁਝ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਲਗਭਗ.

"ਲਗਭਗ" ਦਾ ਕੀ ਮਤਲਬ ਹੈ? ਚਲੋ ਮੰਨ ਲਓ ਕਿ ਕੋਈ ਅਜਿਹਾ ਵਿਅਕਤੀ ਹੈ ਜਿਸ ਨੇ ਪੜ੍ਹਿਆ ਅਤੇ ਸਮਝਿਆ ਹੈ ਕਿ ਇਹ ਸਭ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ. ਮੈਨੂੰ ਅਹਿਸਾਸ ਹੋਇਆ ਕਿ ਜਦੋਂ ਵੀ ਕਲੱਸਟਰਟਾਈਮ ਵਾਪਰਦਾ ਹੈ, ਇਹ ਅੰਦਰੂਨੀ ਲਾਜ਼ੀਕਲ ਘੜੀ ਨੂੰ ਅੱਪਡੇਟ ਕਰਦਾ ਹੈ, ਅਤੇ ਫਿਰ ਅਗਲੀ ਐਂਟਰੀ ਇੱਕ ਨਾਲ ਵਧਦੀ ਹੈ। ਇਹ ਫੰਕਸ਼ਨ 20 ਲਾਈਨਾਂ ਲੈਂਦਾ ਹੈ। ਮੰਨ ਲਓ ਕਿ ਇਹ ਵਿਅਕਤੀ ਸਭ ਤੋਂ ਵੱਡਾ 64-ਬਿੱਟ ਨੰਬਰ, ਘਟਾਓ ਇੱਕ ਨੂੰ ਸੰਚਾਰਿਤ ਕਰਦਾ ਹੈ।

ਕਿਉਂ "ਘੱਟ ਇਕ"? ਕਿਉਂਕਿ ਅੰਦਰੂਨੀ ਘੜੀ ਨੂੰ ਇਸ ਮੁੱਲ ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ ਜਾਵੇਗਾ (ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ, ਇਹ ਮੌਜੂਦਾ ਸਮੇਂ ਨਾਲੋਂ ਸਭ ਤੋਂ ਵੱਡਾ ਸੰਭਵ ਅਤੇ ਵੱਡਾ ਹੈ), ਫਿਰ "ਓਪਲੌਗ" ਵਿੱਚ ਇੱਕ ਐਂਟਰੀ ਆਵੇਗੀ, ਅਤੇ ਘੜੀ ਨੂੰ ਕਿਸੇ ਹੋਰ ਯੂਨਿਟ ਦੁਆਰਾ ਵਧਾਇਆ ਜਾਵੇਗਾ - ਅਤੇ ਪਹਿਲਾਂ ਹੀ ਵੱਧ ਤੋਂ ਵੱਧ ਮੁੱਲ ਬਣੋ (ਇੱਥੇ ਸਿਰਫ਼ ਸਾਰੀਆਂ ਇਕਾਈਆਂ ਹਨ, ਜਾਣ ਲਈ ਹੋਰ ਕਿਤੇ ਨਹੀਂ ਹੈ) , ਅਨਸੈਂਟ ਇੰਟਸ)।

ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਇਸ ਤੋਂ ਬਾਅਦ ਸਿਸਟਮ ਕਿਸੇ ਵੀ ਚੀਜ਼ ਲਈ ਬਿਲਕੁਲ ਅਯੋਗ ਹੋ ਜਾਂਦਾ ਹੈ। ਇਹ ਸਿਰਫ ਅਨਲੋਡ ਅਤੇ ਸਾਫ਼ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ - ਬਹੁਤ ਸਾਰੇ ਹੱਥੀਂ ਕੰਮ. ਪੂਰੀ ਉਪਲਬਧਤਾ:

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜੇਕਰ ਇਸ ਨੂੰ ਕਿਤੇ ਹੋਰ ਦੁਹਰਾਇਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਪੂਰਾ ਕਲੱਸਟਰ ਹੇਠਾਂ ਡਿੱਗ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਬਿਲਕੁਲ ਅਸਵੀਕਾਰਨਯੋਗ ਸਥਿਤੀ ਜਿਸ ਨੂੰ ਕੋਈ ਵੀ ਬਹੁਤ ਜਲਦੀ ਅਤੇ ਆਸਾਨੀ ਨਾਲ ਸੰਗਠਿਤ ਕਰ ਸਕਦਾ ਹੈ! ਇਸ ਲਈ, ਅਸੀਂ ਇਸ ਪਲ ਨੂੰ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਣ ਮੰਨਿਆ. ਇਸ ਨੂੰ ਕਿਵੇਂ ਰੋਕਿਆ ਜਾਵੇ?

ਸਾਡਾ ਤਰੀਕਾ ਹੈ clusterTime ਨੂੰ ਸਾਈਨ ਕਰਨਾ

ਇਸ ਤਰ੍ਹਾਂ ਇਹ ਸੰਦੇਸ਼ (ਨੀਲੇ ਟੈਕਸਟ ਤੋਂ ਪਹਿਲਾਂ) ਵਿੱਚ ਪ੍ਰਸਾਰਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪਰ ਅਸੀਂ ਇੱਕ ਦਸਤਖਤ (ਨੀਲਾ ਟੈਕਸਟ) ਬਣਾਉਣਾ ਵੀ ਸ਼ੁਰੂ ਕੀਤਾ:

ਦਸਤਖਤ ਇੱਕ ਕੁੰਜੀ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਜੋ ਡੇਟਾਬੇਸ ਦੇ ਅੰਦਰ, ਇੱਕ ਸੁਰੱਖਿਅਤ ਘੇਰੇ ਦੇ ਅੰਦਰ ਸਟੋਰ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਆਪਣੇ ਆਪ ਤਿਆਰ ਅਤੇ ਅੱਪਡੇਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ (ਉਪਭੋਗਤਾ ਇਸ ਬਾਰੇ ਕੁਝ ਨਹੀਂ ਦੇਖਦੇ)। ਇੱਕ ਹੈਸ਼ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਹਰੇਕ ਸੰਦੇਸ਼ ਨੂੰ ਬਣਾਏ ਜਾਣ 'ਤੇ ਦਸਤਖਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਪ੍ਰਾਪਤ ਹੋਣ 'ਤੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਇਹ ਸਵਾਲ ਸ਼ਾਇਦ ਲੋਕਾਂ ਦੇ ਮਨਾਂ ਵਿੱਚ ਉੱਠਦਾ ਹੈ: "ਇਹ ਚੀਜ਼ਾਂ ਨੂੰ ਕਿੰਨਾ ਹੌਲੀ ਕਰਦਾ ਹੈ?" ਮੈਂ ਤੁਹਾਨੂੰ ਦੱਸਿਆ ਸੀ ਕਿ ਇਸਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਇਸ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਅਣਹੋਂਦ ਵਿੱਚ.

ਇਸ ਕੇਸ ਵਿੱਚ ਕਾਰਕ ਇਕਸਾਰਤਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਕੀ ਅਰਥ ਹੈ? ਇਹ afterClusterTime ਪੈਰਾਮੀਟਰ ਨੂੰ ਦਿਖਾਉਣ ਲਈ ਹੈ। ਇਸ ਤੋਂ ਬਿਨਾਂ, ਇਹ ਕਿਸੇ ਵੀ ਤਰ੍ਹਾਂ ਮੁੱਲਾਂ ਨੂੰ ਪਾਸ ਕਰੇਗਾ. ਗੌਸਿਪਿੰਗ, ਵਰਜਨ 3.6 ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ, ਹਮੇਸ਼ਾ ਕੰਮ ਕਰਦੀ ਹੈ।

ਜੇਕਰ ਅਸੀਂ ਹਸਤਾਖਰਾਂ ਦੀ ਨਿਰੰਤਰ ਪੀੜ੍ਹੀ ਨੂੰ ਛੱਡ ਦਿੰਦੇ ਹਾਂ, ਤਾਂ ਇਹ ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਅਣਹੋਂਦ ਵਿੱਚ ਵੀ ਸਿਸਟਮ ਨੂੰ ਹੌਲੀ ਕਰ ਦੇਵੇਗਾ, ਜੋ ਸਾਡੀ ਪਹੁੰਚ ਅਤੇ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਨਹੀਂ ਕਰਦਾ ਹੈ। ਤਾਂ ਅਸੀਂ ਕੀ ਕੀਤਾ?

ਇਸ ਨੂੰ ਜਲਦੀ ਕਰੋ!

ਇਹ ਕਾਫ਼ੀ ਸਧਾਰਨ ਚੀਜ਼ ਹੈ, ਪਰ ਚਾਲ ਦਿਲਚਸਪ ਹੈ - ਮੈਂ ਇਸਨੂੰ ਸਾਂਝਾ ਕਰਾਂਗਾ, ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਕਿਸੇ ਨੂੰ ਦਿਲਚਸਪੀ ਹੋਵੇ.
ਸਾਡੇ ਕੋਲ ਇੱਕ ਹੈਸ਼ ਹੈ ਜੋ ਹਸਤਾਖਰਿਤ ਡੇਟਾ ਨੂੰ ਸਟੋਰ ਕਰਦਾ ਹੈ। ਸਾਰਾ ਡਾਟਾ ਕੈਸ਼ ਰਾਹੀਂ ਜਾਂਦਾ ਹੈ। ਕੈਸ਼ ਖਾਸ ਸਮੇਂ 'ਤੇ ਦਸਤਖਤ ਨਹੀਂ ਕਰਦਾ, ਪਰ ਰੇਂਜ. ਜਦੋਂ ਕੁਝ ਮੁੱਲ ਆਉਂਦਾ ਹੈ, ਅਸੀਂ ਇੱਕ ਰੇਂਜ ਤਿਆਰ ਕਰਦੇ ਹਾਂ, ਆਖਰੀ 16 ਬਿੱਟਾਂ ਨੂੰ ਮਾਸਕ ਕਰਦੇ ਹਾਂ, ਅਤੇ ਅਸੀਂ ਇਸ ਮੁੱਲ 'ਤੇ ਦਸਤਖਤ ਕਰਦੇ ਹਾਂ:

ਅਜਿਹੇ ਦਸਤਖਤ ਪ੍ਰਾਪਤ ਕਰਕੇ, ਅਸੀਂ ਸਿਸਟਮ ਨੂੰ (ਮੁਕਾਬਲਤਨ) 65 ਹਜ਼ਾਰ ਗੁਣਾ ਤੇਜ਼ ਕਰਦੇ ਹਾਂ. ਇਹ ਬਹੁਤ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ: ਜਦੋਂ ਅਸੀਂ ਪ੍ਰਯੋਗ ਕੀਤੇ, ਸਮਾਂ ਅਸਲ ਵਿੱਚ 10 ਹਜ਼ਾਰ ਗੁਣਾ ਘੱਟ ਗਿਆ ਜਦੋਂ ਸਾਡੇ ਕੋਲ ਇੱਕ ਕ੍ਰਮਵਾਰ ਅਪਡੇਟ ਸੀ। ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਜਦੋਂ ਉਹ ਮਤਭੇਦ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਇਹ ਕੰਮ ਨਹੀਂ ਕਰਦਾ. ਪਰ ਜ਼ਿਆਦਾਤਰ ਵਿਹਾਰਕ ਮਾਮਲਿਆਂ ਵਿੱਚ ਇਹ ਕੰਮ ਕਰਦਾ ਹੈ. ਦਸਤਖਤ ਦੇ ਨਾਲ ਰੇਂਜ ਦੇ ਦਸਤਖਤ ਦੇ ਸੁਮੇਲ ਨੇ ਸੁਰੱਖਿਆ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕੀਤਾ।

ਅਸੀਂ ਕੀ ਸਿੱਖਿਆ ਹੈ?

ਅਸੀਂ ਇਸ ਤੋਂ ਸਬਕ ਸਿੱਖੇ:

• ਸਾਨੂੰ ਸਮੱਗਰੀ, ਕਹਾਣੀਆਂ, ਲੇਖ ਪੜ੍ਹਨ ਦੀ ਲੋੜ ਹੈ, ਕਿਉਂਕਿ ਸਾਡੇ ਕੋਲ ਬਹੁਤ ਸਾਰੀਆਂ ਦਿਲਚਸਪ ਚੀਜ਼ਾਂ ਹਨ. ਜਦੋਂ ਅਸੀਂ ਕਿਸੇ ਵਿਸ਼ੇਸ਼ਤਾ 'ਤੇ ਕੰਮ ਕਰਦੇ ਹਾਂ (ਖਾਸ ਕਰਕੇ ਹੁਣ, ਜਦੋਂ ਅਸੀਂ ਲੈਣ-ਦੇਣ ਕਰਦੇ ਹਾਂ, ਆਦਿ), ਸਾਨੂੰ ਪੜ੍ਹਨ ਅਤੇ ਸਮਝਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਵਿੱਚ ਸਮਾਂ ਲੱਗਦਾ ਹੈ, ਪਰ ਇਹ ਅਸਲ ਵਿੱਚ ਬਹੁਤ ਲਾਭਦਾਇਕ ਹੈ ਕਿਉਂਕਿ ਇਹ ਸਪੱਸ਼ਟ ਕਰਦਾ ਹੈ ਕਿ ਅਸੀਂ ਕਿੱਥੇ ਹਾਂ। ਅਸੀਂ ਕੁਝ ਨਵਾਂ ਲੈ ਕੇ ਨਹੀਂ ਆਏ - ਅਸੀਂ ਸਿਰਫ ਸਮੱਗਰੀ ਲਈ।

  ਆਮ ਤੌਰ 'ਤੇ, ਜਦੋਂ ਕੋਈ ਅਕਾਦਮਿਕ ਕਾਨਫਰੰਸ ਹੁੰਦੀ ਹੈ (ਸਿਗਮਨ, ਉਦਾਹਰਨ ਲਈ) ਤਾਂ ਸੋਚਣ ਵਿੱਚ ਕੁਝ ਅੰਤਰ ਹੁੰਦਾ ਹੈ - ਹਰ ਕੋਈ ਨਵੇਂ ਵਿਚਾਰਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਦਾ ਹੈ. ਸਾਡੇ ਐਲਗੋਰਿਦਮ ਬਾਰੇ ਨਵਾਂ ਕੀ ਹੈ? ਇੱਥੇ ਕੁਝ ਖਾਸ ਤੌਰ 'ਤੇ ਨਵਾਂ ਨਹੀਂ ਹੈ. ਨਵੀਨਤਾ ਦੀ ਬਜਾਏ ਅਸੀਂ ਮੌਜੂਦਾ ਪਹੁੰਚਾਂ ਨੂੰ ਇਕੱਠੇ ਮਿਲਾਉਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਹੈ। ਇਸ ਲਈ, ਪਹਿਲੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਲੈਂਪਾਰਟ ਨਾਲ ਸ਼ੁਰੂ ਕਰਦੇ ਹੋਏ, ਕਲਾਸਿਕਸ ਨੂੰ ਪੜ੍ਹਨਾ.

• ਉਤਪਾਦਨ ਵਿੱਚ, ਲੋੜਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖਰੀਆਂ ਹਨ. ਮੈਨੂੰ ਯਕੀਨ ਹੈ ਕਿ ਤੁਹਾਡੇ ਵਿੱਚੋਂ ਬਹੁਤ ਸਾਰੇ ਇੱਕ ਐਬਸਟ੍ਰੈਕਟ ਵੈਕਿਊਮ ਵਿੱਚ "ਗੋਲਾਕਾਰ" ਡੇਟਾਬੇਸ ਦਾ ਸਾਹਮਣਾ ਨਹੀਂ ਕਰ ਰਹੇ ਹਨ, ਪਰ ਆਮ, ਅਸਲ ਚੀਜ਼ਾਂ ਨਾਲ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਉਪਲਬਧਤਾ, ਲੇਟੈਂਸੀ ਅਤੇ ਨੁਕਸ ਸਹਿਣਸ਼ੀਲਤਾ ਨਾਲ ਸਮੱਸਿਆਵਾਂ ਹਨ।
• ਆਖਰੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਸਾਨੂੰ ਵੱਖੋ-ਵੱਖਰੇ ਵਿਚਾਰਾਂ ਨੂੰ ਦੇਖਣਾ ਸੀ ਅਤੇ ਕਈ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖੋ-ਵੱਖਰੇ ਲੇਖਾਂ ਨੂੰ ਇੱਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਵਿੱਚ ਜੋੜਨਾ ਸੀ। ਦਸਤਖਤ ਕਰਨ ਬਾਰੇ ਵਿਚਾਰ, ਉਦਾਹਰਨ ਲਈ, ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਲੇਖ ਤੋਂ ਆਇਆ ਹੈ ਜੋ ਪੈਕਸੋਸ ਪ੍ਰੋਟੋਕੋਲ ਨੂੰ ਮੰਨਦਾ ਹੈ, ਜੋ ਗੈਰ-ਬਿਜ਼ੰਤੀਨੀ ਫੇਲਰਾਂ ਲਈ ਅਧਿਕਾਰ ਪ੍ਰੋਟੋਕੋਲ ਦੇ ਅੰਦਰ ਹੈ, ਬਿਜ਼ੰਤੀਨੀ ਲੋਕਾਂ ਲਈ - ਅਧਿਕਾਰ ਪ੍ਰੋਟੋਕੋਲ ਤੋਂ ਬਾਹਰ... ਆਮ ਤੌਰ 'ਤੇ, ਇਹ ਬਿਲਕੁਲ ਉਹੀ ਹੈ ਜੋ ਅਸੀਂ ਕਰਨਾ ਖਤਮ ਹੋ ਗਿਆ।

  ਇੱਥੇ ਬਿਲਕੁਲ ਨਵਾਂ ਨਹੀਂ ਹੈ! ਪਰ ਜਿਵੇਂ ਹੀ ਅਸੀਂ ਇਸ ਸਭ ਨੂੰ ਮਿਲਾਉਂਦੇ ਹਾਂ... ਇਹ ਓਲੀਵੀਅਰ ਸਲਾਦ ਦੀ ਰੈਸਿਪੀ ਨੂੰ ਬਕਵਾਸ ਕਹਿਣ ਵਾਂਗ ਹੀ ਹੈ, ਕਿਉਂਕਿ ਅੰਡੇ, ਮੇਅਨੀਜ਼ ਅਤੇ ਖੀਰੇ ਪਹਿਲਾਂ ਹੀ ਖੋਜੇ ਜਾ ਚੁੱਕੇ ਹਨ... ਇਹ ਉਸੇ ਕਹਾਣੀ ਬਾਰੇ ਹੈ।

ਮੈਂ ਇਸ ਨਾਲ ਖਤਮ ਕਰਾਂਗਾ। ਤੁਹਾਡਾ ਧੰਨਵਾਦ!

ਤੁਹਾਡੇ ਸਵਾਲ

ਹਾਜ਼ਰੀਨ ਤੋਂ ਸਵਾਲ (ਇਸ ਤੋਂ ਬਾਅਦ ਬੀ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ): - ਤੁਹਾਡਾ ਧੰਨਵਾਦ, ਮਿਖਾਇਲ, ਰਿਪੋਰਟ ਲਈ! ਸਮੇਂ ਬਾਰੇ ਵਿਸ਼ਾ ਦਿਲਚਸਪ ਹੈ। ਤੁਸੀਂ ਗੱਪਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ। ਉਨ੍ਹਾਂ ਕਿਹਾ ਕਿ ਹਰ ਕਿਸੇ ਦਾ ਆਪਣਾ ਸਮਾਂ ਹੁੰਦਾ ਹੈ, ਹਰ ਕੋਈ ਆਪਣਾ ਸਥਾਨਕ ਸਮਾਂ ਜਾਣਦਾ ਹੈ। ਜਿਵੇਂ ਕਿ ਮੈਂ ਇਸਨੂੰ ਸਮਝਦਾ ਹਾਂ, ਸਾਡੇ ਕੋਲ ਇੱਕ ਡ੍ਰਾਈਵਰ ਹੈ - ਡਰਾਈਵਰਾਂ ਦੇ ਨਾਲ ਬਹੁਤ ਸਾਰੇ ਗਾਹਕ ਹੋ ਸਕਦੇ ਹਨ, ਪੁੱਛਗਿੱਛ-ਯੋਜਨਾਕਾਰ ਵੀ, ਸ਼ਾਰਡ ਵੀ... ਅਤੇ ਜੇਕਰ ਸਾਡੇ ਕੋਲ ਅਚਾਨਕ ਕੋਈ ਮਤਭੇਦ ਹੋ ਜਾਂਦਾ ਹੈ ਤਾਂ ਸਿਸਟਮ ਕੀ ਹੇਠਾਂ ਆਉਂਦਾ ਹੈ: ਕੋਈ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਇਹ ਇੱਕ ਲਈ ਹੈ ਇੱਕ ਮਿੰਟ ਅੱਗੇ, ਕੋਈ ਇੱਕ ਮਿੰਟ ਪਿੱਛੇ? ਅਸੀਂ ਕਿੱਥੇ ਖਤਮ ਹੋਵਾਂਗੇ?

MT: - ਸੱਚਮੁੱਚ ਬਹੁਤ ਵਧੀਆ ਸਵਾਲ! ਮੈਂ ਸਿਰਫ ਸ਼ਰਡਾਂ ਬਾਰੇ ਗੱਲ ਕਰਨਾ ਚਾਹੁੰਦਾ ਸੀ. ਜੇਕਰ ਮੈਂ ਸਵਾਲ ਨੂੰ ਸਹੀ ਤਰ੍ਹਾਂ ਸਮਝਦਾ ਹਾਂ, ਤਾਂ ਸਾਡੇ ਕੋਲ ਹੇਠ ਲਿਖੀ ਸਥਿਤੀ ਹੈ: ਸ਼ਾਰਡ 1 ਅਤੇ ਸ਼ਾਰਡ 2 ਹੈ, ਇਹਨਾਂ ਦੋ ਸ਼ਾਰਡਾਂ ਤੋਂ ਪੜ੍ਹਨਾ ਹੁੰਦਾ ਹੈ - ਉਹਨਾਂ ਵਿੱਚ ਇੱਕ ਅੰਤਰ ਹੈ, ਉਹ ਇੱਕ ਦੂਜੇ ਨਾਲ ਗੱਲਬਾਤ ਨਹੀਂ ਕਰਦੇ, ਕਿਉਂਕਿ ਸਮਾਂ ਜੋ ਉਹ ਜਾਣਦੇ ਹਨ ਵੱਖਰਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਉਹ ਸਮਾਂ ਜਦੋਂ ਉਹ ਓਪਲੌਗਸ ਵਿੱਚ ਮੌਜੂਦ ਹੁੰਦੇ ਹਨ।
ਮੰਨ ਲਓ ਕਿ ਸ਼ਾਰਡ 1 ਨੇ ਇੱਕ ਮਿਲੀਅਨ ਰਿਕਾਰਡ ਬਣਾਇਆ, ਸ਼ਾਰਡ 2 ਨੇ ਬਿਲਕੁਲ ਵੀ ਕੁਝ ਨਹੀਂ ਕੀਤਾ, ਅਤੇ ਬੇਨਤੀ ਦੋ ਸ਼ਾਰਡਾਂ ਨੂੰ ਆਈ. ਅਤੇ ਪਹਿਲੇ ਵਿੱਚ ਇੱਕ ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਦਾ ਇੱਕ afterClusterTime ਹੈ। ਅਜਿਹੀ ਸਥਿਤੀ ਵਿੱਚ, ਜਿਵੇਂ ਕਿ ਮੈਂ ਸਮਝਾਇਆ ਹੈ, ਸ਼ਾਰਡ 2 ਕਦੇ ਵੀ ਜਵਾਬ ਨਹੀਂ ਦੇਵੇਗਾ।

ਏ ਟੀ: - ਮੈਂ ਜਾਣਨਾ ਚਾਹੁੰਦਾ ਸੀ ਕਿ ਉਹ ਕਿਵੇਂ ਸਿੰਕ੍ਰੋਨਾਈਜ਼ ਕਰਦੇ ਹਨ ਅਤੇ ਇੱਕ ਲਾਜ਼ੀਕਲ ਸਮਾਂ ਚੁਣਦੇ ਹਨ?

MT: - ਸਿੰਕ੍ਰੋਨਾਈਜ਼ ਕਰਨਾ ਬਹੁਤ ਆਸਾਨ ਹੈ। ਸ਼ਾਰਡ, ਜਦੋਂ ਕਲੱਸਟਰ ਟਾਈਮ ਤੋਂ ਬਾਅਦ ਉਸਦੇ ਕੋਲ ਆਉਂਦਾ ਹੈ ਅਤੇ ਉਸਨੂੰ "ਓਪਲੌਗ" ਵਿੱਚ ਸਮਾਂ ਨਹੀਂ ਮਿਲਦਾ, ਤਾਂ ਕੋਈ ਮਨਜ਼ੂਰੀ ਨਹੀਂ ਦਿੱਤੀ ਜਾਂਦੀ। ਭਾਵ, ਉਹ ਇਸ ਮੁੱਲ ਲਈ ਆਪਣੇ ਹੱਥਾਂ ਨਾਲ ਆਪਣਾ ਸਮਾਂ ਚੁੱਕਦਾ ਹੈ. ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਸ ਵਿੱਚ ਇਸ ਬੇਨਤੀ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਕੋਈ ਇਵੈਂਟ ਨਹੀਂ ਹੈ। ਉਹ ਇਸ ਘਟਨਾ ਨੂੰ ਨਕਲੀ ਢੰਗ ਨਾਲ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਕਾਰਨ ਇਕਸਾਰ ਬਣ ਜਾਂਦਾ ਹੈ।

ਏ ਟੀ: - ਕੀ ਜੇ ਇਸ ਤੋਂ ਬਾਅਦ ਉਸ ਨੂੰ ਕੁਝ ਹੋਰ ਘਟਨਾਵਾਂ ਆਉਂਦੀਆਂ ਹਨ ਜੋ ਨੈਟਵਰਕ ਵਿੱਚ ਕਿਤੇ ਗੁਆਚ ਗਈਆਂ ਸਨ?

MT: - ਸ਼ਾਰਡ ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ ਕਿ ਉਹ ਦੁਬਾਰਾ ਨਹੀਂ ਆਉਣਗੇ, ਕਿਉਂਕਿ ਇਹ ਇੱਕ ਸਿੰਗਲ ਮਾਸਟਰ ਹੈ. ਜੇ ਉਸਨੇ ਪਹਿਲਾਂ ਹੀ ਸਾਈਨ ਅਪ ਕੀਤਾ ਹੈ, ਤਾਂ ਉਹ ਨਹੀਂ ਆਉਣਗੇ, ਪਰ ਬਾਅਦ ਵਿੱਚ ਆਉਣਗੇ. ਇਹ ਨਹੀਂ ਹੋ ਸਕਦਾ ਕਿ ਕੋਈ ਚੀਜ਼ ਕਿਤੇ ਅਟਕ ਜਾਂਦੀ ਹੈ, ਫਿਰ ਉਹ ਕੁਝ ਨਹੀਂ ਲਿਖਦਾ, ਅਤੇ ਫਿਰ ਇਹ ਘਟਨਾਵਾਂ ਆਉਂਦੀਆਂ ਹਨ - ਅਤੇ ਕਾਰਨ ਇਕਸਾਰਤਾ ਟੁੱਟ ਜਾਂਦੀ ਹੈ। ਜਦੋਂ ਉਹ ਕੁਝ ਨਹੀਂ ਲਿਖਦਾ, ਤਾਂ ਉਹ ਸਾਰੇ ਅੱਗੇ ਆਉਣੇ ਚਾਹੀਦੇ ਹਨ (ਉਹ ਉਨ੍ਹਾਂ ਦੀ ਉਡੀਕ ਕਰੇਗਾ)।

ਏ ਟੀ: - ਮੇਰੇ ਕੋਲ ਕਤਾਰਾਂ ਬਾਰੇ ਕਈ ਸਵਾਲ ਹਨ। ਕਾਰਕ ਇਕਸਾਰਤਾ ਇਹ ਮੰਨਦੀ ਹੈ ਕਿ ਕਾਰਵਾਈਆਂ ਦੀ ਇੱਕ ਖਾਸ ਕਤਾਰ ਹੈ ਜਿਸਨੂੰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਕੀ ਹੁੰਦਾ ਹੈ ਜੇਕਰ ਸਾਡਾ ਇੱਕ ਪੈਕੇਜ ਗਾਇਬ ਹੋ ਜਾਂਦਾ ਹੈ? ਇੱਥੇ 10ਵੀਂ, 11ਵੀਂ... 12ਵੀਂ ਗਾਇਬ ਹੋ ਗਈ ਹੈ, ਅਤੇ ਬਾਕੀ ਹਰ ਕੋਈ ਇਸ ਦੇ ਪੂਰਾ ਹੋਣ ਦੀ ਉਡੀਕ ਕਰ ਰਿਹਾ ਹੈ। ਅਤੇ ਅਚਾਨਕ ਸਾਡੀ ਕਾਰ ਦੀ ਮੌਤ ਹੋ ਗਈ, ਅਸੀਂ ਕੁਝ ਨਹੀਂ ਕਰ ਸਕਦੇ. ਕੀ ਕਤਾਰ ਦੀ ਅਧਿਕਤਮ ਲੰਬਾਈ ਹੈ ਜੋ ਕਿ ਚੱਲਣ ਤੋਂ ਪਹਿਲਾਂ ਇਕੱਠੀ ਹੁੰਦੀ ਹੈ? ਜਦੋਂ ਕੋਈ ਇੱਕ ਰਾਜ ਗੁਆਚ ਜਾਂਦਾ ਹੈ ਤਾਂ ਕਿਹੜੀ ਘਾਤਕ ਅਸਫਲਤਾ ਹੁੰਦੀ ਹੈ? ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜੇ ਅਸੀਂ ਇਹ ਲਿਖਦੇ ਹਾਂ ਕਿ ਕੋਈ ਪਿਛਲੀ ਅਵਸਥਾ ਹੈ, ਤਾਂ ਸਾਨੂੰ ਕਿਸੇ ਤਰ੍ਹਾਂ ਇਸ ਤੋਂ ਸ਼ੁਰੂ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ? ਪਰ ਉਨ੍ਹਾਂ ਨੇ ਉਸਨੂੰ ਦੂਰ ਨਹੀਂ ਧੱਕਿਆ!

MT: - ਇੱਕ ਵਧੀਆ ਸਵਾਲ ਵੀ! ਅਸੀਂ ਕੀ ਕਰ ਰਹੇ ਹਾਂ? ਮੋਂਗੋਡੀਬੀ ਕੋਲ ਕੋਰਮ ਰਾਈਟਸ, ਕੋਰਮ ਰੀਡਜ਼ ਦੀ ਧਾਰਨਾ ਹੈ। ਕਿਨ੍ਹਾਂ ਮਾਮਲਿਆਂ ਵਿੱਚ ਸੁਨੇਹਾ ਗੁੰਮ ਹੋ ਸਕਦਾ ਹੈ? ਜਦੋਂ ਇੱਕ ਲਿਖਤ ਵਿੱਚ ਕੋਰਮ ਨਹੀਂ ਹੁੰਦਾ ਹੈ ਜਾਂ ਜਦੋਂ ਇੱਕ ਪੜ੍ਹਨ ਵਿੱਚ ਕੋਰਮ ਨਹੀਂ ਹੁੰਦਾ ਹੈ (ਕਿਸੇ ਕਿਸਮ ਦਾ ਕੂੜਾ ਵੀ ਚਿਪਕ ਸਕਦਾ ਹੈ)।
ਕਾਰਕ ਇਕਸਾਰਤਾ ਦੇ ਸੰਬੰਧ ਵਿੱਚ, ਇੱਕ ਵੱਡਾ ਪ੍ਰਯੋਗਾਤਮਕ ਟੈਸਟ ਕੀਤਾ ਗਿਆ ਸੀ, ਜਿਸਦਾ ਨਤੀਜਾ ਇਹ ਨਿਕਲਿਆ ਕਿ ਜਦੋਂ ਲਿਖਣ ਅਤੇ ਪੜ੍ਹਨਾ ਗੈਰ-ਕੋਰਮ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਕਾਰਕ ਇਕਸਾਰਤਾ ਦੀ ਉਲੰਘਣਾ ਹੁੰਦੀ ਹੈ। ਬਿਲਕੁਲ ਜੋ ਤੁਸੀਂ ਕਹਿੰਦੇ ਹੋ!

ਸਾਡੀ ਸਲਾਹ: ਕਾਰਕ ਇਕਸਾਰਤਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ ਘੱਟੋ-ਘੱਟ ਕੋਰਮ ਰੀਡਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਕੁਝ ਵੀ ਨਹੀਂ ਗੁਆਇਆ ਜਾਵੇਗਾ, ਭਾਵੇਂ ਕਿ ਕੋਰਮ ਰਿਕਾਰਡ ਗੁਆਚ ਗਿਆ ਹੈ... ਇਹ ਇੱਕ ਔਰਥੋਗੋਨਲ ਸਥਿਤੀ ਹੈ: ਜੇਕਰ ਉਪਭੋਗਤਾ ਨਹੀਂ ਚਾਹੁੰਦਾ ਕਿ ਡੇਟਾ ਗੁੰਮ ਹੋਵੇ, ਤਾਂ ਉਸਨੂੰ ਇੱਕ ਕੋਰਮ ਰਿਕਾਰਡ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਕਾਰਣ ਇਕਸਾਰਤਾ ਟਿਕਾਊਤਾ ਦੀ ਗਰੰਟੀ ਨਹੀਂ ਦਿੰਦੀ। ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਅਤੇ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਨਾਲ ਜੁੜੀ ਮਸ਼ੀਨਰੀ ਦੁਆਰਾ ਟਿਕਾਊਤਾ ਦੀ ਗਾਰੰਟੀ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।

ਏ ਟੀ: - ਜਦੋਂ ਅਸੀਂ ਇੱਕ ਉਦਾਹਰਣ ਬਣਾਉਂਦੇ ਹਾਂ ਜੋ ਸਾਡੇ ਲਈ ਸ਼ਾਰਡਿੰਗ ਕਰਦਾ ਹੈ (ਕ੍ਰਮਵਾਰ ਮਾਲਕ ਨਹੀਂ, ਪਰ ਗੁਲਾਮ), ਇਹ ਆਪਣੀ ਖੁਦ ਦੀ ਮਸ਼ੀਨ ਦੇ ਯੂਨਿਕਸ ਸਮੇਂ ਜਾਂ "ਮਾਸਟਰ" ਦੇ ਸਮੇਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ; ਕੀ ਇਹ ਪਹਿਲੀ ਵਾਰ ਜਾਂ ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਸਿੰਕ ਹੁੰਦਾ ਹੈ?

MT: - ਮੈਂ ਹੁਣ ਸਪਸ਼ਟ ਕਰਾਂਗਾ। ਸ਼ਾਰਡ (ਅਰਥਾਤ ਹਰੀਜੱਟਲ ਭਾਗ) - ਉੱਥੇ ਹਮੇਸ਼ਾ ਇੱਕ ਪ੍ਰਾਇਮਰੀ ਹੁੰਦਾ ਹੈ। ਅਤੇ ਇੱਕ ਸ਼ਾਰਡ ਵਿੱਚ ਇੱਕ "ਮਾਸਟਰ" ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਪ੍ਰਤੀਰੂਪ ਹੋ ਸਕਦਾ ਹੈ। ਪਰ ਸ਼ਾਰਡ ਹਮੇਸ਼ਾ ਰਿਕਾਰਡਿੰਗ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਕਿਉਂਕਿ ਇਸ ਨੂੰ ਕੁਝ ਡੋਮੇਨ ਦਾ ਸਮਰਥਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ (ਸ਼ਾਰਡ ਵਿੱਚ ਪ੍ਰਾਇਮਰੀ ਹੈ)।

ਏ ਟੀ: - ਇਸ ਲਈ ਸਭ ਕੁਝ "ਮਾਸਟਰ" 'ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਿਰਭਰ ਕਰਦਾ ਹੈ? ਕੀ ਮਾਸਟਰ ਟਾਈਮ ਹਮੇਸ਼ਾ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ?

MT: - ਹਾਂ। ਤੁਸੀਂ ਲਾਖਣਿਕ ਤੌਰ 'ਤੇ ਕਹਿ ਸਕਦੇ ਹੋ: ਘੜੀ ਟਿਕ ਰਹੀ ਹੈ ਜਦੋਂ "ਮਾਸਟਰ", "ਓਪਲੌਗ" ਵਿੱਚ ਦਾਖਲਾ ਹੁੰਦਾ ਹੈ।

ਏ ਟੀ: - ਸਾਡੇ ਕੋਲ ਇੱਕ ਕਲਾਇੰਟ ਹੈ ਜੋ ਜੁੜਦਾ ਹੈ ਅਤੇ ਸਮੇਂ ਬਾਰੇ ਕੁਝ ਜਾਣਨ ਦੀ ਜ਼ਰੂਰਤ ਨਹੀਂ ਹੈ?

MT: - ਤੁਹਾਨੂੰ ਕੁਝ ਵੀ ਜਾਣਨ ਦੀ ਜ਼ਰੂਰਤ ਨਹੀਂ ਹੈ! ਜੇਕਰ ਅਸੀਂ ਇਸ ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਹਾਂ ਕਿ ਇਹ ਕਲਾਇੰਟ 'ਤੇ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ: ਜਦੋਂ ਕਲਾਇੰਟ ਕਾਰਜ਼ਲ ਇਕਸਾਰਤਾ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹੈ, ਤਾਂ ਉਸਨੂੰ ਇੱਕ ਸੈਸ਼ਨ ਖੋਲ੍ਹਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਹੁਣ ਸਭ ਕੁਝ ਉੱਥੇ ਹੈ: ਸੈਸ਼ਨ ਵਿੱਚ ਲੈਣ-ਦੇਣ, ਅਤੇ ਇੱਕ ਅਧਿਕਾਰ ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਨਾ... ਇੱਕ ਸੈਸ਼ਨ ਕਲਾਇੰਟ ਦੇ ਨਾਲ ਹੋਣ ਵਾਲੀਆਂ ਲਾਜ਼ੀਕਲ ਘਟਨਾਵਾਂ ਦਾ ਕ੍ਰਮ ਹੈ।

ਜੇਕਰ ਉਹ ਇਸ ਸੈਸ਼ਨ ਨੂੰ ਖੋਲ੍ਹਦਾ ਹੈ ਅਤੇ ਉੱਥੇ ਕਹਿੰਦਾ ਹੈ ਕਿ ਉਹ ਕਾਰਣ ਇਕਸਾਰਤਾ ਚਾਹੁੰਦਾ ਹੈ (ਜੇ ਸ਼ੈਸ਼ਨ ਮੂਲ ਰੂਪ ਵਿੱਚ ਕਾਰਨ ਇਕਸਾਰਤਾ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ), ਤਾਂ ਸਭ ਕੁਝ ਆਪਣੇ ਆਪ ਕੰਮ ਕਰਦਾ ਹੈ। ਡਰਾਈਵਰ ਇਸ ਸਮੇਂ ਨੂੰ ਯਾਦ ਰੱਖਦਾ ਹੈ ਅਤੇ ਜਦੋਂ ਇਸਨੂੰ ਨਵਾਂ ਸੁਨੇਹਾ ਪ੍ਰਾਪਤ ਹੁੰਦਾ ਹੈ ਤਾਂ ਇਸਨੂੰ ਵਧਾਉਂਦਾ ਹੈ। ਇਹ ਯਾਦ ਰੱਖਦਾ ਹੈ ਕਿ ਡੇਟਾ ਵਾਪਸ ਕਰਨ ਵਾਲੇ ਸਰਵਰ ਤੋਂ ਪਿਛਲਾ ਕਿਹੜਾ ਜਵਾਬ ਆਇਆ ਸੀ। ਅਗਲੀ ਬੇਨਤੀ ਵਿੱਚ afterCluster ("ਇਸ ਤੋਂ ਵੱਧ ਸਮਾਂ") ਸ਼ਾਮਲ ਹੋਵੇਗਾ।

ਗਾਹਕ ਨੂੰ ਬਿਲਕੁਲ ਕੁਝ ਵੀ ਜਾਣਨ ਦੀ ਜ਼ਰੂਰਤ ਨਹੀਂ ਹੈ! ਇਹ ਉਸ ਲਈ ਪੂਰੀ ਤਰ੍ਹਾਂ ਅਪਾਰਦਰਸ਼ੀ ਹੈ। ਜੇਕਰ ਲੋਕ ਇਹਨਾਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਤਾਂ ਉਹ ਕੀ ਕਰ ਸਕਦੇ ਹਨ? ਪਹਿਲਾਂ, ਤੁਸੀਂ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਸੈਕੰਡਰੀ ਪੜ੍ਹ ਸਕਦੇ ਹੋ: ਤੁਸੀਂ ਪ੍ਰਾਇਮਰੀ ਨੂੰ ਲਿਖ ਸਕਦੇ ਹੋ ਅਤੇ ਭੂਗੋਲਿਕ ਤੌਰ 'ਤੇ ਪ੍ਰਤੀਕ੍ਰਿਤ ਸੈਕੰਡਰੀ ਤੋਂ ਪੜ੍ਹ ਸਕਦੇ ਹੋ ਅਤੇ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਇਹ ਕੰਮ ਕਰਦਾ ਹੈ। ਉਸੇ ਸਮੇਂ, ਪ੍ਰਾਇਮਰੀ 'ਤੇ ਰਿਕਾਰਡ ਕੀਤੇ ਗਏ ਸੈਸ਼ਨਾਂ ਨੂੰ ਸੈਕੰਡਰੀ ਵਿੱਚ ਵੀ ਟ੍ਰਾਂਸਫਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਭਾਵ ਤੁਸੀਂ ਇੱਕ ਸੈਸ਼ਨ ਨਹੀਂ, ਪਰ ਕਈ ਸੈਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ।

ਏ ਟੀ: - ਕੰਪਿਊਟ ਸਾਇੰਸ ਦੀ ਇੱਕ ਨਵੀਂ ਪਰਤ - CRDT (ਅਪਵਾਦ-ਮੁਕਤ ਰੀਪਲੀਕੇਟਡ ਡੇਟਾ ਕਿਸਮਾਂ) ਡੇਟਾ ਕਿਸਮਾਂ - ਇਵਚੁਅਲ ਇਕਸਾਰਤਾ ਦੇ ਵਿਸ਼ੇ ਨਾਲ ਮਜ਼ਬੂਤੀ ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ। ਕੀ ਤੁਸੀਂ ਡੇਟਾਬੇਸ ਵਿੱਚ ਇਸ ਕਿਸਮ ਦੇ ਡੇਟਾ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਬਾਰੇ ਵਿਚਾਰ ਕੀਤਾ ਹੈ ਅਤੇ ਤੁਸੀਂ ਇਸ ਬਾਰੇ ਕੀ ਕਹਿ ਸਕਦੇ ਹੋ?

MT: - ਵਧੀਆ ਸਵਾਲ! CRDT ਟਕਰਾਅ ਲਿਖਣ ਲਈ ਅਰਥ ਰੱਖਦਾ ਹੈ: MongoDB ਵਿੱਚ, ਸਿੰਗਲ ਮਾਸਟਰ।

ਏ ਟੀ: - ਮੇਰੇ ਕੋਲ ਡਿਵੋਪਸ ਤੋਂ ਇੱਕ ਸਵਾਲ ਹੈ। ਅਸਲ ਸੰਸਾਰ ਵਿੱਚ, ਅਜਿਹੀਆਂ ਜੇਸੁਟਿਕ ਸਥਿਤੀਆਂ ਹੁੰਦੀਆਂ ਹਨ ਜਦੋਂ ਬਿਜ਼ੰਤੀਨੀ ਅਸਫਲਤਾ ਵਾਪਰਦੀ ਹੈ, ਅਤੇ ਸੁਰੱਖਿਅਤ ਘੇਰੇ ਦੇ ਅੰਦਰ ਦੁਸ਼ਟ ਲੋਕ ਪ੍ਰੋਟੋਕੋਲ ਵਿੱਚ ਧੱਕਾ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਦੇ ਹਨ, ਇੱਕ ਖਾਸ ਤਰੀਕੇ ਨਾਲ ਕਰਾਫਟ ਪੈਕੇਜ ਭੇਜਦੇ ਹਨ?

MT: - ਘੇਰੇ ਦੇ ਅੰਦਰ ਦੁਸ਼ਟ ਲੋਕ ਇੱਕ ਟਰੋਜਨ ਘੋੜੇ ਵਰਗੇ ਹਨ! ਘੇਰੇ ਦੇ ਅੰਦਰ ਦੁਸ਼ਟ ਲੋਕ ਬਹੁਤ ਸਾਰੇ ਬੁਰੇ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ।

ਏ ਟੀ: - ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਸਰਵਰ ਵਿੱਚ ਇੱਕ ਮੋਰੀ ਨੂੰ ਛੱਡਣਾ, ਮੋਟੇ ਤੌਰ 'ਤੇ, ਜਿਸ ਰਾਹੀਂ ਤੁਸੀਂ ਹਾਥੀਆਂ ਦਾ ਚਿੜੀਆਘਰ ਪਾ ਸਕਦੇ ਹੋ ਅਤੇ ਪੂਰੇ ਸਮੂਹ ਨੂੰ ਹਮੇਸ਼ਾ ਲਈ ਢਹਿ-ਢੇਰੀ ਕਰ ਸਕਦੇ ਹੋ... ਇਸ ਨੂੰ ਦਸਤੀ ਰਿਕਵਰੀ ਲਈ ਸਮਾਂ ਲੱਗੇਗਾ... ਇਸ ਨੂੰ ਹਲਕੇ ਤੌਰ 'ਤੇ ਕਹਿਣਾ ਹੈ, ਇਹ ਹੈ ਗਲਤ. ਦੂਜੇ ਪਾਸੇ, ਇਹ ਦਿਲਚਸਪ ਹੈ: ਅਸਲ ਜੀਵਨ ਵਿੱਚ, ਅਭਿਆਸ ਵਿੱਚ, ਅਜਿਹੀਆਂ ਸਥਿਤੀਆਂ ਹੁੰਦੀਆਂ ਹਨ ਜਦੋਂ ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ ਸਮਾਨ ਅੰਦਰੂਨੀ ਹਮਲੇ ਹੁੰਦੇ ਹਨ?

MT: - ਕਿਉਂਕਿ ਮੈਨੂੰ ਅਸਲ ਜੀਵਨ ਵਿੱਚ ਸੁਰੱਖਿਆ ਦੀਆਂ ਉਲੰਘਣਾਵਾਂ ਦਾ ਘੱਟ ਹੀ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਇਸ ਲਈ ਮੈਂ ਇਹ ਨਹੀਂ ਕਹਿ ਸਕਦਾ ਕਿ ਉਹ ਵਾਪਰਦੀਆਂ ਹਨ ਜਾਂ ਨਹੀਂ। ਪਰ ਜੇ ਅਸੀਂ ਵਿਕਾਸ ਦੇ ਫਲਸਫੇ ਬਾਰੇ ਗੱਲ ਕਰੀਏ, ਤਾਂ ਅਸੀਂ ਇਸ ਤਰ੍ਹਾਂ ਸੋਚਦੇ ਹਾਂ: ਸਾਡੇ ਕੋਲ ਇੱਕ ਘੇਰਾ ਹੈ ਜੋ ਮੁੰਡਿਆਂ ਨੂੰ ਸੁਰੱਖਿਆ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ - ਇਹ ਇੱਕ ਕਿਲ੍ਹਾ ਹੈ, ਇੱਕ ਕੰਧ ਹੈ; ਅਤੇ ਘੇਰੇ ਦੇ ਅੰਦਰ ਤੁਸੀਂ ਜੋ ਚਾਹੋ ਕਰ ਸਕਦੇ ਹੋ। ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਸਿਰਫ ਦੇਖਣ ਦੀ ਯੋਗਤਾ ਵਾਲੇ ਉਪਭੋਗਤਾ ਹਨ, ਅਤੇ ਡਾਇਰੈਕਟਰੀ ਨੂੰ ਮਿਟਾਉਣ ਦੀ ਯੋਗਤਾ ਵਾਲੇ ਉਪਭੋਗਤਾ ਹਨ.

ਅਧਿਕਾਰਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਿਆਂ, ਉਪਭੋਗਤਾ ਜੋ ਨੁਕਸਾਨ ਕਰ ਸਕਦੇ ਹਨ ਉਹ ਮਾਊਸ ਹੋ ਸਕਦਾ ਹੈ, ਜਾਂ ਇਹ ਹਾਥੀ ਹੋ ਸਕਦਾ ਹੈ। ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਪੂਰੇ ਅਧਿਕਾਰਾਂ ਵਾਲਾ ਉਪਭੋਗਤਾ ਕੁਝ ਵੀ ਕਰ ਸਕਦਾ ਹੈ। ਸੀਮਤ ਅਧਿਕਾਰਾਂ ਵਾਲਾ ਉਪਭੋਗਤਾ ਕਾਫ਼ੀ ਘੱਟ ਨੁਕਸਾਨ ਪਹੁੰਚਾ ਸਕਦਾ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ, ਇਹ ਸਿਸਟਮ ਨੂੰ ਤੋੜ ਨਹੀਂ ਸਕਦਾ.

ਏ ਟੀ: - ਸੁਰੱਖਿਅਤ ਘੇਰੇ ਵਿੱਚ, ਕਿਸੇ ਨੇ ਸਰਵਰ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਸ਼ਟ ਕਰਨ ਲਈ ਸਰਵਰ ਲਈ ਅਚਾਨਕ ਪ੍ਰੋਟੋਕੋਲ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ, ਅਤੇ ਜੇਕਰ ਤੁਸੀਂ ਖੁਸ਼ਕਿਸਮਤ ਹੋ, ਤਾਂ ਸਾਰਾ ਕਲੱਸਟਰ... ਕੀ ਇਹ ਕਦੇ ਵੀ "ਚੰਗਾ" ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ?

MT: “ਮੈਂ ਅਜਿਹੀਆਂ ਗੱਲਾਂ ਬਾਰੇ ਕਦੇ ਨਹੀਂ ਸੁਣਿਆ।” ਇਹ ਤੱਥ ਕਿ ਤੁਸੀਂ ਇਸ ਤਰੀਕੇ ਨਾਲ ਇੱਕ ਸਰਵਰ ਨੂੰ ਕਰੈਸ਼ ਕਰ ਸਕਦੇ ਹੋ ਕੋਈ ਗੁਪਤ ਨਹੀਂ ਹੈ. ਅੰਦਰ ਫੇਲ ਹੋਵੋ, ਪ੍ਰੋਟੋਕੋਲ ਤੋਂ ਹੋਣ ਕਰਕੇ, ਇੱਕ ਅਧਿਕਾਰਤ ਉਪਭੋਗਤਾ ਹੋਣ ਦੇ ਨਾਤੇ ਜੋ ਸੰਦੇਸ਼ ਵਿੱਚ ਅਜਿਹਾ ਕੁਝ ਲਿਖ ਸਕਦਾ ਹੈ... ਅਸਲ ਵਿੱਚ, ਇਹ ਅਸੰਭਵ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਅਜੇ ਵੀ ਪ੍ਰਮਾਣਿਤ ਹੋਵੇਗਾ। ਇਹ ਉਹਨਾਂ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਇਸ ਪ੍ਰਮਾਣਿਕਤਾ ਨੂੰ ਅਸਮਰੱਥ ਬਣਾਉਣਾ ਸੰਭਵ ਹੈ ਜੋ ਇਹ ਨਹੀਂ ਚਾਹੁੰਦੇ - ਫਿਰ ਇਹ ਉਹਨਾਂ ਦੀ ਸਮੱਸਿਆ ਹੈ; ਉਹਨਾਂ ਨੇ, ਮੋਟੇ ਤੌਰ 'ਤੇ, ਕੰਧਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਤਬਾਹ ਕਰ ਦਿੱਤਾ ਅਤੇ ਤੁਸੀਂ ਉੱਥੇ ਇੱਕ ਹਾਥੀ ਨੂੰ ਧੱਕਾ ਦੇ ਸਕਦੇ ਹੋ, ਜੋ ਮਿੱਧੇਗਾ... ਪਰ ਆਮ ਤੌਰ 'ਤੇ, ਤੁਸੀਂ ਇੱਕ ਮੁਰੰਮਤ ਕਰਨ ਵਾਲੇ ਦੇ ਰੂਪ ਵਿੱਚ ਤਿਆਰ ਹੋ ਸਕਦੇ ਹੋ, ਆ ਕੇ ਇਸਨੂੰ ਬਾਹਰ ਕੱਢ ਸਕਦੇ ਹੋ!

ਏ ਟੀ: - ਰਿਪੋਰਟ ਲਈ ਧੰਨਵਾਦ। ਸਰਗੇਈ (ਯਾਂਡੇਕਸ). ਮੋਂਗ ਵਿੱਚ ਇੱਕ ਸਥਿਰਤਾ ਹੈ ਜੋ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਸੈੱਟ ਵਿੱਚ ਵੋਟਿੰਗ ਮੈਂਬਰਾਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਸੀਮਿਤ ਕਰਦੀ ਹੈ, ਅਤੇ ਇਹ ਸਥਿਰਤਾ 7 (ਸੱਤ) ਹੈ। ਇਹ ਇੱਕ ਨਿਰੰਤਰ ਕਿਉਂ ਹੈ? ਇਹ ਕਿਸੇ ਕਿਸਮ ਦਾ ਪੈਰਾਮੀਟਰ ਕਿਉਂ ਨਹੀਂ ਹੈ?

MT: - ਸਾਡੇ ਕੋਲ 40 ਨੋਡਸ ਦੇ ਨਾਲ ਰਿਪਲੀਕਾ ਸੈੱਟ ਹਨ। ਹਮੇਸ਼ਾ ਬਹੁਮਤ ਹੁੰਦਾ ਹੈ। ਮੈਨੂੰ ਨਹੀਂ ਪਤਾ ਕਿ ਕਿਹੜਾ ਸੰਸਕਰਣ...

ਏ ਟੀ: - ਰਿਪਲੀਕਾ ਸੈੱਟ ਵਿੱਚ ਤੁਸੀਂ ਗੈਰ-ਵੋਟਿੰਗ ਮੈਂਬਰ ਚਲਾ ਸਕਦੇ ਹੋ, ਪਰ ਵੱਧ ਤੋਂ ਵੱਧ 7 ਵੋਟਿੰਗ ਮੈਂਬਰ ਹਨ। ਜੇਕਰ ਸਾਡਾ ਰਿਪਲੀਕਾ ਸੈੱਟ 3 ਡਾਟਾ ਸੈਂਟਰਾਂ ਵਿੱਚ ਫੈਲਿਆ ਹੋਇਆ ਹੈ ਤਾਂ ਅਸੀਂ ਇਸ ਮਾਮਲੇ ਵਿੱਚ ਬੰਦ ਹੋਣ ਤੋਂ ਕਿਵੇਂ ਬਚ ਸਕਦੇ ਹਾਂ? ਇੱਕ ਡਾਟਾ ਸੈਂਟਰ ਆਸਾਨੀ ਨਾਲ ਬੰਦ ਹੋ ਸਕਦਾ ਹੈ, ਅਤੇ ਦੂਜੀ ਮਸ਼ੀਨ ਡਿੱਗ ਸਕਦੀ ਹੈ।

MT: - ਇਹ ਪਹਿਲਾਂ ਹੀ ਰਿਪੋਰਟ ਦੇ ਦਾਇਰੇ ਤੋਂ ਥੋੜਾ ਬਾਹਰ ਹੈ। ਇਹ ਇੱਕ ਆਮ ਸਵਾਲ ਹੈ. ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਮੈਂ ਤੁਹਾਨੂੰ ਇਸ ਬਾਰੇ ਬਾਅਦ ਵਿੱਚ ਦੱਸ ਸਕਾਂ।

ਕੁਝ ਵਿਗਿਆਪਨ 🙂

ਸਾਡੇ ਨਾਲ ਰਹਿਣ ਲਈ ਤੁਹਾਡਾ ਧੰਨਵਾਦ। ਕੀ ਤੁਹਾਨੂੰ ਸਾਡੇ ਲੇਖ ਪਸੰਦ ਹਨ? ਹੋਰ ਦਿਲਚਸਪ ਸਮੱਗਰੀ ਦੇਖਣਾ ਚਾਹੁੰਦੇ ਹੋ? ਆਰਡਰ ਦੇ ਕੇ ਜਾਂ ਦੋਸਤਾਂ ਨੂੰ ਸਿਫਾਰਸ਼ ਕਰਕੇ ਸਾਡਾ ਸਮਰਥਨ ਕਰੋ, $4.99 ਤੋਂ ਡਿਵੈਲਪਰਾਂ ਲਈ ਕਲਾਉਡ VPS, ਪ੍ਰਵੇਸ਼-ਪੱਧਰ ਦੇ ਸਰਵਰਾਂ ਦਾ ਇੱਕ ਵਿਲੱਖਣ ਐਨਾਲਾਗ, ਜਿਸਦੀ ਖੋਜ ਸਾਡੇ ਦੁਆਰਾ ਤੁਹਾਡੇ ਲਈ ਕੀਤੀ ਗਈ ਸੀ: VPS (KVM) E5-2697 v3 (6 ਕੋਰ) 10GB DDR4 480GB SSD 1Gbps ਤੋਂ $19 ਜਾਂ ਸਰਵਰ ਨੂੰ ਕਿਵੇਂ ਸਾਂਝਾ ਕਰਨਾ ਹੈ ਬਾਰੇ ਪੂਰੀ ਸੱਚਾਈ? (RAID1 ਅਤੇ RAID10 ਦੇ ਨਾਲ ਉਪਲਬਧ, 24 ਕੋਰ ਤੱਕ ਅਤੇ 40GB DDR4 ਤੱਕ)।

ਡੈਲ R730xd ਐਮਸਟਰਡਮ ਵਿੱਚ ਈਕੁਇਨਿਕਸ ਟੀਅਰ IV ਡੇਟਾ ਸੈਂਟਰ ਵਿੱਚ 2 ਗੁਣਾ ਸਸਤਾ? ਇੱਥੇ ਹੀ 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 ਟੀਵੀ $199 ਤੋਂ ਨੀਦਰਲੈਂਡ ਵਿੱਚ! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 ਤੋਂ! ਬਾਰੇ ਪੜ੍ਹੋ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਕਾਰਪੋਰੇਸ਼ਨ ਕਿਵੇਂ ਬਣਾਇਆ ਜਾਵੇ ਡੇਲ R730xd E5-2650 v4 ਸਰਵਰਾਂ ਦੀ ਵਰਤੋਂ ਨਾਲ ਕਲਾਸ 9000 ਯੂਰੋ ਦੀ ਕੀਮਤ ਦੇ ਇੱਕ ਪੈਸੇ ਲਈ?

ਸਰੋਤ: www.habr.com