Seboka sa Habr ha se pale ea pele. Pejana, re ne re tšoara liketsahalo tse kholo tsa Toaster bakeng sa batho ba 300-400, empa joale re nkile qeto ea hore liboka tse nyane tsa sehlooho li tla ba tsa bohlokoa, tataiso eo u ka e behang, mohlala, litlhalosong. Seboka sa pele sa sebopeho sena se ile sa tšoaroa ka July 'me se ne se nehetsoe ho nts'etsopele ea backend. Barupeluoa ba mametse litlaleho tse mabapi le likarolo tsa phetoho ho tloha ka morao ho ea ho ML le ka moralo oa tšebeletso ea Quadrupel ho portal ea Litšebeletso tsa Naha, hape ba kenya letsoho tafoleng e chitja e nehetsoeng ho Serverless. Bakeng sa ba sa kang ba khona ho ba teng ketsahalong eo ka seqo, posong ena re u bolella lintho tse thahasellisang ka ho fetisisa.
Ho tloha ho nts'etsopele ea morao-rao ho ea ho thuto ea mochini
Baenjineri ba data ba etsa eng ho ML? Mesebetsi ea moqapi oa backend le moenjiniere oa ML e ts'oana ebile e fapane joang? Ke tsela efe eo u lokelang ho e nka ho fetola mosebetsi oa hau oa pele ho ea oa bobeli? Sena se ile sa bolelloa ke Alexander Parinov, ea ileng a kena thutong ea mochine ka mor'a lilemo tse 10 tsa mosebetsi oa backend.
Alexander Parinov
Kajeno Alexander o sebetsa e le setsebi sa litsamaiso tsa pono ea k'homphieutha ho X5 Retail Group mme o kenya letsoho mererong ea Open Source e amanang le pono ea k'homphieutha le thuto e tebileng (github.com/creafz). Tsebo ea hae e tiisitsoe ke ho kenya letsoho ha hae ho 100 e phahameng ea boemo ba lefats'e ea Kaggle Master (kaggle.com/creafz), sethala se tummeng ka ho fetisisa sa litlhōlisano tsa ho ithuta mochine.
Hobaneng o fetohela ho ho ithuta ka mochini
Selemong le halofo se fetileng, Jeff Dean, hlooho ea Google Brain, morero o tebileng oa ho ithuta oa Google o thehiloeng ho tsebo ea maiketsetso, o hlalositse kamoo mela ea halofo ea milione ho Google Translate e ileng ea nkeloa sebaka ke marang-rang a neural a Tensor Flow a nang le mela e 500 feela. Ka mor'a ho koetlisa marang-rang, boleng ba data bo ile ba eketseha 'me lisebelisoa tsa motheo tsa fetoha tse bonolo. Ho ka bonahala eka ena ke bokamoso ba rona bo khanyang: ha re sa tlameha ho ngola khoutu, ho lekane ho etsa li-neurons le ho li tlatsa ka data. Empa ts'ebetsong ntho e 'ngoe le e' ngoe e rarahane haholo.
ML ho Google
Marang-rang a Neural ke karolo e nyane feela ea meaho (sekoere se senyenyane se setšo setšoantšong se kaholimo). Litsamaiso tse ling tse ngata tse thusang li hlokahala ho fumana lintlha, ho li sebetsa, ho li boloka, ho hlahloba boleng, joalo-joalo, re hloka mekhoa ea motheo bakeng sa koetliso, ho kenya khoutu ea ho ithuta mochine tlhahiso, le ho hlahloba khoutu ena. Mesebetsi ena kaofela e tšoana hantle le seo baetsi ba backend ba se etsang.
Mokhoa oa ho ithuta ka mochini
Phapano ke efe lipakeng tsa ML le backend?
Lenaneong la khale, re ngola khoutu mme sena se laela boitšoaro ba lenaneo. Ho ML, re na le khoutu e nyane ea mohlala le lintlha tse ngata tseo re li lahlelang mohlala. Lintlha ho ML li bohlokoa haholo: mohlala o tšoanang o koetlisitsoeng ka lintlha tse fapaneng o ka bontša liphello tse fapaneng ka ho feletseng. Bothata ke hore data e batla e hasane ka linako tsohle le ho bolokoa lits'ebetsong tse fapaneng (li-database tsa likamano, li-database tsa NoSQL, li-log, lifaele).
Phetolelo ea data
ML ha e hloke ho fetolela khoutu feela, joalo ka nts'etsopele ea khale, empa hape le data: hoa hlokahala ho utloisisa ka ho hlaka hore na mohlala o koetliselitsoe eng. Ho etsa sena, o ka sebelisa laeborari e tsebahalang ea Data Science Version Control (dvc.org).
Khatiso ea data
Mosebetsi o latelang ke ho ngola data. Mohlala, tšoaea lintho tsohle tse setšoantšong kapa u bolele hore na ke ea sehlopha sefe. Sena se etsoa ke litšebeletso tse khethehileng tse kang Yandex.Toloka, mosebetsi o nolofalitsoeng haholo ke ho ba teng ha API. Mathata a hlaha ka lebaka la "ntlha ea motho": o ka ntlafatsa boleng ba data le ho fokotsa liphoso bonyane ka ho beha mosebetsi o tšoanang ho baetsi ba 'maloa.
Pono ea pono ho Tensor Board
Ho rengoa ha liteko hoa hlokahala ho bapisa liphetho le ho khetha mohlala o motle ho ipapisitsoe le metrics e itseng. Ho na le sete e kholo ea lisebelisoa tsa pono - mohlala, Tensor Board. Empa ha ho na mekhoa e metle ea ho boloka liteko. Likhamphani tse nyane hangata li etsa sephutheloana sa Excel, ha tse kholo li sebelisa sethala se ikhethileng bakeng sa ho boloka sephetho polokelong ea litaba.
Ho na le liforomo tse ngata tsa ho ithuta ka mochini, empa ha ho le e 'ngoe ea tsona e koahelang 70% ea litlhoko
Bothata ba pele boo motho a lokelang ho tobana le bona ha a beha mohlala o koetlisitsoeng tlhahisong bo amana le sesebelisoa se ratoang sa bo-rasaense ba data - Jupyter Notebook. Ha ho na modularity ho eona, ke hore, tlhahiso ke "lesela la leoto" la khoutu le sa arotsoeng ka likotoana tse utloahalang - li-module. Ntho e 'ngoe le e' ngoe e kopane: lihlopha, mesebetsi, litlhophiso, joalo-joalo Khoutu ena e thata ho e fetolela le ho e hlahloba.
Joang ho sebetsana le see? U ka itokolla, joalo ka Netflix, 'me u iketsetse sethala sa hau se u lumellang ho qala lilaptop tsena ka kotloloho tlhahiso, fetisetsa data ho tsona joalo ka ho kenya letsoho le ho fumana liphetho. U ka qobella bahlahisi ba ntseng ba kenya mohlala ho hlahisa hore ba ngole khoutu ka tloaelo, ba e arole ka li-module. Empa ka mokhoa ona ho bonolo ho etsa phoso, 'me mohlala o ke ke oa sebetsa joalokaha o rerile. Ka hona, khetho e nepahetseng ke ho thibela tšebeliso ea Jupyter Notebook bakeng sa khoutu ea mohlala. Haeba, ha e le hantle, bo-rasaense ba data ba lumellana le sena.
Mohlala joaloka lebokose le letšo
Tsela e bonolo ka ho fetisisa ea ho fumana mohlala ho hlahisa ke ho e sebelisa e le lebokose le letšo. U na le mofuta o mong oa sehlopha sa mohlala, u fuoe litekanyo tsa mohlala (litekanyetso tsa li-neurone tsa marang-rang a koetlisitsoeng), 'me haeba u ka qala sehlopha sena (bitsa mokhoa oa ho bolela esale pele, fepa setšoantšo), u tla fumana ntho e itseng. ho bolela esale pele joalo ka tlhahiso. Se etsahalang ka hare ha se na taba.
Arola mokhoa oa seva ka mohlala
U ka boela ua phahamisa ts'ebetso e itseng e arohaneng 'me ua e romela ka mokoloko oa RPC (ka litšoantšo kapa lintlha tse ling tsa mohloli. Re tla fumana likhakanyo.
Mohlala oa ho sebelisa mohlala ho Flask:
@app.route("/predict", methods=["POST"])
def predict():
image = flask.request.files["image"].read()
image = preprocess_image(image)
predictions = model.predict(image)
return jsonify_prediction(predictions)
Bothata ba mokhoa ona ke moeli oa ts'ebetso. Ha re re re na le khoutu ea Phyton e ngotsoeng ke bo-rasaense ba data e liehang, 'me re batla ho hlahisa ts'ebetso e phahameng. Ho etsa sena, o ka sebelisa lisebelisoa tse fetolelang khoutu hore e be ea matsoalloa kapa e e fetole hore e be moralo o mong o etselitsoeng tlhahiso. Ho na le lisebelisoa tse joalo bakeng sa moralo o mong le o mong, empa ha ho na tse loketseng; u tla tlameha ho li eketsa ka bouena.
Mehaho ea motheo ea ML e tšoana le ea morao-rao e tloaelehileng. Ho na le Docker le Kubernetes, feela bakeng sa Docker u hloka ho kenya nako ea ho sebetsa ho tsoa ho NVIDIA, e lumellang lits'ebetso ka har'a setshelo ho fihlella likarete tsa video ho moamoheli. Kubernetes e hloka plugin e le hore e tsebe ho laola li-server ka likarete tsa video.
Ho fapana le mananeo a khale, tabeng ea ML ho na le lintho tse ngata tse fapaneng tse tsamaeang mohahong oa motheo tse hlokang ho hlahlojoa le ho lekoa - mohlala, khoutu ea ts'ebetso ea data, pipeline ea koetliso ea mohlala le tlhahiso (sheba setšoantšo se ka holimo). Ho bohlokoa ho lekola khoutu e kopanyang likarolo tse fapaneng tsa liphaephe: ho na le likotoana tse ngata, 'me mathata a atisa ho hlaha meeling ea mojulu.
Kamoo AutoML e sebetsang kateng
Litšebeletso tsa AutoML li tšepisa ho khetha mofuta o nepahetseng bakeng sa merero ea hau le ho o koetlisa. Empa o hloka ho utloisisa: data e bohlokoa haholo ho ML, sephetho se ipapisitse le tokisetso ea eona. Markup e etsoa ke batho, e tletseng liphoso. Ntle le taolo e thata, phello e ka ba litšila, 'me ha ho e-so khonehe ho iketsetsa ts'ebetso; netefatso ea litsebi - bo-rasaense ba data - ea hlokahala. Mona ke moo AutoML e senyehang teng. Empa e ka ba molemo bakeng sa ho khetha meralo ea meralo - ha o se o lokisitse data mme o batla ho etsa letoto la liteko ho fumana mohlala o motle ka ho fetisisa.
Mokhoa oa ho kena thutong ea mochini
Tsela e bonolo ka ho fetisisa ea ho kena ho ML ke haeba u hlahisa Python, e sebelisoang ho mekhoa eohle e tebileng ea ho ithuta (le mekhoa e tloaelehileng). Puo ena e batla e le tlamo bakeng sa mosebetsi ona. C ++ e sebelisetsoa mesebetsi e meng ea pono ea k'homphieutha, mohlala, tsamaisong ea ho laola likoloi tse itsamaisang. JavaScript le Shell - bakeng sa pono le lintho tse makatsang joalo ka ho tsamaisa neuron ho sebatli. Java le Scala li sebelisoa ha ho sebetsa le Big Data le ho ithuta ka mochini. R le Julia ba ratoa ke batho ba ithutang lipalo-palo tsa lipalo.
Mokhoa o bonolo ka ho fetesisa oa ho fumana boiphihlelo ba ho qala ke ho Kaggle; ho nka karolo ho e 'ngoe ea litlholisano tsa sethala ho fana ka nako e fetang selemo ea thuto ea theory. Sethaleng sena u ka nka khoutu ea motho e mong e behiloeng le ho fana ka maikutlo 'me u leke ho e ntlafatsa, ho e ntlafatsa molemong oa hau. Bonase - boemo ba hau ba Kaggle bo ama moputso oa hau.
Khetho e 'ngoe ke ho ikopanya le sehlopha sa ML joalo ka moqapi oa backend. Ho na le li-startups tse ngata tsa ho ithuta ka mochini moo u ka fumanang boiphihlelo ka ho thusa basebetsi-'moho le uena ho rarolla mathata a bona. Qetellong, o ka ikopanya le e 'ngoe ea sechaba sa bo-rasaense ba data - Open Data Science (ods.ai) le tse ling.
Sebui se kentse lintlha tse eketsehileng mabapi le sehlooho sehokelong
"Quadrupel" - tšebeletso ea litsebiso tse lebisitsoeng tsa "State Services" portal
Evgeny Smirnov
Sebui se latelang e ne e le hlooho ea lefapha la ntlafatso ea litšebeletso tsa motheo tsa e-government, Evgeny Smirnov, ea ileng a bua ka Quadruple. Ena ke ts'ebeletso ea tsebiso e lebisitsoeng ho portal ea Gosuslugi (gosuslugi.ru), mohloli oa mmuso o eteloang haholo ho Runet. Bamameli ba letsatsi le leng le le leng ke limilione tse 2,6, ka kakaretso ho na le basebelisi ba ngolisitsoeng ba limilione tse 90 setšeng, bao limilione tse 60 tsa bona li tiisitsoeng. Mojaro ho portal API ke likete tse 30 tsa RPS.
Theknoloji e sebelisoang ka morao ea Litšebeletso tsa Naha
"Quadrupel" ke ts'ebeletso ea tsebiso e lebisitsoeng, ka thuso eo mosebelisi a fumanang tlhahiso ea tšebeletso ka nako e loketseng ka ho fetisisa bakeng sa hae ka ho theha melao e khethehileng ea tsebiso. Litlhoko tsa mantlha ha ho etsoa ts'ebeletso e ne e le litlhophiso tse feto-fetohang le nako e lekaneng ea ho romella mangolo.
Quadrupel e sebetsa joang?
Setšoantšo se ka holimo se bontša e 'ngoe ea melao ea ts'ebetso ea Quadrupel e sebelisang mohlala oa boemo bo nang le tlhokahalo ea ho khutlisa lengolo la ho khanna. Taba ea pele, ts'ebeletso e batla basebelisi bao letsatsi la bona la ho felloa ke nako le fellang ka khoeli. Ba bontšoa banner e nang le tlhahiso ea ho fumana tšebeletso e loketseng 'me molaetsa o romelloa ka imeile. Bakeng sa basebelisi bao nako ea bona ea nako e seng e felile, banner le lengolo-tsoibila lia fetoha. Ka mor'a phapanyetsano e atlehileng ea litokelo, mosebedisi o fumana litsebiso tse ling - ka tlhahiso ea ho ntlafatsa lintlha tsa boitsebiso.
Ho latela pono ea tekheniki, tsena ke lingoloa tsa groovy tseo khoutu e ngotsoeng ho tsona. Kenyelletso ke data, tlhahiso ke 'nete / bohata, e tsamaellana / ha e lumellane. Ho na le melao e fetang 50 ka kakaretso - ho tloha ho khetholla letsatsi la tsoalo la mosebelisi (letsatsi la hajoale le lekana le letsatsi la tsoalo la mosebelisi) ho isa maemong a thata. Letsatsi le leng le le leng, melao ena e khetholla lipapali tse ka bang milione—batho ba hlokang ho tsebisoa.
Manane a tsebiso a Quadrupel
Tlas'a hood ea Quadrupel ho na le database moo data ea mosebelisi e bolokiloeng teng, le lits'ebetso tse tharo:
- Mosebetsi e reretsoeng ho nchafatsa data.
- Phomolo API e nka le ho isa li-banner ka boeona ho portal le mobile application.
- Scheduler e qala mosebetsi oa ho bala li-banner kapa mangolo a mangata.
Ho ntlafatsa data, backend e tsamaisoa ke ketsahalo. Li-interfaces tse peli - phomolo kapa JMS. Ho na le liketsahalo tse ngata; pele ho boloka le ho sebetsa, li kopantsoe hore li se ke tsa etsa likopo tse sa hlokahaleng. Database ka boeona, tafole eo data e bolokiloeng ho eona, e shebahala joaloka lebenkele la bohlokoa - senotlolo sa mosebedisi le boleng ka boeona: lifolakha tse bontšang ho ba teng kapa ho ba sieo ha litokomane tse amehang, nako ea bona ea ho nepahala, lipalo-palo tse kopantsoeng ka tatellano ea litšebeletso ka mosebelisi enoa, joalo-joalo.
Ka mor'a ho boloka data, mosebetsi o behoa ho JMS e le hore li-banner li khutlisetsoe hang-hang - sena se tlameha ho hlahisoa hang-hang ho web. Sistimi e qala bosiu: mesebetsi e lahleloa ka har'a JMS ka linako tse ling tsa basebelisi, ho latela melao eo e lokelang ho baloa hape. Sena se nkuoa ke li-processor tse kentsoeng ho bala hape. Ka mor'a moo, liphetho tsa ts'ebetso li ea moleng o latelang, o bolokang li-banner sebakeng sa polokelo ea litaba kapa o romela mesebetsi ea litsebiso tsa basebelisi tšebeletsong. Ts'ebetso e nka lihora tse 5-7, e ka senyeha habonolo ka lebaka la hore u ka lula u eketsa li-handers kapa ua phahamisa maemo ka batšoantšisi ba bacha.
Tšebeletso e sebetsa hantle haholo. Empa boholo ba data bo ntse bo eketseha kaha ho na le basebelisi ba bangata. Sena se lebisa ho eketseha ha mojaro ho database - esita le ho ela hloko taba ea hore API ea Phomolo e sheba setšoantšo. Ntlha ea bobeli ke JMS, eo, joalokaha e ile ea bonahala, e sa tšoanelehe haholo ka lebaka la tšebeliso ea eona e phahameng ea mohopolo. Ho na le kotsi e kholo ea ho phalla ha mela e bakang hore JMS e oele le ho emisa ho sebetsa. Ho ke ke ha khoneha ho phahamisa JMS ka mor'a sena ntle le ho hlakola lifate.
Ho reriloe ho rarolla mathata ka ho sebelisa sharding, e tla lumella ho leka-lekanya mojaro ho database. Hape ho na le merero ea ho fetola leano la polokelo ea data, le ho fetola JMS ho Kafka - tharollo e mamellang liphoso e tla rarolla mathata a mohopolo.
Backend-as-a-Service Vs. E se nang seva
Ho tloha ka ho le letšehali ho ea ho le letona: Alexander Borgart, Andrey Tomilenko, Nikolay Markov, Ara Israelyan
Backend e le tšebeletso kapa Serverless tharollo? Barupeluoa lipuisanong tsa taba ena e hatellang tafoleng e potolohileng e ne e le:
- Ara Israelyan, CTO CTO le mothehi oa Scorocode.
- Nikolay Markov, Moenjiniere e Moholo oa Boitsebiso ho Sehlopha sa Lipatlisiso sa Aligned.
- Andrey Tomilenko, hlooho ea lefapha la nts'etsopele ea RUVDS.
Puisano e ne e laoloa ke moqapi ea phahameng Alexander Borgart. Re hlahisa litsekisano tseo bamameli le bona ba ileng ba kenya letsoho phetolelong e khutsufalitsoeng.
— Serverless ke eng kutloisisong ea hau?
Andrei: Ena ke mohlala oa computing - mosebetsi oa Lambda o lokelang ho sebetsana le data e le hore sephetho se itšetlehe feela ka data. Lentsoe lena le tsoa ho Google kapa ho tsoa Amazon le ts'ebeletso ea eona ea AWS Lambda. Ho bonolo ho mofani ho sebetsana le mosebetsi o joalo ka ho fana ka letamo la bokhoni bakeng sa eona. Basebelisi ba fapaneng ba ka ikarabella ka boikemelo ho li-server tse tšoanang.
Nikolai: Ho bua ka mokhoa o bonolo, re fetisetsa karolo e 'ngoe ea lisebelisoa tsa rona tsa IT le mekhoa ea khoebo ho cloud, ho ea ho tsoa.
Macaw: Ka lehlakoreng la bahlahisi - boiteko bo botle ba ho boloka lisebelisoa, ka lehlakoreng la barekisi - ho fumana chelete e ngata.
- Na Serverless e tšoana le li-microservices?
Nikolai: Che, Serverless ke mokhatlo o mong oa meralo ea meralo. Microservice ke karolo ea athomo ea mohopolo o itseng. Serverless ke mokhoa oa ho atamela, eseng "mokhatlo o arohaneng."
Macaw: Ts'ebetso ea Serverless e ka kenngoa ka har'a microservice, empa sena ha se sa tla hlola se se na Serverless, se tla khaotsa ho ba mosebetsi oa Lambda. Ho Serverless, ts'ebetso e qala feela ho sebetsa hang ha e kopuoa.
Andrei: Li fapane bophelong ba tsona. Re tsebisitse tšebetso ea Lambda mme ra e lebala. E sebelitse metsotsoana e 'maloa,' me moreki ea latelang a ka sebetsana le kopo ea hae mochining o mong oa 'mele.
— Ke sekala sefe se betere?
Macaw: Ha u phahamisa ka holimo, mesebetsi ea Lambda e sebetsa ka mokhoa o ts'oanang le microservices.
Nikolai: Ho sa tsotellehe hore na u beha likopi tse kae, ho tla ba le tse ngata tsa tsona; Serverless ha e na mathata a ho lekanya. Ke entse replica sete ho Kubernetes, ka tsebisa linyeoe tse 20 "kae-kae", 'me lihokelo tse 20 tse sa tsejoeng li khutliselitsoe ho uena. Tsoela Pele!
- Na hoa khoneha ho ngola backend ka Serverless?
Andrei: Ka khopolo, empa ha ho utloahale. Mesebetsi ea Lambda e tla itšetleha ka polokelo e le 'ngoe - re hloka ho netefatsa tiiso. Ka mohlala, haeba mosebedisi a entse transaction e itseng, joale nakong e tlang ha a ikopanya o lokela ho bona: transaction e entsoe, lichelete li nkiloe. Mesebetsi eohle ea Lambda e tla thibela mohala ona. Ha e le hantle, sehlopha sa mesebetsi ea Serverless se tla fetoha ts'ebeletso e le 'ngoe e nang le sebaka se le seng sa ho kena ha botlolo ho database.
- Ke maemong afe moo ho utloahalang ho sebelisa meaho e se nang seva?
Andrei: Mesebetsi e sa hlokeng polokelo e arolelanoang - merafo e tšoanang, blockchain. Moo o hlokang ho bala haholo. Haeba u na le matla a mangata a k'homphieutha, joale u ka hlalosa mosebetsi o kang "bala hash ea ntho e teng moo ..." Empa u ka rarolla bothata ka polokelo ea data ka ho nka, mohlala, mesebetsi ea Lambda ho tloha Amazon le polokelo ea bona e ajoang. . 'Me hoa etsahala hore u ngola tšebeletso e tloaelehileng. Mesebetsi ea Lambda e tla fihlella polokelo mme e fane ka karabelo ea mofuta o itseng ho mosebelisi.
Nikolai: Lijana tse sebetsang ho Serverless li na le lisebelisoa tse fokolang haholo. Ho na le mohopolo o fokolang le tse ling tsohle. Empa haeba lisebelisoa tsohle tsa hau li sebelisoa ka ho feletseng lerung le itseng - Google, Amazon - 'me u na le konteraka e sa feleng le bona, ho na le tekanyetso ea sena sohle, joale bakeng sa mesebetsi e meng u ka sebelisa lijana tsa Serverless. Hoa hlokahala ho ba ka hare ho lisebelisoa tsena, hobane ntho e 'ngoe le e' ngoe e etselitsoe ho sebelisoa sebakeng se itseng. Ke hore, haeba u se u itokiselitse ho tlama ntho e 'ngoe le e' ngoe ho lisebelisoa tsa maru, u ka leka. Molemo ke hore ha ho hlokahale hore u tsamaise lisebelisoa tsena.
Macaw: Taba ea hore Serverless ha e hloke hore u laole Kubernetes, Docker, kenya Kafka, joalo-joalo ke ho ithetsa. Tsona Amazon le Google li kenya sena. Ntho e 'ngoe ke hore u na le SLA. U ka boela ua fana ka ntho e 'ngoe le e' ngoe ho e-na le ho e ngolisa ka bouena.
Andrei: Serverless ka boeona e theko e tlaase, empa u tlameha ho lefa haholo bakeng sa litšebeletso tse ling tsa Amazon - ka mohlala, database. Batho ba se ba ba qositse hobane ba lefisitse chelete e ngata ea bohlanya bakeng sa heke ea API.
Macaw: Haeba re bua ka chelete, joale u lokela ho ela hloko ntlha ena: u tla tlameha ho fetola mokhoa oohle oa nts'etsopele k'hamphaning ea 180 degrees e le hore u fetisetse khoutu eohle ho Serverless. Sena se tla nka nako le chelete e ngata.
- Na ho na le mekhoa e meng e loketseng ea ho lefa Serverless ho tsoa ho Amazon le Google?
Nikolai: Ho Kubernetes, o qala mofuta o itseng oa mosebetsi, oa sebetsa ebe oa shoa - sena ha se na Serverless ho latela pono ea meralo. Haeba u batla ho theha logic e khahlisang ea khoebo ka mela le li-database, joale u hloka ho nahana haholoanyane ka eona. Sena sohle se ka rarolloa ntle le ho tloha Kubernetes. Ke ne nke ke ka itšoenye ho hula ts'ebetsong e eketsehileng.
- Ho bohlokoa hakae ho beha leihlo se etsahalang ho Serverless?
Macaw: E ipapisitse le meralo ea sistimi le litlhoko tsa khoebo. Ha e le hantle, mofani oa thepa o tlameha ho fana ka tlaleho e tla thusa sehlopha sa devops ho utloisisa mathata a ka bang teng.
Nikolai: Amazon e na le CloudWatch, moo lits'oants'o tsohle li tsamaisoang teng, ho kenyelletsa le tse tsoang ho Lambda. Kopanya ho fetisoa ha log 'me u sebelise sesebelisoa se arohaneng bakeng sa ho shebella, ho lemosa, joalo-joalo. U ka kenya liakhente ka har'a lijana tseo u li qalang.
- Ha re e akaretsa.
Andrei: Ho nahana ka mesebetsi ea Lambda ho molemo. Haeba u iketsetsa tšebeletso u le mong - eseng microservice, empa e ngolang kopo, e fihlella database mme e romela karabo - mosebetsi oa Lambda o rarolla mathata a mangata: ka ho bala ka bongata, scalability, joalo-joalo. Haeba mohopolo oa hau o hahiloe ka tsela ena, nakong e tlang o tla khona ho fetisetsa li-Lambda tsena ho li-microservices kapa ho sebelisa lits'ebeletso tsa motho oa boraro joalo ka Amazon. Theknoloji e na le thuso, mohopolo oa thahasellisa. Hore na e nepahetse hakae bakeng sa khoebo e ntse e le potso e bulehileng.
Nikolay: Serverless e sebelisoa hamolemo bakeng sa mesebetsi ea ts'ebetso ho feta ho bala lintlha tse itseng tsa khoebo. Ke lula ke e nahana e le ts'ebetso ea liketsahalo. Haeba u na le eona ho Amazon, haeba u Kubernetes, ho joalo. Ho seng joalo, u tla tlameha ho etsa boiteko bo matla ho fumana Serverless le ho sebetsa u le mong. Hoa hlokahala ho sheba nyeoe e itseng ea khoebo. Mohlala, e 'ngoe ea mesebetsi ea ka hona joale ke: ha lifaele li hlaha ho disk ka sebopeho se itseng, ke hloka ho li kenya Kafka. Nka sebelisa WatchDog kapa Lambda. Ho ea ka pono e utloahalang, likhetho tse peli li loketse, empa mabapi le ts'ebetsong, Serverless e rarahane haholoanyane, 'me ke khetha tsela e bonolo, ntle le Lambda.
Macaw: Serverless ke mohopolo o khahlisang, o sebetsang, hape o motle haholo ka botekgeniki. Haufinyane, theknoloji e tla fihla moo tšebetso efe kapa efe e tla hlahisoa ka tlase ho 100 milliseconds. Joale, ha e le hantle, ho ke ke ha e-ba le potso ea hore na nako ea ho leta e bohlokoa ho mosebedisi. Ka nako e ts'oanang, ho sebetsa ha Serverless, joalokaha basebetsi-'moho ba se ba boletse, ka ho feletseng ho itšetlehile ka bothata ba khoebo.
Re leboha batšehetsi ba rona ba re thusitseng haholo:
- Sebaka sa kopano ea IT «»bakeng sa sebaka sa kopano.
- Khalendara ea liketsahalo tsa IT le khatiso "» bakeng sa tšehetso ea tlhahisoleseling le litaba.
- «"bakeng sa limpho.
- bakeng sa popo mmoho.
- "Mokhatlo oa Lipuisano tsa Elektronike" bakeng sa ho kenya letsoho le boiphihlelo.
- Motšehetsi ea ka sehloohong - bakeng sa bohle!
Source: www.habr.com