మైక్రోసర్వీస్ ఆర్కిటెక్చర్, ఈ ప్రపంచంలోని ప్రతిదీ వలె, దాని లాభాలు మరియు నష్టాలు ఉన్నాయి. కొన్ని ప్రక్రియలు దానితో సులభంగా మారతాయి, మరికొన్ని కష్టతరమవుతాయి. మరియు మార్పు వేగం మరియు మెరుగైన స్కేలబిలిటీ కొరకు, మీరు త్యాగం చేయాలి. వాటిలో ఒకటి విశ్లేషణల యొక్క పెరుగుతున్న సంక్లిష్టత. ఒక మోనోలిత్‌లో అన్ని కార్యాచరణ విశ్లేషణలను SQL ప్రశ్నలకు విశ్లేషణాత్మక ప్రతిరూపంగా తగ్గించగలిగితే, మల్టీసర్వీస్ ఆర్కిటెక్చర్‌లో ప్రతి సేవకు దాని స్వంత డేటాబేస్ ఉంటుంది మరియు ఒక ప్రశ్నను చేయలేము (లేదా బహుశా అది చేయగలదా?). మా కంపెనీలో కార్యాచరణ విశ్లేషణల సమస్యను మేము ఎలా పరిష్కరించాము మరియు ఈ పరిష్కారంతో జీవించడం ఎలా నేర్చుకున్నాము అనే ఆసక్తి ఉన్నవారికి - స్వాగతం.

నా పేరు పావెల్ శివాష్, డొమ్‌క్లిక్‌లో నేను విశ్లేషణాత్మక డేటా గిడ్డంగిని నిర్వహించే బాధ్యత కలిగిన బృందంలో పని చేస్తున్నాను. సాంప్రదాయకంగా, మా కార్యకలాపాలను డేటా ఇంజనీరింగ్‌గా వర్గీకరించవచ్చు, కానీ, వాస్తవానికి, పనుల పరిధి చాలా విస్తృతమైనది. డేటా ఇంజనీరింగ్ కోసం ETL/ELT ప్రమాణాలు ఉన్నాయి, డేటా విశ్లేషణ మరియు మీ స్వంత సాధనాల అభివృద్ధి కోసం సాధనాల మద్దతు మరియు అనుసరణ. ప్రత్యేకించి, కార్యాచరణ రిపోర్టింగ్ కోసం, మేము ఒక ఏకశిలాను కలిగి ఉన్నామని మరియు విశ్లేషకులకు అవసరమైన మొత్తం డేటాను కలిగి ఉన్న ఒక డేటాబేస్ను అందించాలని మేము "నటించాలని" నిర్ణయించుకున్నాము.

సాధారణంగా, మేము వివిధ ఎంపికలను పరిగణించాము. పూర్తి స్థాయి రిపోజిటరీని నిర్మించడం సాధ్యమైంది - మేము కూడా ప్రయత్నించాము, కానీ, నిజం చెప్పాలంటే, రిపోజిటరీని నిర్మించడం మరియు దానిలో మార్పులు చేయడం (ఎవరైనా విజయవంతమైతే) నెమ్మదిగా జరిగే ప్రక్రియతో తర్కంలో చాలా తరచుగా మార్పులను కలపలేకపోయాము. , ఎలా అని వ్యాఖ్యలలో వ్రాయండి). విశ్లేషకులకు ఇలా చెప్పడం సాధ్యమైంది: “అబ్బాయిలు, పైథాన్ నేర్చుకోండి మరియు విశ్లేషణాత్మక ప్రతిరూపాలకు వెళ్లండి,” కానీ ఇది రిక్రూట్‌మెంట్ కోసం అదనపు అవసరం మరియు వీలైతే దీనిని నివారించాలని అనిపించింది. మేము FDW (ఫారిన్ డేటా ర్యాపర్) సాంకేతికతను ఉపయోగించడానికి ప్రయత్నించాలని నిర్ణయించుకున్నాము: ముఖ్యంగా, ఇది ఒక ప్రామాణిక dblink, ఇది SQL ప్రమాణంలో ఉంది, కానీ దాని స్వంత చాలా అనుకూలమైన ఇంటర్‌ఫేస్‌తో. దాని ఆధారంగా, మేము ఒక పరిష్కారాన్ని తయారు చేసాము, అది చివరికి పట్టుకుంది మరియు మేము దానిపై స్థిరపడ్డాము. దీని వివరాలు ఒక ప్రత్యేక కథనం యొక్క అంశం మరియు బహుశా ఒకటి కంటే ఎక్కువ, నేను చాలా గురించి మాట్లాడాలనుకుంటున్నాను: డేటాబేస్ స్కీమాలను సమకాలీకరించడం నుండి వ్యక్తిగత డేటా నియంత్రణ మరియు వ్యక్తిగతీకరణను యాక్సెస్ చేయడం వరకు. ఈ పరిష్కారం నిజమైన విశ్లేషణాత్మక డేటాబేస్‌లు మరియు రిపోజిటరీలకు ప్రత్యామ్నాయం కాదని రిజర్వేషన్ చేయడం కూడా అవసరం; ఇది ఒక నిర్దిష్ట సమస్యను మాత్రమే పరిష్కరిస్తుంది.

ఎగువ స్థాయిలో ఇది ఇలా కనిపిస్తుంది:

వినియోగదారులు వారి పని డేటాను నిల్వ చేయగల PostgreSQL డేటాబేస్ ఉంది మరియు ముఖ్యంగా, అన్ని సేవల యొక్క విశ్లేషణాత్మక ప్రతిరూపాలు FDW ద్వారా ఈ డేటాబేస్కు కనెక్ట్ చేయబడ్డాయి. ఇది అనేక డేటాబేస్‌లకు ప్రశ్నను వ్రాయడం సాధ్యం చేస్తుంది మరియు అది ఏది పట్టింపు లేదు: PostgreSQL, MySQL, MongoDB లేదా మరేదైనా (ఫైల్, API, అకస్మాత్తుగా తగిన రేపర్ లేనట్లయితే, మీరు మీ స్వంతంగా వ్రాయవచ్చు). బాగా, ప్రతిదీ గొప్పగా అనిపిస్తుంది! మనం విడిపోతున్నామా?

ప్రతిదీ చాలా త్వరగా మరియు సరళంగా ముగిసినట్లయితే, బహుశా, ఒక వ్యాసం ఉండదు.

పోస్ట్‌గ్రెస్ రిమోట్ సర్వర్‌లకు అభ్యర్థనలను ఎలా ప్రాసెస్ చేస్తుందో స్పష్టంగా తెలుసుకోవడం ముఖ్యం. ఇది తార్కికంగా అనిపిస్తుంది, కానీ తరచుగా ప్రజలు దీనిపై శ్రద్ధ చూపరు: పోస్ట్‌గ్రెస్ రిమోట్ సర్వర్‌లలో స్వతంత్రంగా అమలు చేయబడిన భాగాలుగా అభ్యర్థనను విభజిస్తుంది, ఈ డేటాను సేకరిస్తుంది మరియు తుది గణనలను నిర్వహిస్తుంది, కాబట్టి ప్రశ్న అమలు వేగం ఎక్కువగా ఆధారపడి ఉంటుంది అది ఎలా వ్రాయబడింది. ఇది కూడా గమనించాలి: రిమోట్ సర్వర్ నుండి డేటా వచ్చినప్పుడు, అది ఇకపై సూచికలను కలిగి ఉండదు, షెడ్యూలర్‌కు సహాయం చేసేది ఏమీ లేదు, కాబట్టి, మనం మాత్రమే అతనికి సహాయం చేయగలము మరియు సలహా ఇవ్వగలము. మరియు నేను మరింత వివరంగా మాట్లాడాలనుకుంటున్నాను.

ఒక సాధారణ ప్రశ్న మరియు దానితో ఒక ప్రణాళిక

రిమోట్ సర్వర్‌లో 6 మిలియన్ల వరుస పట్టికను పోస్ట్‌గ్రెస్ ఎలా ప్రశ్నిస్తుందో చూపించడానికి, ఒక సాధారణ ప్లాన్‌ని చూద్దాం.

explain analyze verbose  
SELECT count(1)
FROM fdw_schema.table;

Aggregate  (cost=418383.23..418383.24 rows=1 width=8) (actual time=3857.198..3857.198 rows=1 loops=1)
  Output: count(1)
  ->  Foreign Scan on fdw_schema."table"  (cost=100.00..402376.14 rows=6402838 width=0) (actual time=4.874..3256.511 rows=6406868 loops=1)
        Output: "table".id, "table".is_active, "table".meta, "table".created_dt
        Remote SQL: SELECT NULL FROM fdw_schema.table
Planning time: 0.986 ms
Execution time: 3857.436 ms

VERBOSE స్టేట్‌మెంట్‌ని ఉపయోగించడం వలన రిమోట్ సర్వర్‌కు పంపబడే ప్రశ్నను మరియు తదుపరి ప్రాసెసింగ్ కోసం మేము అందుకునే ఫలితాలను (RemoteSQL లైన్) చూడటానికి అనుమతిస్తుంది.

కొంచెం ముందుకు వెళ్లి, మా అభ్యర్థనకు అనేక ఫిల్టర్‌లను జోడిద్దాం: ఒకటి బూలియన్ క్షేత్రం, ఒకటి సంభవించినది స్టాంప్ విరామం మరియు ఒక ద్వారా jsonb.

explain analyze verbose
SELECT count(1)
FROM fdw_schema.table 
WHERE is_active is True
AND created_dt BETWEEN CURRENT_DATE - INTERVAL '7 month' 
AND CURRENT_DATE - INTERVAL '6 month'
AND meta->>'source' = 'test';

Aggregate  (cost=577487.69..577487.70 rows=1 width=8) (actual time=27473.818..25473.819 rows=1 loops=1)
  Output: count(1)
  ->  Foreign Scan on fdw_schema."table"  (cost=100.00..577469.21 rows=7390 width=0) (actual time=31.369..25372.466 rows=1360025 loops=1)
        Output: "table".id, "table".is_active, "table".meta, "table".created_dt
        Filter: (("table".is_active IS TRUE) AND (("table".meta ->> 'source'::text) = 'test'::text) AND ("table".created_dt >= (('now'::cstring)::date - '7 mons'::interval)) AND ("table".created_dt <= ((('now'::cstring)::date)::timestamp with time zone - '6 mons'::interval)))
        Rows Removed by Filter: 5046843
        Remote SQL: SELECT created_dt, is_active, meta FROM fdw_schema.table
Planning time: 0.665 ms
Execution time: 27474.118 ms

ప్రశ్నలు వ్రాసేటప్పుడు మీరు శ్రద్ధ వహించాల్సిన అంశం ఇక్కడే ఉంది. ఫిల్టర్‌లు రిమోట్ సర్వర్‌కు బదిలీ చేయబడలేదు, అంటే దాన్ని అమలు చేయడానికి, పోస్ట్‌గ్రెస్ స్థానికంగా ఫిల్టర్ చేయడానికి (ఫిల్టర్ రో) మరియు అగ్రిగేషన్ చేయడానికి మొత్తం 6 మిలియన్ అడ్డు వరుసలను తీసివేస్తుంది. ఫిల్టర్‌లు రిమోట్ మెషీన్‌కు బదిలీ చేయబడే విధంగా ప్రశ్నను వ్రాయడం విజయానికి కీలకం, మరియు మేము అవసరమైన వరుసలను మాత్రమే స్వీకరిస్తాము మరియు సమగ్రపరుస్తాము.

అది కొంత బూలియన్‌షిట్

బూలియన్ ఫీల్డ్‌లతో ప్రతిదీ చాలా సులభం. అసలు అభ్యర్థనలో, సమస్య ఆపరేటర్ కారణంగా ఉంది is. మీరు దాన్ని భర్తీ చేస్తే =, అప్పుడు మేము ఈ క్రింది ఫలితాన్ని పొందుతాము:

explain analyze verbose
SELECT count(1)
FROM fdw_schema.table
WHERE is_active = True
AND created_dt BETWEEN CURRENT_DATE - INTERVAL '7 month' 
AND CURRENT_DATE - INTERVAL '6 month'
AND meta->>'source' = 'test';

Aggregate  (cost=508010.14..508010.15 rows=1 width=8) (actual time=19064.314..19064.314 rows=1 loops=1)
  Output: count(1)
  ->  Foreign Scan on fdw_schema."table"  (cost=100.00..507988.44 rows=8679 width=0) (actual time=33.035..18951.278 rows=1360025 loops=1)
        Output: "table".id, "table".is_active, "table".meta, "table".created_dt
        Filter: ((("table".meta ->> 'source'::text) = 'test'::text) AND ("table".created_dt >= (('now'::cstring)::date - '7 mons'::interval)) AND ("table".created_dt <= ((('now'::cstring)::date)::timestamp with time zone - '6 mons'::interval)))
        Rows Removed by Filter: 3567989
        Remote SQL: SELECT created_dt, meta FROM fdw_schema.table WHERE (is_active)
Planning time: 0.834 ms
Execution time: 19064.534 ms

మీరు చూడగలిగినట్లుగా, ఫిల్టర్ రిమోట్ సర్వర్‌కి వెళ్లింది మరియు అమలు సమయం 27 నుండి 19 సెకన్లకు తగ్గించబడింది.

ఆపరేటర్లు పేర్కొనడం గమనార్హం is ఆపరేటర్ నుండి భిన్నంగా ఉంటుంది = ఎందుకంటే ఇది శూన్య విలువతో పని చేయగలదు. దాని అర్థం ఏమిటంటే అది నిజం కాదు ఫిల్టర్‌లో తప్పుడు మరియు శూన్య విలువలను వదిలివేస్తుంది, అయితే != నిజం తప్పుడు విలువలను మాత్రమే వదిలివేస్తుంది. అందువలన, ఆపరేటర్ స్థానంలో ఉన్నప్పుడు కాదు OR ఆపరేటర్‌తో రెండు షరతులు ఫిల్టర్‌కు పంపబడాలి, ఉదాహరణకు, ఎక్కడ (col != True) OR (col is null).

మేము బూలియన్‌ని క్రమబద్ధీకరించాము, ముందుకు వెళ్దాం. ప్రస్తుతానికి, ఇతర మార్పుల ప్రభావాన్ని స్వతంత్రంగా పరిశీలించడానికి బూలియన్ ఫిల్టర్‌ని దాని అసలు రూపానికి తిరిగి తెద్దాం.

టైమ్‌స్టాంప్ట్జ్? hz

సాధారణంగా, రిమోట్ సర్వర్‌లను కలిగి ఉన్న అభ్యర్థనను ఎలా సరిగ్గా వ్రాయాలో మీరు తరచుగా ప్రయోగాలు చేయాలి మరియు ఇది ఎందుకు జరుగుతుందో వివరణ కోసం చూడండి. ఇంటర్నెట్‌లో దీని గురించి చాలా తక్కువ సమాచారం కనుగొనవచ్చు. కాబట్టి, ప్రయోగాలలో ఒక నిర్ణీత తేదీ ఫిల్టర్ చప్పుడుతో రిమోట్ సర్వర్‌కి ఎగురుతుందని మేము కనుగొన్నాము, అయితే మనం తేదీని డైనమిక్‌గా సెట్ చేయాలనుకున్నప్పుడు, ఉదాహరణకు, now() లేదా CURRENT_DATE, ఇది జరగదు. మా ఉదాహరణలో, మేము ఫిల్టర్‌ని జోడించాము, దీని వలన Created_at నిలువు వరుసలో గతంలో సరిగ్గా 1 నెల డేటా ఉంటుంది (CURRENT_DATE - INTERVAL '7 నెలల' మరియు CURRENT_DATE - INTERVAL '6 నెలలు'). ఈ సందర్భంలో మనం ఏమి చేసాము?

explain analyze verbose
SELECT count(1)
FROM fdw_schema.table 
WHERE is_active is True
AND created_dt >= (SELECT CURRENT_DATE::timestamptz - INTERVAL '7 month') 
AND created_dt <(SELECT CURRENT_DATE::timestamptz - INTERVAL '6 month')
AND meta->>'source' = 'test';

Aggregate  (cost=306875.17..306875.18 rows=1 width=8) (actual time=4789.114..4789.115 rows=1 loops=1)
  Output: count(1)
  InitPlan 1 (returns $0)
    ->  Result  (cost=0.00..0.02 rows=1 width=8) (actual time=0.007..0.008 rows=1 loops=1)
          Output: ((('now'::cstring)::date)::timestamp with time zone - '7 mons'::interval)
  InitPlan 2 (returns $1)
    ->  Result  (cost=0.00..0.02 rows=1 width=8) (actual time=0.002..0.002 rows=1 loops=1)
          Output: ((('now'::cstring)::date)::timestamp with time zone - '6 mons'::interval)
  ->  Foreign Scan on fdw_schema."table"  (cost=100.02..306874.86 rows=105 width=0) (actual time=23.475..4681.419 rows=1360025 loops=1)
        Output: "table".id, "table".is_active, "table".meta, "table".created_dt
        Filter: (("table".is_active IS TRUE) AND (("table".meta ->> 'source'::text) = 'test'::text))
        Rows Removed by Filter: 76934
        Remote SQL: SELECT is_active, meta FROM fdw_schema.table WHERE ((created_dt >= $1::timestamp with time zone)) AND ((created_dt < $2::timestamp with time zone))
Planning time: 0.703 ms
Execution time: 4789.379 ms

సబ్‌క్వెరీలో తేదీని ముందుగానే లెక్కించి, రెడీమేడ్ వేరియబుల్‌ని ఫిల్టర్‌కి పంపమని ప్లానర్‌కి చెప్పాము. మరియు ఈ సూచన మాకు అద్భుతమైన ఫలితాన్ని ఇచ్చింది, అభ్యర్థన దాదాపు 6 రెట్లు వేగంగా మారింది!

మళ్ళీ, ఇక్కడ జాగ్రత్తగా ఉండటం ముఖ్యం: సబ్‌క్వెరీలోని డేటా రకం తప్పనిసరిగా మనం ఫిల్టర్ చేస్తున్న ఫీల్డ్‌తో సమానంగా ఉండాలి, లేకుంటే రకాలు వేర్వేరుగా ఉన్నందున, ముందుగా అన్నింటినీ పొందడం అవసరం అని ప్లానర్ నిర్ణయిస్తారు. డేటాను మరియు స్థానికంగా ఫిల్టర్ చేయండి.

తేదీ ఫిల్టర్‌ను దాని అసలు విలువకు తిరిగి ఇద్దాం.

ఫ్రెడ్డీ vs. Jsonb

సాధారణంగా, బూలియన్ ఫీల్డ్‌లు మరియు తేదీలు ఇప్పటికే మా ప్రశ్నను తగినంతగా వేగవంతం చేశాయి, అయితే మరో డేటా రకం మిగిలి ఉంది. నిజం చెప్పాలంటే, దాని ద్వారా వడపోతతో యుద్ధం ఇంకా ముగియలేదు, అయినప్పటికీ ఇక్కడ కూడా విజయం ఉంది. కాబట్టి, ఈ విధంగా మేము ఫిల్టర్‌ను పాస్ చేయగలిగాము jsonb రిమోట్ సర్వర్‌కి ఫీల్డ్.

explain analyze verbose
SELECT count(1)
FROM fdw_schema.table 
WHERE is_active is True
AND created_dt BETWEEN CURRENT_DATE - INTERVAL '7 month' 
AND CURRENT_DATE - INTERVAL '6 month'
AND meta @> '{"source":"test"}'::jsonb;

Aggregate  (cost=245463.60..245463.61 rows=1 width=8) (actual time=6727.589..6727.590 rows=1 loops=1)
  Output: count(1)
  ->  Foreign Scan on fdw_schema."table"  (cost=1100.00..245459.90 rows=1478 width=0) (actual time=16.213..6634.794 rows=1360025 loops=1)
        Output: "table".id, "table".is_active, "table".meta, "table".created_dt
        Filter: (("table".is_active IS TRUE) AND ("table".created_dt >= (('now'::cstring)::date - '7 mons'::interval)) AND ("table".created_dt <= ((('now'::cstring)::date)::timestamp with time zone - '6 mons'::interval)))
        Rows Removed by Filter: 619961
        Remote SQL: SELECT created_dt, is_active FROM fdw_schema.table WHERE ((meta @> '{"source": "test"}'::jsonb))
Planning time: 0.747 ms
Execution time: 6727.815 ms

ఆపరేటర్లను ఫిల్టర్ చేయడానికి బదులుగా, మీరు తప్పనిసరిగా ఒక ఆపరేటర్ ఉనికిని ఉపయోగించాలి jsonb వేరే లో. అసలు 7కి బదులుగా 29 సెకన్లు. ఫిల్టర్‌లను ప్రసారం చేయడానికి ఇది ఇప్పటివరకు ఉన్న ఏకైక విజయవంతమైన ఎంపిక jsonb రిమోట్ సర్వర్‌కి, కానీ ఇక్కడ ఒక పరిమితిని పరిగణనలోకి తీసుకోవడం చాలా ముఖ్యం: మేము డేటాబేస్ వెర్షన్ 9.6ని ఉపయోగిస్తున్నాము, కానీ ఏప్రిల్ చివరి నాటికి మేము చివరి పరీక్షలను పూర్తి చేసి వెర్షన్ 12కి వెళ్లాలని ప్లాన్ చేస్తున్నాము. మేము అప్‌డేట్ చేసిన తర్వాత, అది ఎలా ప్రభావితమైంది అనే దాని గురించి మేము వ్రాస్తాము, ఎందుకంటే చాలా మార్పుల కోసం చాలా ఆశలు ఉన్నాయి: json_path, కొత్త CTE ప్రవర్తన, పుష్ డౌన్ (వెర్షన్ 10 నుండి ఉనికిలో ఉంది). నేను నిజంగా దీన్ని త్వరలో ప్రయత్నించాలనుకుంటున్నాను.

అతడిని అంతం చేయండి

ప్రతి మార్పు అభ్యర్థన వేగాన్ని వ్యక్తిగతంగా ఎలా ప్రభావితం చేస్తుందో మేము పరీక్షించాము. మూడు ఫిల్టర్‌లను సరిగ్గా వ్రాసినప్పుడు ఏమి జరుగుతుందో ఇప్పుడు చూద్దాం.

explain analyze verbose
SELECT count(1)
FROM fdw_schema.table 
WHERE is_active = True
AND created_dt >= (SELECT CURRENT_DATE::timestamptz - INTERVAL '7 month') 
AND created_dt <(SELECT CURRENT_DATE::timestamptz - INTERVAL '6 month')
AND meta @> '{"source":"test"}'::jsonb;

Aggregate  (cost=322041.51..322041.52 rows=1 width=8) (actual time=2278.867..2278.867 rows=1 loops=1)
  Output: count(1)
  InitPlan 1 (returns $0)
    ->  Result  (cost=0.00..0.02 rows=1 width=8) (actual time=0.010..0.010 rows=1 loops=1)
          Output: ((('now'::cstring)::date)::timestamp with time zone - '7 mons'::interval)
  InitPlan 2 (returns $1)
    ->  Result  (cost=0.00..0.02 rows=1 width=8) (actual time=0.003..0.003 rows=1 loops=1)
          Output: ((('now'::cstring)::date)::timestamp with time zone - '6 mons'::interval)
  ->  Foreign Scan on fdw_schema."table"  (cost=100.02..322041.41 rows=25 width=0) (actual time=8.597..2153.809 rows=1360025 loops=1)
        Output: "table".id, "table".is_active, "table".meta, "table".created_dt
        Remote SQL: SELECT NULL FROM fdw_schema.table WHERE (is_active) AND ((created_dt >= $1::timestamp with time zone)) AND ((created_dt < $2::timestamp with time zone)) AND ((meta @> '{"source": "test"}'::jsonb))
Planning time: 0.820 ms
Execution time: 2279.087 ms

అవును, అభ్యర్థన మరింత క్లిష్టంగా కనిపిస్తోంది, ఇది నిర్బంధ రుసుము, కానీ అమలు వేగం 2 సెకన్లు, ఇది 10 రెట్లు ఎక్కువ వేగంగా ఉంటుంది! మరియు మేము సాపేక్షంగా చిన్న డేటా సెట్‌కి వ్యతిరేకంగా ఒక సాధారణ ప్రశ్న గురించి మాట్లాడుతున్నాము. నిజమైన అభ్యర్థనలపై, మేము అనేక వందల రెట్లు పెంచాము.

సంగ్రహంగా చెప్పాలంటే: మీరు FDWతో PostgreSQLని ఉపయోగిస్తే, అన్ని ఫిల్టర్‌లు రిమోట్ సర్వర్‌కు పంపబడ్డాయో లేదో ఎల్లప్పుడూ తనిఖీ చేయండి మరియు మీరు సంతోషంగా ఉంటారు... కనీసం మీరు వేర్వేరు సర్వర్‌ల నుండి టేబుల్‌ల మధ్య చేరే వరకు. కానీ అది మరొక కథనం కోసం కథ.

మీరు ఆసక్తి చూపినందుకు ధన్యవాదములు! వ్యాఖ్యలలో మీ అనుభవాల గురించి ప్రశ్నలు, వ్యాఖ్యలు మరియు కథనాలను వినడానికి నేను ఇష్టపడతాను.

మూలం: www.habr.com