תוֹכֶן
- החסרונות של מערכות ניהול מסדי נתונים מונוליטית
- היתרונות והחסרונות של דרכים לעקיפת הבעיה
- אין באגים, אין מתח - המדריך השלב אחר צעד שלך ליצירת תוכנה לשינוי חיים מבלי להרוס את חייך
- כיצד איזון עומסי מאגרי נתונים מתייחס ביעילות לחסרונות מדרגיות
מקור: Wavebreakmediamicro / Dreamstime.com
להסיר:
איזון עומסי בסיס נתונים הוא ללא ספק הדרך הקלה ביותר להבטיח זמן עבודה וביצועים גבוהים תוך הפחתת עלויות השירות ומשפרת את חווית הלקוח.
האם אתה מודע לפגמים הבסיסיים בארכיטקטורה מדור קודם ובמאגרי SQL מסורתיים? האם ידעת שמסדי נתונים של SQL אינם מיועדים לקנה מידה של קריאה וכתיבה? תוהה אם מסד הנתונים SQL המסורתי שלך יכול ליצור בעיות לעיבוד ניתוח מקוון? למרבה הצער, התשובה היא כן מוחלט. למרות התערבויות עתירות עבודה מה- DBA שלך לסדי נתונים בקנה מידה מעבר לצרכים ארגוניים קיימים, הנפח והמהירות האדירים של נתונים עסקיים מקשים מאוד על ההסתגלות לדרישות דינאמיות תוך הימנעות מהשבתה ומעיכובים. אין באתגרים אלה פירוש הדבר כי קנה מידה של מסד הנתונים SQL אינו אפשרי. זה רק אומר שהתהליך רצוף אתגרים בכל חזית. בואו ונלמד מדוע. (למידע נוסף על SQL, ראה כיצד SQL ב- Hadoop יכול לעזור בניתוח ביג נתונים?)
החסרונות של מערכות ניהול מסדי נתונים מונוליטית
הוקמה בעידן ריכוזי יחסית בו פורסה תוכנה בסביבות סטטיות, ארכיטקטורות מסדי נתונים מדור קודם לא מצליחות לתמוך בעולם יותר ויותר נייד בו ניתן לגשת ליישומים בכל עת ובכל מקום. משתמשי תוכנה רוצים כיום שיפורים עקביים בשימושיות ומצפים מספקי SaaS לספק תכונות ופונקציות חדשות הדרושות כדי להשיג את היעדים העסקיים שלהם.
עם זאת, טכנולוגיות מסדי נתונים מדור קודם לא מצליחות לספק את הצרכים של הסביבות המופצות והענן של היום מהסיבות הבאות:
- יכולות כישלון לא מספיקות
- בעיות חביון
- אין די הוראות במהלך דרישות שיא
- חוסר זמינות גבוהה בכל עת
- הגדלת עלויות תפעול
- חוסר יכולת לעמוד בדרישות השווקים העולמיים
מכל הסיבות הללו, מסדי נתונים מסורתיים אינם יכולים לספק תוצאות בסביבה הצומחת במהירות בה עומס העבודה מופץ גיאוגרפית על פני מרכזי נתונים הטרוגניים. השדרוג למודל נתונים מבוזר יותר הוא יקר ומסובך. אבל ה- DBA שלך לא יכולים פשוט להישען לאחור ולוותר על המצב הזה. להלן שלוש דרכים לעקיפות הנפוצות לפיתרון בעיות מדרגיות יחד עם היתרונות והמגבלות העסקיות שלהם.
היתרונות והחסרונות של דרכים לעקיפת הבעיה
- גידור
- קנה מידה אנכי
- קנה מידה אופקי
ישנם שני סוגים שונים של גירוד - אופקי ואנכי. בעוד שגרישה אופקית מצריכה חלוקת נתונים לאורך מספר מקרים, הגנה אנכית מעבירה את כל הטבלאות למופעים אחרים כדי למזער את זמני התגובה לשאלות. הגנה מאפשרת אחסון של נתונים על שרתים מרובים, אך הגלישה האופקית והאנכית הן מורכבות וגוזלות זמן. שני התהליכים דורשים שינויים ברמת האפליקציה מלבד נתונים מיותרים כדי להימנע משאלות צולבות.
השריפה מביאה לך את היכולת לאחסן כמות עצומה של נתונים, לשתף אותם על פני מיקומים, לגשת למידע בקלות בכל מכשיר, לחסל כפילויות ולצמצם את שטח האחסון, אך אין זה מגבלות. לרוע המזל, הגנה מועדת לטעויות, מצריכה כישלון ידני והיא מוגבלת מבחינת חלוקת הקיבולת. החיבורים מאוד לא אמינים וחסרי יעילות, ולקיחת גיבויים עקביים יכולה להיות קשה מאוד. מאגרי מידע מוגדרים אינם יכולים לשרוד הפסקת שירות ואינם תומכים במפתחות זרים. חוסר שלמות הפניה יכול להזמין חוסר עקביות בנתונים שעלולים בסופו של דבר להפוך לעלות פיתוח משמעותית לחברה.
במציאות, מעט מאוד ארגונים זקוקים למעשה לגריסה. ישויות כמו, עם פטיט-נתונים שנוספו מדי יום, הן נדירות. עבור מרבית החברות, הורדת שרת הכתיבה הראשי על ידי שינוי גודל קיבולת הקריאה תפתור את אתגר המדרגיות הכללי.
שינוי גודל פירושו מעבר לשרת גדול וטוב יותר שיש לו יותר זיכרון, רוחב פס וקלט / פלט. כאשר הפיתרון הקיים מתחיל להאט, קנה המידה מקלים על הטיפול בעומסים כבדים. אז מה לא בסדר עם הפיתרון?
אין באגים, אין מתח - המדריך השלב אחר צעד שלך ליצירת תוכנה לשינוי חיים מבלי להרוס את חייך
אתה לא יכול לשפר את כישורי התכנות שלך כאשר לאף אחד לא אכפת מאיכות התוכנה.
העלויות עולות עם החומרה היקרה יותר. רישוי בסיסי נתונים יקר יותר ועלויות התחזוקה גדלות. לא משנה כמה גדול אתה הולך, בסופו של דבר כל השרתים שלך בטוחים שיצא להם האדים. בשלב מסוים, אין עוד אפשרות לקדם מידה נוספת.
שינוי גודל פירושו הוספת קיבולת רבה יותר על ידי הוספת שרתים בודדים יותר העובדים יחד כדי לשרת תנועה. קנה מידה כזה יכול גם להגדיל את זמן השימוש מכיוון שכל כשל בשרת יחיד אינו פוגע בזמינות המערכת כולה. האתגר הוא שהתוכנה שלך לא יודעת לדבר עם שרתי מסדי נתונים מרובים. כדי להשיג היקף מסדי נתונים ביעילות ובעלות חסכונית, אתה זקוק לתוכנה לאיזון עומסי מסד נתונים, המונעת את עבודת היישום הנדרשת כדי לדבר עם משכפלים משוכפלים. (למידע נוסף על מגמות בסיס נתונים, עיין במרכז הנתונים המוגדר על ידי תוכנה: מה אמיתי ומה לא.)
כיצד איזון עומסי מאגרי נתונים מתייחס ביעילות לחסרונות מדרגיות
תוכנת איזון עומסים על בסיס נתונים מגנה על התשתית שלך מפני השבתה ועיכובים על ידי קנה מידה יעיל של קריאות מסד הנתונים, על ידי הורדת השרת הראשי ולכן קנה המידה כותב. תוכנה זו מאפשרת ליישומים שלך לנצל מסד נתונים המוגדל ללא צורך בשינוי קוד. זה מבטיח זמינות גבוהה וביצועים גבוהים על ידי:
- IN באופן אוטומטי כותב לשרת הראשי וקורא למזכירים
- הימנעות משגיאות יישום במהלך כשל במאגר על ידי החזקת כתיבה בתור עד שהמשני הופך לראשון החדש
- מעקב אחר זמן שכפול כדי להבטיח שקריאות לא נשלחות לשרת משני שמפגר אחריו בשכפול
- חלוקת קריאות בין כל השרתים המשניים הזמינים והפניית עומס העבודה לשרת עם הביצועים הטובים ביותר
- מציע נראות מקצה לקצה לתוך הגורם העיקרי של צווארי בקבוק בביצועי היישום
איזון עומסי בסיס נתונים הוא ללא ספק הדרך הקלה ביותר להבטיח זמן עבודה וביצועים גבוהים תוך הפחתת עלויות השירות ומשפרת את חווית הלקוח.