پایگاه داده غیر متمرکز چیست ؟

یک پایگاه داده غیر متمرکز حجم کار را بین چندین ماشین تقسیم می کند و از الگوریتم های پیچیده برای متعادل کردن درخواست های ورودی و خروجی برای بهترین زمان پاسخ استفاده می کند. این نوع پایگاه داده برای مواقعی مفید است که داده های بیشتری باید در پایگاه داده ذخیره شود تا از نظر فیزیکی در یک ماشین فیزیکی ذخیره شود. بیت ها مانند فایل های گزارش ، داده های جمع آوری شده از طریق ردیابی کلیک ها در برنامه و داده های ایجاد شده توسط اینترنت دستگاه ها روی هم انباشته شده و باید در جایی ذخیره شوند. آنها همچنین اغلب به عنوان پایگاه های داده توزیع شده شناخته می شوند. در ادامه همراه مقاله ” پایگاه داده غیر متمرکز چیست ” باشید.

• اندازه: بزرگترین هارد دیسک های موجود در زمان نوشتن این مقاله 18 ترابایت است. برخی از مجموعه داده ها بزرگتر از آن هستند که در یک درایو ذخیره شوند. این مجموعه داده ها باید در چند درایو تقسیم شوند.
• تقاضا: اگر بسیاری از کاربران سعی می کنند به داده ها به طور همزمان دسترسی داشته باشند ، عملکرد پایگاه داده آسیب می بیند. تقسیم حجم کار به این معنی است که ماشین های بیشتری می توانند به درخواست های بیشتر پاسخ دهند و کاربران متوجه هیچ تاخیری در عملکرد نمی شوند.
• افزونگی: درایوها ممکن است خراب شوند. اگر داده ها ارزشمند باشند ، ایجاد چندین نسخه و ذخیره آنها در چندین دستگاه از خرابی سخت افزار محافظت می کند.
• افزونگی جغرافیایی: انتشار چندین نسخه در مکان های مختلف ، خطر آتش سوزی فاجعه بار ، بلایای طبیعی یا قطع برق را کاهش می دهد .
• سرعت: تأخیر شبکه هنوز مشکلی است وقتی پایگاه داده و کاربرهایی که پرس و جو می کنند از نظر جغرافیایی با یکدیگر فاصله دارند. قرار دادن کپی داده ها در مراکز نزدیک به کاربر منجر به پاسخ سریعتر می شود زیرا داده ها مجبور نیستند مسافت زیادی را طی کنند. سرعت به ویژه برای پروژه هایی که با مردم در قاره های مختلف کار می کنند اهمیت دارد.
• بار محاسباتی: برخی از مجموعه داده ها باید توزیع شوند زیرا بار محاسباتی مورد نیاز در طول تجزیه و تحلیل برای یک ماشین بسیار بزرگ است. به عنوان مثال ، یک برنامه یادگیری ماشین ، ممکن است مجموعه داده های بزرگ را در سیستم های مختلف توزیع کند تا کارهای تحلیلی را گسترش دهد ، که می تواند بسیار مهم باشد.
• حریم خصوصی: برخی از مجموعه های داده برای افزایش حداکثر حریم خصوصی و به حداقل رساندن خطرات در صورت نقض داده ها تقسیم می شوند. اگر قسمت های مختلف داده ها در ماشین های مختلف ذخیره شوند ، حتی اگر یک قسمت در معرض نقص قرار گرفته باشد ، بقیه داده ها هنوز ایمن هستند.
• سیاست: هنگامی که چندین گروه از مجموعه داده های یکسانی استفاده می کنند ، ممکن است چالش هایی بر سر راه حکومت وجود داشته باشد. اگر برخی از داده ها در یک گروه ذخیره شوند و برخی دیگر از داده ها توسط گروه دیگری مدیریت شوند ، ذخیره داده ها در چندین ماشین می تواند مفید باشد.

یکی از روش های ساده سازی معماری این است که مجموعه داده را به قطعات کوچکتر تقسیم کرده و قطعات را به ماشین های خاصی اختصاص دهید. یک رایانه ممکن است همه افرادی را که نام خانوادگی آنها از A تا F شروع می شود را پردازش کند و یکی دیگر از G تا M و غیره را پردازش کند. این تقسیم بندی که اغلب “خرد کردن” نامیده می شود ، می تواند الهام بخش استراتژی هایی باشد که از ساده تا پیچیده را شامل می شود.

توزیع پایگاه داده می تواند مشکل باشد

بزرگترین چالش تجزیه پایگاه داده اطمینان از ثبات اطلاعات است. به عنوان مثال ، در مورد سیستم رزرو هواپیمایی ، اگر دستگاهی به درخواست پایگاه داده مبنی بر فروش صندلی هواپیما پاسخ دهد ، دستگاه دیگر نباید با گفتن اینکه صندلی خالی است و در دسترس است ، به سوالی پاسخ دهد.

برخی از پایگاه های داده توزیع شده قوانین مربوط به سازگاری را به دقت اجرا می کنند تا همه پرس و جوها بدون توجه به اینکه کدام گره در خوشه به پرسش پاسخ داده است ، پاسخ یکسانی دریافت کنند. پایگاه های داده توزیع شده دیگر الزامات سازگاری را به نفع “سازگاری نهایی” کاهش می دهند. با سازگاری نهایی ، ماشین ها می توانند با یکدیگر هماهنگ نباشند و پاسخ های متفاوتی را ارائه دهند ، تا زمانی که ماشین ها در نهایت به یکدیگر برسند و نتایج یکسانی را به دست آورند.

همچنین در ادامه پیشنهاد می شود مقاله “نحوه عملکرد اینترنت غیر متمرکز” را از دست ندهید.