In precedenza, quando avevamo bisogno di memorizzare più informazioni o di aumentare la nostra potenza di preparazione, l’alternativa normale era proporzionale verticalmente (ottenere tutte le macchine più dominanti) o aggiornare ulteriormente il codice corrente. In ogni caso, con i progressi nella gestione in parallelo e nei quadri diffusi, è progressivamente regolare estendere in modo uniforme o avere più macchine per fare un’operazione simile in parallelo. Saremmo già in grado di vedere molti apparati di controllo delle informazioni nell’impresa Apache come Flash, Hadoop, Kafka, Zookeeper e Tempest. Sia come sia, in modo da scegliere con cura l’apparato di decisione, un pensiero essenziale di Top Hypothesis è importante. Top Hypothesis è un’idea che una struttura di database dispersa può avere solo 2 dei 3: Consistenza, Accessibilità e Resistenza dei pacchi.
Top Hypothesis è significativa nel mondo dell’Enorme Informazione, soprattutto quando dobbiamo fare degli scambi tra i tre, in vista del nostro caso d’uso del romanzo. In questo blog cercherò di chiarire ognuna di queste idee e le spiegazioni che stanno alla base dello scambio di. Mi asterrò dall’utilizzare modelli espliciti, dato che i DBMS stanno avanzando rapidamente.
Tolleranza di partizione
Questa condizione esprime che il framework continua a funzionare, indipendentemente dal numero di messaggi che il sistema differisce tra gli hub. Un framework che sia segmentato e tollerante può supportare qualsiasi misura di delusione del sistema che non provochi una delusione dell’intero sistema organizzato. Le registrazioni delle informazioni sono adeguatamente ripetute in modo trasversale su miscele di hub e sistemi per mantenere il framework in alto attraverso blackout irregolari. Nella gestione degli attuali framework dispersi, Parcel Resilience non è un’alternativa. È una necessità. D’ora in poi, abbiamo bisogno di scambiare tra coerenza e accessibilità.
Alta coerenza
Questa condizione esprime che tutti gli hub vedono informazioni simili contemporaneamente. Fondamentalmente, l’esecuzione di un’attività di lettura ripristinerà la stima dell’ultima attività di composizione, facendo sì che tutti gli hub restituiscano informazioni simili. Un framework ha coerenza se uno scambio inizia con il framework in uno stato affidabile, e finisce con il framework in uno stato stabile. In questo modello, un framework può (e lo fa) muoversi in uno stato conflittuale durante uno scambio, tuttavia, l’intero scambio viene spostato indietro se c’è un errore durante una qualsiasi fase per tutto il tempo. Nella foto, abbiamo 2 record distinti (“Bulbasaur” e “Pikachu”) a vari intervalli di tempo. Il rendimento del terzo segmento è “Pikachu”, l’informazione più recente. Sia come sia, gli hub richiederanno tempo per aggiornarsi e non saranno accessibili sul sistema con la stessa frequenza.
Alta disponibilità
Questa condizione esprime che ogni sollecitazione ottiene una reazione sul progredire/disapprovazione. La realizzazione dell’accessibilità in un quadro diffuso richiede che il quadro rimanga operativo il 100% del tempo. Ogni cliente riceve una reazione, prestando poca attenzione alle condizioni di ogni singolo hub del framework. Questa misura non è importante da valutare: è possibile che si possano inviare indicazioni di lettura/comporre indicazioni, oppure no. Pertanto, le banche dati sono autonome nel tempo, in quanto gli hub dovrebbero essere accessibili online in modo coerente. Ciò implica che, a differenza del modello precedente, non abbiamo la più pallida idea se “Pikachu” o “Bulbasaur” sia stato incluso per primo. La resa potrebbe essere possibile. Di conseguenza, perché un’elevata accessibilità non è raggiungibile quando si scompongono informazioni zampillanti ad alta ricorrenza.