БАЛАНСУВАННЯ УЗГОДЖЕНОСТІ У РОЗПОДІЛЕНОМУ СХОВИЩІ ДАНИХ
Ключові слова:
CAP-гарантії, балансування навантаження, розподілені бази даних, висока доступність, жорстка узгодженість
Анотація
Предметом цієї статті є CAP-гарантії розподілених баз даних, зокрема, доступність та узгодженість. Метою є спроектоване рішення, яке стане інструментом балансування узгодженості як одної з гарантій надійного розподіленого сховища для будь-яких бізнес потреб і яке дозволить не погіршити значення доступності. Такий алгоритм міг би бути інтегрований у інфраструктуру розподіленого сховища даних і повинен бути одною з перших програм на шляху до виконання SQL запиту і може використовувати різні модулі проміжного програмного забезпечення бази даних на вузлу. Для досягнення цього були розроблені і порівняні три альтернативних рішення для балансування консистентних вузлів, досліджена фактична можливість реалізації кожного з рішень. Методами розробки стали такі інструменти, як UML моделювання, комп’ютерна модель, що реалізує імітаційні моделі для всіх розроблених рішень, яка дозволила провести набір експериментів на досліджених імітаційних моделях і оцінити складність та можливу швидкодію, зробити висновки, вибравши один з найоптимальніших підходів для подальшої розробки та розширення. Як висновок, готове оптимальне спроектоване і оцінене рішення для балансування узгодженості, що і було метою статті. Воно може бути застосоване у якості одного з базових компонентів проміжного програмного забезпечення розподіленої бази даних на етапі проектування будь-якого програмного забезпечення таким чином, що можуть бути досягнені збалансовані гарантії для надійного сховища на ранньому етапі імплементації бізнес потребЗавантаження
Дані про завантаження поки що недоступні.
Посилання
1. Banothu, N., Bhukya, S. and Sharma, K. (2016). Big-data: Acid versus base for database transactions. 2016 International Conference on Electrical, Electronics, and Optimization Techniques (ICEEOT), available at https://ieeexplore.ieee.org/document/7755401.
2. Gilbert, S. and Lynch, N. (2002). Brewer's conjecture and the feasibility of consistent, available, partition-tolerant web services. ACM SIGACT News, 33(2), p.51, available at https://users.ece.cmu.edu/~adrian/731-sp04/readings/GL-cap.pdf.
3. Brewer, E. (2012). CAP twelve years later: How the "rules" have changed. Computer, 45(2), pp.23-29, available at https://www.infoq.com/articles/cap-twelve-years-later-how-the-rules-have-changed/.
4. Calder, B., Simitci, H., Haridas, J., Uddaraju, C., Khatri, H., Edwards, A., Bedekar, V., Mainali, S., Abbasi, R., Agarwal, A., Haq, M., Wang, J., Haq, M., Bhardwaj, D., Dayanand, S., Adusumilli, A., McNett, M., Sankaran, S., Manivannan, K., Rigas, L., Ogus, A., Nilakantan, N., Skjolsvold, A., McKelvie, S., Xu, Y., Srivastav, S. and Wu, J. (2011). Windows Azure Storage: a highly available cloud storage service with strong consistency. Proc. of the Twenty-Third ACM Symposium on Operating Systems Principles - SOSP '11, available at http://web.eecs.umich.edu/~mozafari/winter2014/eecs684/papers/azure.pdf.
5. Burmester, M., Le, T. and Yasinsac, A. (2007). Adaptive gossip protocols: Managing security and redundancy in dense ad hoc networks. Ad Hoc Networks, 5(3), pp.313-323, available at http://www.cs.fsu.edu/~burmeste/adhocjourn.pdf.
6. Haas, Z., Halpern, J. and Li Li (2002). Gossip-based ad hoc routing. Proceedings.Twenty-First Annual Joint Conference of the IEEE Computer and Communications Societiesm, 3, pp.1707-1716, available at https://ieeexplore.ieee.org/document/1019424.
7. Veerman, G., Breuk, R., 2012. Database Load Balancing , Mysql 5.5 Vs Postgresql 9. Amsterdam: Universiteit van Amsterdam, System & Network Engineering, https://www.os3.nl/_media/2011-2012/courses/lia/rory_breuk_gerrie_veerman_-_report.pdf.
8. Joshi, S., Ameta, S., & Lavania, G. (2019). Balanced Load in Distributed System with NoSQL Middleware. International Journal of Emerging Technologies and Innovative Research (www.jetir.org), 6(5), pp.133-137, available at https://pdfs.semanticscholar.org/f6fd/7e1c441040ae0a022cb19d930df1ef9bd07b.pdf.
9. Mhedhbi, M., 2017. Dynamic Configuration With The Haproxy Runtime API – Haproxy Technologies. [online] HAProxy Technologies, available at https://www.haproxy.com/blog/dynamic-configuration-haproxy-runtime-api.
10. Dynamic Configuration Of Upstreams With The NGINX Plus API - NGINX Documentation. n.d. NGINX Docs [online], available at https://docs.nginx.com/nginx/admin-guide/load-balancer/dynamic-configuration-api.
11. Zelle, J.M., Mooney, R.J. (1996). Learning to Parse Database Queries Using Inductive Logic Programming. AAAI/IAAI, 2, pp. 1050-1055, available at https://pdfs.semanticscholar.org/1c9d/f99cce1903d34c53025e86e72331bbfbe08f.pdf.
12. Chen, X., Fang, H., Lin, T., Vedantam, R., Gupta, S., Dollár, P., Zitnick, C.L. (2015). Microsoft COCO Captions: Data Collection and Evaluation Server. ArXiv, abs/1504.00325, available at https://arxiv.org/pdf/1504.00325.pdf.
13. 2019, Optimize Cost And RU/S To Run Queries In Azure Cosmos DB – docs.microsoft.com [online], available at: https://docs.microsoft.com/en-us/azure/cosmos-db/optimize-cost-queries.
14. Patterson, R., Gibson, G., Ginting, E., Stodolsky, D. and Zelenka, J., 1995. Informed prefetching and caching. Proceedings of the fifteenth ACM symposium on Operating systems principles - SOSP '95, available at http://www.cs.columbia.edu/~nieh/teaching/e6118_s00/papers/p79-patterson.pdf.
15. Rukkas, K., Zholtkevych, G. (2015). Distributed Datastores: Towards Probabilistic Approach for Estimation of Dependability. 11th International Conference on ICT in Education, Research, and Industrial Applications, 1356, pp.523-534, available at https://pdfs.semanticscholar.org/5eb0/01632c6cd6da2e4ec92adbc288939de0f4f9.pdf.
2. Gilbert, S. and Lynch, N. (2002). Brewer's conjecture and the feasibility of consistent, available, partition-tolerant web services. ACM SIGACT News, 33(2), p.51, available at https://users.ece.cmu.edu/~adrian/731-sp04/readings/GL-cap.pdf.
3. Brewer, E. (2012). CAP twelve years later: How the "rules" have changed. Computer, 45(2), pp.23-29, available at https://www.infoq.com/articles/cap-twelve-years-later-how-the-rules-have-changed/.
4. Calder, B., Simitci, H., Haridas, J., Uddaraju, C., Khatri, H., Edwards, A., Bedekar, V., Mainali, S., Abbasi, R., Agarwal, A., Haq, M., Wang, J., Haq, M., Bhardwaj, D., Dayanand, S., Adusumilli, A., McNett, M., Sankaran, S., Manivannan, K., Rigas, L., Ogus, A., Nilakantan, N., Skjolsvold, A., McKelvie, S., Xu, Y., Srivastav, S. and Wu, J. (2011). Windows Azure Storage: a highly available cloud storage service with strong consistency. Proc. of the Twenty-Third ACM Symposium on Operating Systems Principles - SOSP '11, available at http://web.eecs.umich.edu/~mozafari/winter2014/eecs684/papers/azure.pdf.
5. Burmester, M., Le, T. and Yasinsac, A. (2007). Adaptive gossip protocols: Managing security and redundancy in dense ad hoc networks. Ad Hoc Networks, 5(3), pp.313-323, available at http://www.cs.fsu.edu/~burmeste/adhocjourn.pdf.
6. Haas, Z., Halpern, J. and Li Li (2002). Gossip-based ad hoc routing. Proceedings.Twenty-First Annual Joint Conference of the IEEE Computer and Communications Societiesm, 3, pp.1707-1716, available at https://ieeexplore.ieee.org/document/1019424.
7. Veerman, G., Breuk, R., 2012. Database Load Balancing , Mysql 5.5 Vs Postgresql 9. Amsterdam: Universiteit van Amsterdam, System & Network Engineering, https://www.os3.nl/_media/2011-2012/courses/lia/rory_breuk_gerrie_veerman_-_report.pdf.
8. Joshi, S., Ameta, S., & Lavania, G. (2019). Balanced Load in Distributed System with NoSQL Middleware. International Journal of Emerging Technologies and Innovative Research (www.jetir.org), 6(5), pp.133-137, available at https://pdfs.semanticscholar.org/f6fd/7e1c441040ae0a022cb19d930df1ef9bd07b.pdf.
9. Mhedhbi, M., 2017. Dynamic Configuration With The Haproxy Runtime API – Haproxy Technologies. [online] HAProxy Technologies, available at https://www.haproxy.com/blog/dynamic-configuration-haproxy-runtime-api.
10. Dynamic Configuration Of Upstreams With The NGINX Plus API - NGINX Documentation. n.d. NGINX Docs [online], available at https://docs.nginx.com/nginx/admin-guide/load-balancer/dynamic-configuration-api.
11. Zelle, J.M., Mooney, R.J. (1996). Learning to Parse Database Queries Using Inductive Logic Programming. AAAI/IAAI, 2, pp. 1050-1055, available at https://pdfs.semanticscholar.org/1c9d/f99cce1903d34c53025e86e72331bbfbe08f.pdf.
12. Chen, X., Fang, H., Lin, T., Vedantam, R., Gupta, S., Dollár, P., Zitnick, C.L. (2015). Microsoft COCO Captions: Data Collection and Evaluation Server. ArXiv, abs/1504.00325, available at https://arxiv.org/pdf/1504.00325.pdf.
13. 2019, Optimize Cost And RU/S To Run Queries In Azure Cosmos DB – docs.microsoft.com [online], available at: https://docs.microsoft.com/en-us/azure/cosmos-db/optimize-cost-queries.
14. Patterson, R., Gibson, G., Ginting, E., Stodolsky, D. and Zelenka, J., 1995. Informed prefetching and caching. Proceedings of the fifteenth ACM symposium on Operating systems principles - SOSP '95, available at http://www.cs.columbia.edu/~nieh/teaching/e6118_s00/papers/p79-patterson.pdf.
15. Rukkas, K., Zholtkevych, G. (2015). Distributed Datastores: Towards Probabilistic Approach for Estimation of Dependability. 11th International Conference on ICT in Education, Research, and Industrial Applications, 1356, pp.523-534, available at https://pdfs.semanticscholar.org/5eb0/01632c6cd6da2e4ec92adbc288939de0f4f9.pdf.
Опубліковано
2020-05-28
Як цитувати
Rukkas K. Балансування узгодженості у розподіленому сховищі даних / K. Rukkas, G. Zholtkevych // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2020. – Т. 2 (60). – С. 95-100. – doi:https://doi.org/10.26906/SUNZ.2020.2.095.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
