Entwerfen von datenintensiven Anwendungen (German Edition), 2nd Edition
by Martin Kleppmann, Chris Riccomini
Kapitel 6. Replikation
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Der Hauptunterschied zwischen etwas, das schiefgehen kann, und etwas, das unmöglich schiefgehen kann, ist, dass es in der Regel unmöglich ist, etwas, das unmöglich schiefgehen kann, zu erreichen oder zu reparieren, wenn es doch schiefgeht. Douglas Adams, Mostly Harmless (1992)
Douglas Adams, Mostly Harmless (1992)
Replikation bedeutet, dass man eine Kopie derselben Daten auf mehreren Rechnern speichert, die über ein Netzwerk verbunden sind. Wie in „Verteilte Systeme im Vergleich zu Einzelsystemen“ besprochen, gibt es mehrere Gründe, warum man Daten replizieren möchte, darunter:
-
Damit die Daten geografisch nah bei deinen Nutzern bleiben (und so die Zugriffsverzögerung reduziert wird)
-
Damit das System auch dann weiterläuft, wenn einige Teile fehlschlagen (und so die Verfügbarkeit und Ausfallsicherheit erhöht wird)
-
Um die Anzahl der Maschinen, die Leseabfragen bedienen können, zu skalieren (und damit den Lesedurchsatz zu erhöhen) Backups und Replikation
In diesem Kapitel gehen wir davon aus, dass dein Datensatz klein genug ist, dass jeder Rechner eine Kopie des gesamten Datensatzes speichern kann. In Kapitel 7 werden wir diese Annahme lockern und die Aufteilung (Partitionierung) von Datensätzen besprechen, die für einen einzelnen Rechner zu groß sind. In späteren Kapiteln werden wir verschiedene Arten von Fehlern ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access