Datasets:

Nash-pAnDiTa

/

Ahmed-Elemam-3

like 0

طيب يا سيدي احنا حاليا عملنا Replication وبقى عندنا اكتر من Database بتـHandle كل الـQueries اللي بتتبعت لها فرغم وجود اكتر من نسخة من الـDatabase بتاعنا بعد عمل الـReplication الا ان الـDatabase Hit لا تزال مكلفة لان القراءة من على الـDisk بطيئة مقارنة مثلا لو انت بتقرأ من الـMemory فعشان كده ظهر نوع من الـDatabases وهو الـIn Memory Database زي Redis وغيرها عشان تحل المشكلة دي باني هحط الـData المهمة اللي بتطلب كتير او لسه مطلوبة في خلال وقت بسيط

احطها في الـMemory وتكون هي الـCaching layer فحاليا ده Component جديد ضفناه للـSystem عشان ينفذ عملية الـCaching فكرة الـCaching مبنية على مبدأ الـLocality وهي انك تخلي الـData اللي انت بتحتاجها كتير او لسه محتاجها من فترة قريبة قريبة منك وسريع الوصول اليها فاحنا هنضيف هنا Redis على سبيل المثال As a caching layer وهتكون بين الـWeb servers والـDatabase عشان نعمل Cach للـRead Queries اللي بتتكرر على طول او لسه حاصله من وقت قريب فالـWeb server هيبعت

الـRead Request للـCach الاول لو لقاها هيرجعها والعملية دي اسمها Cach hit ولو ما لقهاش العملية دي اسمها Cach miss وهيروح يجبها من الـDatabase ويعمل لها Caching ويرجعها للـUser طيب فبوجود الـCach احنا استفدنا ايه رقم 1 قللنا الـLoad بتاع الـRead Queries من على الـDatabase رقم 2الـResponse time بقى اسرع لاني بقيت بقرأ من الـRAM مش من الـDisk طيب انا فهمت اهمية الـCach بس انت ما قلتش هكتب الـData بتاعي في الـCach ازاي وازاي هتأكد ان الـData

في الـCach بيحصلها Update ومش Data قديمة بص يا سيدي الكتابة في الـCach ليها 3 انواع او 3 Techniques وهم الـWrite Behind والـWrite Around والـWrite Throw وزي ما باين في الصورة اللي قدامنا اول نوع وهو الـWrite Behind ومعنى Write هنا هي تعني الـWrite في الـPrimary Data Store اللي هي الـDatabase بتاعنا وهنا معناها اني هكتب في الـCach الاول وبعد كده هكتب في الـDatabase دي مزيتها السرعة طبعا لاني هرد على الـUser

بدون محتاج اروح للـDatabase بس في نفس الوقت ممكن يحصل مشكلة والـRequest بتاع الـDatabase يفشل وهيكون عرضة ان يحصل Data Loss فهو حل كويس لو ما عندكش مشكلة انك تفقد بعض الـData والمهم بالنسبة لك هو الـPerformance بس تاني Technique وهو الـWrite Around يعني هكتب في الـDatabase الاول وبعد ما يحصل Commit في الـDatabase او الـPrimary Data Store بتاعي الـCach هتبعت للـDatabase تاخد الـUpdate وبكده مش هيحصل Data Loss بس هي طبعا ابطأ من طريقة الـWrite Behind

بس هتحافظ على الـData بتاعي ولو حصل مشكلة في الـSync بين الـCach والـPrimary Data Store ده معناه ان الـCach هيكون فيها Data قديمة لحد ما يحصل Re-sync تاني وتالت نوع وهو الـWrite Throw وفي الـTechnique ده الـUpdates بتتبعت لل2 في نفس الوقت يعني بتتبعت للـPrimary Data Store وللـCach في نفس الوقت بس الـconfirm acknowledgement طبعاً معتمد على الـDatabase Commit أو الـPrimary Data Store فبرضه مش هنفقد Data في النوع ده طيب بما إن الـCach حلوة اهي

أنا هخزن كل الـData بتاعتي فيها غالباً ده ممكن يكون فكرة كويسة لو حجم الـData بتاعك مش كبير أو معاك فلوس كتير إنك تجيب رامات لإن الرامات مكلفة فالحل العملي أكتر هو إنك تخزن بس الـData المهمة زي ما قلت واللي بنحتاجها كتير أو expensive في الـExecution بتاعها طيب هل أقدر أعتمد على الـCach إنها تكون الـSource of truth بتاعي أو المخزن الأساسي للـData أو الـPrimary Data Store لأ لأنك عارف إن الـRAM volatile فلازم الـData يحصل لها persistence على الـDisk

طيب إيه مشاكل الـCach مشاكلها إنها Cach يعني أنت مسؤول عن إنك تخلي الـData فيها fresh وإلا الـSystem بتاعك هيفضل يعرض Data قديمة والحل المشكلة دي هيظهر عندنا two policies أو two techniques وهم الExpiration Policy والEviction Policy الExpiration Policy بإنك تحدد وقت معين الـKey اللي انت عامله Cach هيفضل وقت قد ايه فطبعا الوقت ده لازم ما يكونش كبير عشان الـSystem مايفضلش يعرض Data قديمة

لفترة كبيرة أو يكون وقته قليل فتخلي الـCach بتاعك زي قلتها وملهاش دور كبير في الـSystem لأنه كل شوية هتضطر تكلم الـPrimary Data Store بتاعك اللي هو الـDatabase النوع التاني وهو الـEviction Policy ودي لها اسم تاني وهو الـretention retention policy ودي بنحتاجها أما الـCach تكون على وشك إنها تبقى full فهتحتاج تطرد بعض الـKeys برا عشان الـKeys الجديدة طيب هتطرد مين ونخلي مين الـEviction بيتم عن طريق two algorithms وهم الـLRU

ودي اختصار لleast recently used ودي من اسمها باين إنها بتعتمد على الوقت فإحنا بنمسح الـKeys اللي ما تمشي استخدامها من فترة كبيرة تاني Technique وهو الـLFU ومعناها least frequently used وده بيعتمد على عدد مرات الاستخدام يعني الـKey اللي بيستخدم كتير هو اللي هيفضل في الـCach واللي بيستخدم قليل هو اللي هيتمسح وده معناه إن ممكن الـnew keys عرضة إنها هتتمسح بنسبة كبيرة عموما LRU أو LFU إنت

محتاج تختار الطريقة المناسبة لكل Case عندك وفيه اوقات بيتم الدمج بين الطريقتين والطريقة دي اسمها LFRU وهي باينه من اسمها طبعا السؤال الأخير والمعتاد الخاص بالـAvailability لو أنا الـCach Node بتاعتي وقعت إيه اللي هيحصل وقتها كل الـread request هتروح للـdatabase وممكن وقتها الـSystem يقع أو لا على حسب الـLoad على الـSystem وقتها وتجنبا لده فكالعادة هنعمل cluster أو أكتر ونعمل replication

عشان نحقق الـdistributed caching وهتلاقي link playlist اتكلمت فيها عن الـreplication techniques بأنواعها تبع سلسلة data intensive