Model Ketekalan Data

Dalam sistem teragih, data sering disalin dan disimpan pada berbilang pelayan. Ketekalan data merujuk kepada usaha memastikan semua salinan data ini adalah sama pada bila-bila masa.

Bayangkan anda mempunyai beberapa salinan sebuah buku. Jika anda mengemas kini satu salinan, seberapa cepat dan boleh dipercayainya salinan lain menerima kemas kini yang sama?

Teorem CAP ialah konsep asas dalam sistem teragih. Teorem ini menyatakan bahawa stor data teragih hanya boleh menjamin dua daripada tiga sifat pada satu-satu masa:

• Ketekalan (semua nod melihat data yang sama pada masa yang sama)
• Ketersediaan (setiap permintaan menerima respons tanpa jaminan bahawa respons itu mengandungi tulisan terkini)
• Toleransi Pembahagian (sistem terus beroperasi walaupun berlaku kegagalan rangkaian)

Semasa mereka bentuk sistem, kita sering membuat pertukaran, khususnya antara Ketekalan dengan Ketersediaan.

Ketekalan kukuh bermaksud selepas operasi tulisan data selesai, mana-mana operasi bacaan berikutnya dijamin akan melihat data yang telah dikemas kini itu.

Keadaan ini ibarat semua orang menonton siaran langsung — mereka semua melihat perkara yang sama tepat pada saat yang sama. Tiada kelewatan dalam penyebaran maklumat.

Contoh klasik yang menunjukkan kepentingan ketekalan kukuh ialah urus niaga perbankan.

• Apabila anda memindahkan wang, baki akaun anda mesti mencerminkan perubahan itu dengan serta-merta.
• Akaun penerima juga mesti memaparkan dana yang diterima dengan serta-merta.
• Sebarang kelewatan atau ketidaktekalan boleh menyebabkan kesilapan kewangan yang serius.

Pangkalan data seperti pangkalan data SQL tradisional (contohnya, PostgreSQL dan MySQL) biasanya menyediakan ketekalan kukuh.

Ketekalan akhirnya bermaksud jika tiada kemas kini baharu dibuat pada item data tertentu, akhirnya semua capaian kepada item itu akan memulangkan nilai yang dikemas kini terakhir.

Ini membayangkan berlakunya kelewatan. Bayangkan sebuah berita yang tersebar perlahan-lahan melalui saluran berita yang berbeza. Sesetengah saluran mungkin menerimanya lebih awal, tetapi akhirnya semua orang mendapat berita yang sama.

Ketekalan akhirnya lazim dalam sistem yang mengutamakan ketersediaan tinggi dan prestasi berbanding ketepatan data serta-merta pada semua nod.

• Suapan Media Sosial: Jika anda menekan tanda 'suka' pada suatu kiriman, mungkin mengambil masa beberapa saat sebelum kiraan tanda 'suka' itu dikemas kini untuk semua rakan anda.
• DNS (Sistem Nama Domain): Apabila alamat IP sesebuah laman web berubah, kemas kini ini mengambil masa untuk tersebar ke seluruh dunia.

Pangkalan data NoSQL seperti Cassandra dan DynamoDB sering memanfaatkan ketekalan akhirnya.

Memilih ketekalan kukuh disertai beberapa pertukaran:

• Kebaikan: Data sentiasa tepat dan terkini, lalu memudahkan pemahaman tentang data.
• Keburukan: Kependaman lebih tinggi disebabkan penyelarasan antara nod, ketersediaan berkurang semasa pembahagian rangkaian dan penskalaan yang lebih rumit.

Keadaan ini ibarat mempunyai satu sumber kebenaran yang berwibawa dan semua sistem mesti merujuk kepadanya sebelum meneruskan operasi.

Ketekalan akhirnya juga mempunyai set kelebihan dan cabarannya sendiri:

• Kelebihan: Ketersediaan tinggi dan toleransi terhadap kegagalan, bacaan dan penulisan dengan kependaman lebih rendah, serta lebih mudah diskalakan secara mendatar.
• Kekurangan: Bacaan mungkin mengembalikan data yang lapuk, dan pembangun perlu mengendalikan konflik data yang mungkin berlaku serta logik penyelarasan.

Hal ini membolehkan sistem beroperasi secara bebas, sekali gus meningkatkan prestasi, tetapi memerlukan reka bentuk yang teliti untuk mengurus ketidakselarasan sementara.

Walaupun ketekalan kukuh dan ketekalan akhirnya merupakan model yang paling lazim, terdapat juga model lain:

• Ketekalan Kausal: Jika peristiwa A menyebabkan peristiwa B, setiap nod yang melihat B juga mesti melihat A. Walau bagaimanapun, peristiwa yang tidak berkaitan boleh dilihat dalam susunan yang berbeza.
• Ketekalan Baca-Selepas-Tulis-Sendiri: Pengguna dijamin dapat membaca penulisan terbaharunya sendiri, walaupun pengguna lain mungkin belum dapat melihatnya.

Model-model ini menawarkan keseimbangan yang berbeza antara ketekalan dan prestasi.

Model ketekalan terbaik bergantung sepenuhnya pada keperluan khusus aplikasi anda:

• Jika ketepatan dan integriti data amat penting (contohnya, urus niaga kewangan dan kiraan inventori), ketekalan kukuh biasanya lebih diutamakan.
• Jika ketersediaan tinggi, kependaman rendah dan skala yang sangat besar lebih kritikal, serta ketidakselarasan sementara boleh diterima (contohnya, suapan media sosial dan data penderia IoT), ketekalan akhirnya mungkin pilihan yang lebih baik.

Ini ialah keputusan reka bentuk yang penting kerana ia mempengaruhi seni bina sistem dan pengalaman pengguna.

Kami telah meneroka ketekalan data, iaitu konsep penting dalam reka bentuk sistem teragih. Anda telah mempelajari tentang:

• Ketekalan Kukuh: Semua replika data adalah sama pada setiap masa, dan hal ini amat penting untuk sistem kewangan.
• Ketekalan Akhirnya: Replika akhirnya mencapai keadaan yang sama, lalu menawarkan ketersediaan dan kebolehskalaan yang lebih tinggi untuk sistem seperti suapan media sosial.
• Teorem CAP: Pertukaran asas antara Ketekalan, Ketersediaan dan Toleransi Pembahagian.

Memilih model ketekalan yang tepat ialah keputusan utama yang bergantung pada keperluan dan keutamaan khusus aplikasi anda.