تکثیر پایگاه داده ۲۰۲۲
Database Replication 2022

تکثیر پایگاه داده به طور گسترده برای تحمل خطا، مقیاس‌پذیری و عملکرد استفاده می‌شود. از کار افتادن یک رونوشت (replica) از پایگاه داده، مانع از کارکرد سیستم نمی‌شود، زیرا رونوشت‌های در دسترس می‌توانند وظایف رونوشت از کار افتاده را بر عهده بگیرند. مقیاس‌پذیری را می‌توان با توزیع بار کاری بین تمام رونوشت‌ها و افزودن رونوشت‌های جدید در صورت افزایش بار به دست آورد. در نهایت، تکثیر پایگاه داده می‌تواند دسترسی محلی سریع را فراهم کند، حتی اگر مشتریان از نظر جغرافیایی توزیع شده باشند، به شرطی که نسخه‌های داده در نزدیکی مشتریان قرار داشته باشند.

علی‌رغم مزایای آن، تکثیر یک تکنیک ساده برای اعمال نیست و موانع زیادی برای غلبه بر آن وجود دارد. در خط مقدم، کنترل رونوشت (replica control) قرار دارد: اطمینان از اینکه نسخه‌های داده هنگام وقوع به‌روزرسانی‌ها، سازگار باقی می‌مانند. جایگزین‌های بسیاری در رابطه با محل وقوع به‌روزرسانی‌ها و زمان انتشار تغییرات در نسخه‌های داده، نحوه اعمال تغییرات، محل قرارگیری ابزار تکثیر و غیره وجود دارد. یک چالش خاص، ترکیب کنترل رونوشت با مدیریت تراکنش است، زیرا این امر مستلزم این است که چندین عملیات به عنوان یک واحد منطقی واحد تلقی شوند و اتمی بودن، سازگاری، انزوا و دوام را در سراسر سیستم تکثیر شده فراهم کند.

این کتاب دسته‌بندی از مکانیسم‌های کنترل رونوشت ارائه می‌دهد، چندین مکانیسم کنترل همزمانی و رونوشت را به تفصیل ارائه می‌کند و بسیاری از مسائل مربوط به پیاده‌سازی این راه‌حل‌ها در داخل یا بالای سیستم‌های پایگاه داده رابطه‌ای را مورد بحث قرار می‌دهد. علاوه بر این، کتاب وظایفی را که برای ساختن یک راه حل تکثیر مقاوم در برابر خطا مورد نیاز است ارائه می‌کند، یک نمای کلی از استراتژی‌های متعادل‌سازی بار ارائه می‌کند که به بار اجازه می‌دهد به طور مساوی بین همه رونوشت‌ها توزیع شود، و مفهوم خود-تامین‌سازی (self-provisioning) را معرفی می‌کند که به سیستم تکثیر شده اجازه می‌دهد به طور پویا در مورد تعداد رونوشت‌های مورد نیاز برای رسیدگی به بار فعلی تصمیم بگیرد. از آنجایی که ارزیابی عملکرد جنبه مهمی در هنگام توسعه ابزار تکثیر است، این کتاب یک مدل تحلیلی از پتانسیل مقیاس‌پذیری راه‌حل‌های مختلف تکثیر ارائه می‌دهد.

به خوانندگانی که فقط علاقه مند به دریافت یک دید کلی خوب از چالش‌های تکثیر پایگاه داده و مکانیسم‌های کلی نحوه پیاده‌سازی راه‌حل‌های تکثیر هستند، توصیه می‌کنیم فصل‌های 1 تا 4 را مطالعه کنند. برای خوانندگانی که می‌خواهند تصویر کامل‌تری به دست آورند و بحثی در مورد مسائل پیشرفته داشته باشند، توصیه می‌کنیم فصل‌های 5، 8، 9 و 10 را نیز مطالعه کنند. در نهایت، فصل‌های 6 و 7 برای کسانی که می‌خواهند با طراحی دقیق الگوریتم و استدلال صحت آشنا شوند، جالب خواهد بود.

فهرست مطالب:
مروری / هم‌ارزی و سازگاری 1-کپی / پروتکل‌های پایه / معماری تکثیر / مقیاس‌پذیری تکثیر / تکثیر مشتاقانه و سریال‌پذیری 1-کپی / انزوای اسنپ‌شات 1-کپی / تکثیر تنبل / خود-پیکربندی و انعطاف‌پذیری / سایر جنبه‌های تکثیر

Database replication is widely used for fault-tolerance, scalability and performance. The failure of one database replica does not stop the system from working as available replicas can take over the tasks of the failed replica. Scalability can be achieved by distributing the load across all replicas, and adding new replicas should the load increase. Finally, database replication can provide fast local access, even if clients are geographically distributed clients, if data copies are located close to clients. Despite its advantages, replication is not a straightforward technique to apply, and there are many hurdles to overcome. At the forefront is replica control: assuring that data copies remain consistent when updates occur. There exist many alternatives in regard to where updates can occur and when changes are propagated to data copies, how changes are applied, where the replication tool is located, etc. A particular challenge is to combine replica control with transaction management as it requires several operations to be treated as a single logical unit, and it provides atomicity, consistency, isolation and durability across the replicated system. The book provides a categorization of replica control mechanisms, presents several replica and concurrency control mechanisms in detail, and discusses many of the issues that arise when such solutions need to be implemented within or on top of relational database systems. Furthermore, the book presents the tasks that are needed to build a fault-tolerant replication solution, provides an overview of load-balancing strategies that allow load to be equally distributed across all replicas, and introduces the concept of self-provisioning that allows the replicated system to dynamically decide on the number of replicas that are needed to handle the current load. As performance evaluation is a crucial aspect when developing a replication tool, the book presents an analytical model of the scalability potential of various replication solution. For readers that are only interested in getting a good overview of the challenges of database replication and the general mechanisms of how to implement replication solutions, we recommend to read Chapters 1 to 4. For readers that want to get a more complete picture and a discussion of advanced issues, we further recommend the Chapters 5, 8, 9 and 10. Finally, Chapters 6 and 7 are of interest for those who want get familiar with thorough algorithm design and correctness reasoning. Table of Contents: Overview / 1-Copy-Equivalence and Consistency / Basic Protocols / Replication Architecture / The Scalability of Replication / Eager Replication and 1-Copy-Serializability / 1-Copy-Snapshot Isolation / Lazy Replication / Self-Configuration and Elasticity / Other Aspects of Replication