1
00:00:00,000 --> 00:00:04,969
>> [Παίζει μουσική]

2
00:00:04,969 --> 00:00:06,010
RICK Houlihan: Εντάξει.

3
00:00:06,010 --> 00:00:06,600
Γεια σε όλους.

4
00:00:06,600 --> 00:00:07,670
Το όνομά μου είναι ο Rick Houlihan.

5
00:00:07,670 --> 00:00:10,330
Είμαι ένας ανώτερος κύρια
λύσεις αρχιτέκτονα στο AWS.

6
00:00:10,330 --> 00:00:14,070
Θα επικεντρωθεί στην NoSQL και
Τεχνολογίες DynamoDB.

7
00:00:14,070 --> 00:00:16,930
Είμαι εδώ σήμερα για να μιλήσω για την
Είσαι λίγο για εκείνους.

8
00:00:16,930 --> 00:00:18,970
>> Φόντο μου είναι
κυρίως σε επίπεδο δεδομένων.

9
00:00:18,970 --> 00:00:21,390
Πέρασα μισή ανάπτυξή μου
καριέρα γράφοντας βάση δεδομένων,

10
00:00:21,390 --> 00:00:25,930
πρόσβαση σε δεδομένα, λύσεις
για διάφορες εφαρμογές.

11
00:00:25,930 --> 00:00:30,000
Έχω πάει σε Cloud virtualization
για περίπου 20 χρόνια.

12
00:00:30,000 --> 00:00:33,460
Έτσι, πριν από το σύννεφο στο σύννεφο,
συνηθίζαμε να αποκαλούμε πληροφορικής χρησιμότητας.

13
00:00:33,460 --> 00:00:37,170
Και η ιδέα ήταν, είναι σαν να
PG & E, πληρώνετε για ό, τι χρησιμοποιείτε.

14
00:00:37,170 --> 00:00:38,800
Σήμερα λέμε το σύννεφο.

15
00:00:38,800 --> 00:00:41,239
>> Αλλά όλα αυτά τα χρόνια, έχω εργαστεί
για μια-δυο εταιρείες

16
00:00:41,239 --> 00:00:42,530
δεν έχετε ίσως ακούσει.

17
00:00:42,530 --> 00:00:47,470
Αλλά έχω συντάξει έναν κατάλογο των τεχνικών
επιτεύγματα, νομίζω ότι θα ήθελα να πω.

18
00:00:47,470 --> 00:00:51,620
Έχω οκτώ πατέντες στα συστήματα Cloud
virtualization, το σχεδιασμό μικροεπεξεργαστή,

19
00:00:51,620 --> 00:00:54,440
πολύπλοκη επεξεργασία περίπτωση,
και σε άλλους τομείς, όπως καλά.

20
00:00:54,440 --> 00:00:58,290
>> Έτσι, αυτές τις μέρες, έχω επικεντρωθεί κυρίως σε NoSQL
τεχνολογίες και η επόμενη γενιά

21
00:00:58,290 --> 00:00:59,450
βάση δεδομένων.

22
00:00:59,450 --> 00:01:03,370
Και αυτό είναι γενικά τι Πάω
να είναι εδώ να σου μιλάει σήμερα για.

23
00:01:03,370 --> 00:01:06,030
Έτσι τι μπορείτε να περιμένετε
από αυτή τη σύνοδο,

24
00:01:06,030 --> 00:01:08,254
θα περάσουν από μια σύντομη
Ιστορία της επεξεργασίας των δεδομένων.

25
00:01:08,254 --> 00:01:10,420
Είναι πάντα χρήσιμο να
κατανοήσουν από πού ήρθαμε

26
00:01:10,420 --> 00:01:12,400
και γιατί είμαστε εδώ που είμαστε.

27
00:01:12,400 --> 00:01:15,600
Και θα μιλήσουμε λίγο
bit για την τεχνολογία NoSQL

28
00:01:15,600 --> 00:01:17,500
από μια θεμελιώδη άποψη.

29
00:01:17,500 --> 00:01:19,870
>> Θα μπει σε κάποια από
τα εσωτερικά DynamoDB.

30
00:01:19,870 --> 00:01:24,350
DynamoDB είναι AWS είναι χωρίς άρωμα.

31
00:01:24,350 --> 00:01:27,340
Είναι μια πλήρους διαχείρισης και
φιλοξενείται λύση NoSQL.

32
00:01:27,340 --> 00:01:32,420
Και θα μιλήσουμε λίγο για το τραπέζι
δομή, APIs, τύποι δεδομένων, δείκτες,

33
00:01:32,420 --> 00:01:35,177
και μερικά από τα εσωτερικά
αυτής της τεχνολογίας DynamoDB.

34
00:01:35,177 --> 00:01:37,760
Θα μπει σε κάποια του σχεδιασμού
πρότυπα και τις βέλτιστες πρακτικές.

35
00:01:37,760 --> 00:01:39,968
Θα μιλήσουμε για το πώς θα
χρησιμοποιούν αυτή την τεχνολογία για μερικούς

36
00:01:39,968 --> 00:01:41,430
της σημερινής εφαρμογών.

37
00:01:41,430 --> 00:01:44,820
Και τότε θα μιλήσουμε λίγο
σχετικά με την εξέλιξη ή την εμφάνιση

38
00:01:44,820 --> 00:01:48,980
ενός νέου προτύπου για τον προγραμματισμό
που ονομάζεται event-driven εφαρμογές

39
00:01:48,980 --> 00:01:51,580
και πώς DynamoDB παίζει σε αυτό, καθώς και.

40
00:01:51,580 --> 00:01:54,690
Και θα σας αφήσει ένα μικρό κομμάτι της
μια αρχιτεκτονική αναφορά συζήτηση

41
00:01:54,690 --> 00:01:59,540
ώστε να μπορούμε να μιλήσουμε για μερικά από
οι τρόποι που μπορείτε να χρησιμοποιήσετε DynamoDB.

42
00:01:59,540 --> 00:02:04,116
>> Έτσι, η πρώτη off-- αυτό είναι ένα ερώτημα
Ακούω πολλά είναι, τι είναι μια βάση δεδομένων.

43
00:02:04,116 --> 00:02:06,240
Πολλοί άνθρωποι νομίζουν ότι
ξέρετε τι είναι μια βάση δεδομένων.

44
00:02:06,240 --> 00:02:08,360
Αν έχετε το Google, θα δείτε αυτό.

45
00:02:08,360 --> 00:02:11,675
Είναι ένα δομημένο σύνολο των δεδομένων που τηρούνται
σε έναν υπολογιστή, ειδικά μια που

46
00:02:11,675 --> 00:02:13,600
είναι προσβάσιμη με διάφορους τρόπους.

47
00:02:13,600 --> 00:02:16,992
Υποθέτω ότι είναι μια καλή
ορισμός ενός σύγχρονου βάσης δεδομένων.

48
00:02:16,992 --> 00:02:19,450
Αλλά δεν αρέσει, γιατί
υπονοεί μια κάποια πράγματα.

49
00:02:19,450 --> 00:02:20,935
Συνεπάγεται δομή.

50
00:02:20,935 --> 00:02:23,120
Και αυτό σημαίνει ότι είναι σε έναν υπολογιστή.

51
00:02:23,120 --> 00:02:25,750
Και οι βάσεις δεδομένων δεν το έκανε
υπάρχουν πάντα στους υπολογιστές.

52
00:02:25,750 --> 00:02:28,020
Βάσεις δεδομένων υπήρχαν στην πραγματικότητα με πολλούς τρόπους.

53
00:02:28,020 --> 00:02:32,000
>> Έτσι, ένας καλύτερος ορισμός της έννοιας της
βάση δεδομένων είναι κάτι σαν αυτό.

54
00:02:32,000 --> 00:02:34,786
Μια βάση δεδομένων είναι μια οργανωμένη
μηχανισμό για την αποθήκευση, τη διαχείριση,

55
00:02:34,786 --> 00:02:35,910
και ανάκτηση πληροφοριών.

56
00:02:35,910 --> 00:02:36,868
Αυτό είναι από το About.com.

57
00:02:36,868 --> 00:02:42,080
Έτσι μου αρέσει αυτό, γιατί πραγματικά συνομιλίες
για μια βάση δεδομένων είναι μια αποθήκη,

58
00:02:42,080 --> 00:02:44,800
μια αποθήκη
πληροφορίες, δεν είναι απαραίτητα

59
00:02:44,800 --> 00:02:46,780
κάτι που κάθεται σε έναν υπολογιστή.

60
00:02:46,780 --> 00:02:49,290
Και σε όλη την ιστορία, εμείς
δεν είχαν πάντα τους υπολογιστές.

61
00:02:49,290 --> 00:02:52,110
>> Τώρα, αν ρωτήσετε τον μέσο όρο
προγραμματιστής σήμερα τι είναι

62
00:02:52,110 --> 00:02:54,770
μια βάση δεδομένων, αυτή είναι η απάντηση που παίρνω.

63
00:02:54,770 --> 00:02:56,070
Κάπου μπορώ να κολλήσει τα πράγματα.

64
00:02:56,070 --> 00:02:56,670
Δικαίωμα?

65
00:02:56,670 --> 00:02:58,725
Και είναι αλήθεια.

66
00:02:58,725 --> 00:02:59,600
Αλλά είναι ατυχές.

67
00:02:59,600 --> 00:03:02,700
Επειδή η βάση δεδομένων είναι πραγματικά
το θεμέλιο της σύγχρονης app.

68
00:03:02,700 --> 00:03:04,810
Είναι το θεμέλιο
της κάθε εφαρμογής.

69
00:03:04,810 --> 00:03:07,240
Και πώς θα οικοδομήσουμε ότι
βάση δεδομένων, πώς να δομήσετε

70
00:03:07,240 --> 00:03:11,750
ότι τα δεδομένα πρόκειται να υπαγορεύσει τον τρόπο που
εφαρμογή εκτελεί όπως εσείς κλίμακα.

71
00:03:11,750 --> 00:03:14,640
>> Έτσι, πολλά από τη δουλειά μου σήμερα
ασχολείται με ό, τι

72
00:03:14,640 --> 00:03:17,180
συμβαίνει όταν οι προγραμματιστές
αυτή την προσέγγιση

73
00:03:17,180 --> 00:03:19,510
και ασχολείται με τα επακόλουθα
μιας εφαρμογής που

74
00:03:19,510 --> 00:03:24,966
Τώρα κλιμάκωση πέρα ​​από το αρχικό
πρόθεση και την ταλαιπωρία από το κακό σχεδιασμό.

75
00:03:24,966 --> 00:03:26,840
Έτσι, ελπίζουμε ότι, όταν
τα πόδια και σήμερα, θα

76
00:03:26,840 --> 00:03:29,010
ένα ζευγάρι των εργαλείων
τη ζώνη σας, που θα σας κρατήσει

77
00:03:29,010 --> 00:03:32,566
να κάνουν τα ίδια λάθη.

78
00:03:32,566 --> 00:03:33,066
Εντάξει.

79
00:03:33,066 --> 00:03:36,360
Ας μιλήσουμε για λίγο
το χρονοδιάγραμμα της τεχνολογίας βάσεων δεδομένων.

80
00:03:36,360 --> 00:03:38,830
Νομίζω ότι διάβασα ένα
το άρθρο δεν έχει περάσει πολύς καιρός

81
00:03:38,830 --> 00:03:43,020
και είπε κάτι για το lines--
είναι μια πολύ ποιητική δήλωση.

82
00:03:43,020 --> 00:03:46,590
Ανέφερε ότι η ιστορία
της επεξεργασίας των δεδομένων είναι

83
00:03:46,590 --> 00:03:49,350
γεμάτο από υψηλής υδατογραφήματα
της αφθονίας δεδομένων.

84
00:03:49,350 --> 00:03:49,920
ΕΝΤΆΞΕΙ.

85
00:03:49,920 --> 00:03:52,532
Τώρα, υποθέτω ότι είναι το είδος της αλήθεια.

86
00:03:52,532 --> 00:03:54,990
Αλλά εγώ πραγματικά να εξετάσουμε είναι η
η ιστορία είναι πραγματικά γεμάτο

87
00:03:54,990 --> 00:03:56,820
με υψηλό υδατογράφημα της πίεσης δεδομένων.

88
00:03:56,820 --> 00:04:00,040
Επειδή ο ρυθμός δεδομένων του
κατάποση δεν κατεβαίνει.

89
00:04:00,040 --> 00:04:01,360
Ανεβαίνει μόνο.

90
00:04:01,360 --> 00:04:03,670
>> Και η καινοτομία εμφανίζεται όταν
βλέπουμε την πίεση των δεδομένων, η οποία

91
00:04:03,670 --> 00:04:07,825
είναι η ποσότητα των δεδομένων που είναι
τώρα που έρχονται στο σύστημα.

92
00:04:07,825 --> 00:04:12,027
Και δεν μπορεί να επεξεργαστεί
αποτελεσματικά, είτε σε χρόνο είτε σε κόστος.

93
00:04:12,027 --> 00:04:14,110
Και αυτό είναι όταν αρχίζουμε
να εξετάσουμε τα δεδομένα πίεση.

94
00:04:14,110 --> 00:04:15,920
>> Έτσι, όταν εξετάζουμε το
πρώτη βάση δεδομένων, αυτή η

95
00:04:15,920 --> 00:04:17,180
είναι αυτός που ήταν ανάμεσα στα αυτιά μας.

96
00:04:17,180 --> 00:04:18,310
Είμαστε όλοι γεννηθεί με αυτή.

97
00:04:18,310 --> 00:04:19,194
Είναι μια ωραία βάση δεδομένων.

98
00:04:19,194 --> 00:04:21,110
Έχει υψηλή διαθεσιμότητα.

99
00:04:21,110 --> 00:04:21,959
Είναι πάντα.

100
00:04:21,959 --> 00:04:23,930
Μπορείτε πάντα να το πάρετε.

101
00:04:23,930 --> 00:04:24,890
>> Αλλά είναι μόνο χρήστη.

102
00:04:24,890 --> 00:04:26,348
Δεν μπορώ να μοιραστώ τις σκέψεις μου μαζί σας.

103
00:04:26,348 --> 00:04:28,370
Δεν μπορείτε να πάρετε τις σκέψεις μου
όταν τα θέλετε.

104
00:04:28,370 --> 00:04:30,320
Και abilitiy τους δεν είναι τόσο καλή.

105
00:04:30,320 --> 00:04:32,510
Ξεχνάμε τα πράγματα.

106
00:04:32,510 --> 00:04:36,540
Κάθε τώρα και τότε, ένας από εμάς φύλλα
και κινείται προς μια άλλη ύπαρξη

107
00:04:36,540 --> 00:04:39,110
και χάνουμε τα πάντα
ότι στην εν λόγω βάση δεδομένων.

108
00:04:39,110 --> 00:04:40,640
Έτσι, αυτό δεν είναι όλα αυτά καλά.

109
00:04:40,640 --> 00:04:43,189
>> Και αυτό λειτούργησε καλά την πάροδο του χρόνου
όταν ήμασταν πίσω στην ημέρα

110
00:04:43,189 --> 00:04:46,230
όταν το μόνο που πραγματικά χρειάζεται να γνωρίζετε είναι
όπου θα πάμε αύριο

111
00:04:46,230 --> 00:04:49,630
ή όπου μαζεύουμε το καλύτερο φαγητό.

112
00:04:49,630 --> 00:04:52,820
Αλλά όπως έχουμε αρχίσει να αναπτύσσεται ως
πολιτισμός και κυβέρνηση άρχισε

113
00:04:52,820 --> 00:04:55,152
να τεθεί σε λειτουργία, και
επιχειρήσεις άρχισαν να εξελίσσονται,

114
00:04:55,152 --> 00:04:57,360
αρχίσαμε να συνειδητοποιούμε ότι
χρειάζονται λίγο περισσότερο από ό, τι

115
00:04:57,360 --> 00:04:58,210
θα μπορούσε να θέσει στο κεφάλι μας.

116
00:04:58,210 --> 00:04:58,870
Εντάξει?

117
00:04:58,870 --> 00:05:00,410
>> Χρειαζόμασταν συστήματα καταγραφής.

118
00:05:00,410 --> 00:05:02,220
Χρειαζόμασταν μέρη για να είναι σε θέση να αποθηκεύουν δεδομένα.

119
00:05:02,220 --> 00:05:05,450
Έτσι αρχίσαμε να γράψουν κείμενα,
δημιουργώντας βιβλιοθήκες και αρχεία.

120
00:05:05,450 --> 00:05:08,000
Ξεκινήσαμε την ανάπτυξη μιας
σύστημα ένα λογιστικό βιβλίο.

121
00:05:08,000 --> 00:05:12,200
Και αυτό το σύστημα καταμέτρησης καθολικού
έτρεξε τον κόσμο για πολλούς αιώνες,

122
00:05:12,200 --> 00:05:15,580
και ίσως ακόμη και χιλιετίες ως
έχουμε το είδος της μεγάλωσε μέχρι το σημείο

123
00:05:15,580 --> 00:05:18,420
όταν η φόρτωση των δεδομένων ξεπέρασε
η ικανότητα των συστημάτων αυτών

124
00:05:18,420 --> 00:05:19,870
να είναι σε θέση να την συγκρατήσουν.

125
00:05:19,870 --> 00:05:22,070
>> Και αυτό ακριβώς συνέβη στη δεκαετία του 1880.

126
00:05:22,070 --> 00:05:22,570
Δικαίωμα?

127
00:05:22,570 --> 00:05:24,390
Στο 1880 Απογραφής των ΗΠΑ.

128
00:05:24,390 --> 00:05:26,976
Αυτό είναι πραγματικά όπου η στροφή
σημείο σύγχρονη επεξεργασία δεδομένων.

129
00:05:26,976 --> 00:05:28,850
Αυτό είναι το σημείο στο
την οποία η ποσότητα των δεδομένων

130
00:05:28,850 --> 00:05:32,060
ότι είχε εισπραχθεί από το
Αμερικανική κυβέρνηση έφτασε στο σημείο

131
00:05:32,060 --> 00:05:34,005
όπου χρειάστηκε οκτώ χρόνια για να επεξεργαστεί.

132
00:05:34,005 --> 00:05:36,350
>> Τώρα, οκτώ years-- ως
Ξέρετε, την απογραφή

133
00:05:36,350 --> 00:05:39,180
τρέχει κάθε 10 years-- έτσι είναι
αρκετά προφανές ότι από την στιγμή που

134
00:05:39,180 --> 00:05:41,419
πήρε την απογραφή του 1890,
η ποσότητα των δεδομένων που

135
00:05:41,419 --> 00:05:43,210
επρόκειτο να υποστούν επεξεργασία
από την κυβέρνηση ήταν

136
00:05:43,210 --> 00:05:46,335
πρόκειται να υπερβεί τα 10 χρόνια που
θα χρειαζόταν για να ξεκινήσει τη νέα απογραφή.

137
00:05:46,335 --> 00:05:47,250
Αυτό ήταν ένα πρόβλημα.

138
00:05:47,250 --> 00:05:49,000
>> Έτσι, ένας τύπος που ονομάζεται Herman
Hollerith ήρθε μαζί

139
00:05:49,000 --> 00:05:52,640
και εφηύρε μονάδα διάτρησης ρεκόρ
κάρτες, αναγνώστη καρτών γροθιά, κάρτα γροθιά

140
00:05:52,640 --> 00:05:58,420
πινακοποιητής, και η αντιπαραβολή των
οι μηχανισμοί για την τεχνολογία αυτή.

141
00:05:58,420 --> 00:06:01,860
Και ότι η εταιρεία που δημιούργησε κατά τη
ώρα, μαζί με ένα ζευγάρι των άλλων,

142
00:06:01,860 --> 00:06:05,450
πραγματικά έγινε ένας από τους πυλώνες μιας
μικρή εταιρεία που γνωρίζουμε σήμερα ονομάζεται IBM.

143
00:06:05,450 --> 00:06:08,417
>> Άρα η IBM αρχικά ήταν σε
η επιχείρηση της βάσης δεδομένων.

144
00:06:08,417 --> 00:06:09,750
Και αυτό είναι πραγματικά ό, τι έκαναν.

145
00:06:09,750 --> 00:06:11,110
Έκαναν την επεξεργασία των δεδομένων.

146
00:06:11,110 --> 00:06:15,400
>> Καθώς έτσι τον πολλαπλασιασμό του γροθιά
κάρτες, ένα ευφυές μηχανισμούς

147
00:06:15,400 --> 00:06:18,560
να είναι σε θέση να μόχλευσης ότι
τεχνολογία για την δημοσκόπηση ταξινομημένων συνόλων αποτελεσμάτων.

148
00:06:18,560 --> 00:06:20,726
Μπορείτε να δείτε σε αυτή την εικόνα
εκεί έχουμε μια little--

149
00:06:20,726 --> 00:06:23,970
είναι λίγο small--, αλλά μπορείτε να δείτε
ένα πολύ έξυπνο μηχανικό μηχανισμό

150
00:06:23,970 --> 00:06:26,970
όπου έχουμε μια τράπουλα γροθιά.

151
00:06:26,970 --> 00:06:28,720
Και λήψη κάποιου
ένα μικρό κατσαβίδι

152
00:06:28,720 --> 00:06:31,400
και να κολλήσει με το
κουλοχέρηδες και ανασηκώνοντάς

153
00:06:31,400 --> 00:06:34,820
για να πάρει αυτό το ματς, ότι
που ταξινομούνται αποτελέσματα.

154
00:06:34,820 --> 00:06:36,270
>> Αυτή είναι μια συνάθροιση.

155
00:06:36,270 --> 00:06:38,690
Το κάνουμε αυτό όλη την ώρα
σήμερα στον υπολογιστή,

156
00:06:38,690 --> 00:06:40,100
όπου μπορείτε να το κάνετε στη βάση δεδομένων.

157
00:06:40,100 --> 00:06:41,620
Συνηθίζαμε να το κάνετε μόνοι σας, σωστά;

158
00:06:41,620 --> 00:06:42,994
Οι άνθρωποι βάλει αυτά τα πράγματα μαζί.

159
00:06:42,994 --> 00:06:45,440
Και ήταν η διάδοση
από αυτές τις διάτρητες κάρτες

160
00:06:45,440 --> 00:06:50,070
σε αυτό που ονομάζεται τύμπανα δεδομένων
και κυλίνδρους δεδομένα, χαρτοταινία.

161
00:06:50,070 --> 00:06:55,980
>> Η βιομηχανία επεξεργασίας των δεδομένων πραγματοποιήθηκε
ένα μάθημα από τα πιάνα παίκτη.

162
00:06:55,980 --> 00:06:57,855
Παίκτης πιάνα πίσω
το γύρισμα του αιώνα

163
00:06:57,855 --> 00:07:02,100
χρησιμοποιούσαν τροχούς χαρτί με εγκοπές
για να το πω ποια κλειδιά για να παίξει.

164
00:07:02,100 --> 00:07:05,380
Έτσι ώστε η τεχνολογία προσαρμόστηκε
τελικά για την αποθήκευση ψηφιακών δεδομένων,

165
00:07:05,380 --> 00:07:08,070
επειδή θα μπορούσε να θέσει αυτά τα δεδομένα
σε αυτούς τους κυλίνδρους χαρτοταινία.

166
00:07:08,070 --> 00:07:10,870
>> Τώρα, ως αποτέλεσμα, τα δεδομένα
ήταν πώς actually--

167
00:07:10,870 --> 00:07:14,960
έχετε πρόσβαση σε αυτά τα δεδομένα ήταν άμεσα
εξαρτάται από το πώς θα αποθηκεύονται.

168
00:07:14,960 --> 00:07:17,825
Έτσι, αν βάλω τα δεδομένα σε μια ταινία,
Είχα αποκτήσει πρόσβαση στα δεδομένα γραμμικά.

169
00:07:17,825 --> 00:07:20,475
Έπρεπε να κυλήσει το σύνολο
ταινία για να αποκτήσετε πρόσβαση σε όλα τα δεδομένα.

170
00:07:20,475 --> 00:07:22,600
Αν έβαλα τα δεδομένα σε γροθιά
κάρτες, θα μπορούσε να έχει πρόσβαση

171
00:07:22,600 --> 00:07:26,270
σε λίγο περισσότερο τυχαίο
μόδα, ίσως όχι τόσο γρήγορα.

172
00:07:26,270 --> 00:07:30,770
>> Αλλά υπήρχαν περιορισμοί στον τρόπο που θα
πρόσβαση σε δεδομένα με βάση το πόσο φυλάχθηκε.

173
00:07:30,770 --> 00:07:32,890
Και έτσι αυτό ήταν ένα πρόβλημα
υπεισέλθω σε τη δεκαετία του '50.

174
00:07:32,890 --> 00:07:37,890
Και πάλι, μπορούμε να αρχίσουμε να βλέπουμε ότι καθώς
την ανάπτυξη νέων τεχνολογιών για την επεξεργασία

175
00:07:37,890 --> 00:07:41,670
τα δεδομένα, δεξιά, ανοίγει
η πόρτα για νέες λύσεις,

176
00:07:41,670 --> 00:07:45,852
για τα νέα προγράμματα, νέες
οι αιτήσεις για το εν λόγω δεδομένων.

177
00:07:45,852 --> 00:07:47,810
Και πραγματικά, η διακυβέρνηση
μπορεί να ήταν η αιτία

178
00:07:47,810 --> 00:07:49,435
γιατί έχουμε αναπτύξει ορισμένα από αυτά τα συστήματα.

179
00:07:49,435 --> 00:07:52,290
Αλλά η δουλειά έγινε γρήγορα
ο οδηγός πίσω από την εξέλιξη

180
00:07:52,290 --> 00:07:54,720
της σύγχρονης βάσης δεδομένων και
Το σύγχρονο σύστημα αρχείων.

181
00:07:54,720 --> 00:07:56,870
>> Έτσι, το επόμενο πράγμα που
ήρθε ήταν στη δεκαετία του '50

182
00:07:56,870 --> 00:08:00,780
ήταν το σύστημα αρχείων και το
ανάπτυξη της τυχαίας αποθήκευσης πρόσβασης.

183
00:08:00,780 --> 00:08:02,050
Αυτό ήταν όμορφη.

184
00:08:02,050 --> 00:08:06,230
Τώρα, όλοι ξαφνικά, μπορούμε να βάλουμε μας
αρχεία οπουδήποτε στον αυτούς τους σκληρούς δίσκους

185
00:08:06,230 --> 00:08:09,760
και μπορούμε να έχουμε πρόσβαση αυτά τα δεδομένα τυχαία.

186
00:08:09,760 --> 00:08:11,950
Μπορούμε να αναλύσει ότι
πληροφορίες εκτός των αρχείων.

187
00:08:11,950 --> 00:08:14,920
Και έχουμε λύσει όλα του κόσμου
προβλήματα με την επεξεργασία των δεδομένων.

188
00:08:14,920 --> 00:08:17,550
>> Και αυτό διήρκεσε περίπου 20 ή
30 χρόνια έως ότου η εξέλιξη

189
00:08:17,550 --> 00:08:22,100
του σχεσιακή βάση δεδομένων, η οποία
είναι όταν ο κόσμος που αποφάσισε τώρα

190
00:08:22,100 --> 00:08:27,940
Πρέπει να έχετε ένα αποθετήριο που νικά
η εξάπλωση των δεδομένων σε αρχείο

191
00:08:27,940 --> 00:08:29,540
συστήματα που έχουμε χτίσει. Δικαίωμα?

192
00:08:29,540 --> 00:08:34,270
Πάρα πολλά δεδομένα διανέμονται σε πάρα πολλά
θέσεις, ο de-επικάλυψη των δεδομένων,

193
00:08:34,270 --> 00:08:37,120
και το κόστος της αποθήκευσης ήταν τεράστια.

194
00:08:37,120 --> 00:08:43,760
>> Τη δεκαετία του '70, το πιο ακριβό πόρο
ότι ένας υπολογιστής είχε ήταν η αποθήκευση.

195
00:08:43,760 --> 00:08:46,200
Ο επεξεργαστής ήταν
θεωρηθεί ως ένα σταθερό κόστος.

196
00:08:46,200 --> 00:08:49,030
Όταν αγοράζετε το κουτί,
η CPU κάνει κάποια εργασία.

197
00:08:49,030 --> 00:08:51,960
Είναι πρόκειται να περιστρέφεται κατά πόσον
αυτό είναι πραγματικά εργάζονται ή όχι.

198
00:08:51,960 --> 00:08:53,350
Αυτό είναι πραγματικά ένα εφάπαξ κόστος.

199
00:08:53,350 --> 00:08:56,030
>> Αλλά αυτό που μου κοστίσει ως
των επιχειρήσεων είναι η αποθήκευση.

200
00:08:56,030 --> 00:09:00,020
Αν έχω να αγοράσω περισσότερους δίσκους επόμενο
μήνα, αυτό είναι ένα πραγματικό κόστος που πληρώνουν.

201
00:09:00,020 --> 00:09:01,620
Και αυτή η αποθήκευση είναι δαπανηρή.

202
00:09:01,620 --> 00:09:05,020
>> Τώρα fast forward 40 χρόνια
και έχουμε ένα διαφορετικό πρόβλημα.

203
00:09:05,020 --> 00:09:10,020
Η υπολογιστική είναι τώρα η
πιο ακριβό πόρο.

204
00:09:10,020 --> 00:09:11,470
Η αποθήκευση είναι φθηνή.

205
00:09:11,470 --> 00:09:14,570
Θέλω να πω, μπορούμε να πάμε οπουδήποτε για το
σύννεφο και μπορούμε να βρούμε φτηνό αποθήκευσης.

206
00:09:14,570 --> 00:09:17,190
Αλλά αυτό δεν μπορώ να βρω είναι φθηνή υπολογιστική.

207
00:09:17,190 --> 00:09:20,700
>> Έτσι, η εξέλιξη της σημερινής
τεχνολογίας, της τεχνολογίας των βάσεων δεδομένων,

208
00:09:20,700 --> 00:09:23,050
Είναι πραγματικά επικεντρώθηκε γύρω από
κατανεμημένες βάσεις δεδομένων

209
00:09:23,050 --> 00:09:26,960
ότι δεν πάσχουν από
το ίδιο είδος κλίμακας

210
00:09:26,960 --> 00:09:29,240
περιορισμούς των σχεσιακών βάσεων δεδομένων.

211
00:09:29,240 --> 00:09:32,080
Θα μιλήσουμε λίγο για
τι σημαίνει αυτό στην πραγματικότητα.

212
00:09:32,080 --> 00:09:34,760
>> Αλλά ένας από τους λόγους και
ο οδηγός πίσω από this-- μας

213
00:09:34,760 --> 00:09:38,290
μίλησε για την πίεση των δεδομένων.

214
00:09:38,290 --> 00:09:41,920
Δεδομένα πίεση είναι κάτι
ότι κινεί την καινοτομία.

215
00:09:41,920 --> 00:09:44,610
Και αν κοιτάξετε πάνω
τα τελευταία πέντε χρόνια,

216
00:09:44,610 --> 00:09:48,180
αυτό είναι ένα διάγραμμα του τι δεδομένων
φορτίο σε όλη τη Γενική Διεύθυνση Επιχειρήσεων

217
00:09:48,180 --> 00:09:49,640
μοιάζει τα τελευταία πέντε χρόνια.

218
00:09:49,640 --> 00:09:52,570
>> Και ο γενικός κανόνας του αντίχειρα
Αυτές οι days-- αν πάτε Google--

219
00:09:52,570 --> 00:09:55,290
είναι το 90% των δεδομένων που
αποθηκεύουμε σήμερα, και ήταν

220
00:09:55,290 --> 00:09:57,330
παράγεται εντός των δύο τελευταίων ετών.

221
00:09:57,330 --> 00:09:57,911
ΕΝΤΆΞΕΙ.

222
00:09:57,911 --> 00:09:59,410
Τώρα, αυτό δεν είναι μια τάση που είναι νέο.

223
00:09:59,410 --> 00:10:01,230
Αυτή είναι μια τάση που είναι ήδη
βγείτε έξω για 100 χρόνια.

224
00:10:01,230 --> 00:10:03,438
Από τότε Herman Hollerith
ανέπτυξε την κάρτα γροθιά,

225
00:10:03,438 --> 00:10:08,040
έχουμε χτίσει αποθήκες δεδομένων
και τη συλλογή δεδομένων σε πρωτοφανή ποσοστά.

226
00:10:08,040 --> 00:10:10,570
>> Έτσι, τα τελευταία 100 χρόνια,
έχουμε δει αυτή την τάση.

227
00:10:10,570 --> 00:10:11,940
Αυτό δεν πρόκειται να αλλάξει.

228
00:10:11,940 --> 00:10:14,789
Πηγαίνοντας προς τα εμπρός, θα πάμε να δούμε
αυτό, αν όχι μια επιταχυνόμενη τάση.

229
00:10:14,789 --> 00:10:16,330
Και μπορείτε να δείτε τι μοιάζει.

230
00:10:16,330 --> 00:10:23,510
>> Εάν μια επιχείρηση το 2010 είχε ένα
terabyte δεδομένων υπό διαχείριση,

231
00:10:23,510 --> 00:10:27,080
σήμερα, που σημαίνει ότι είναι
6.5 petabytes τη διαχείριση των δεδομένων.

232
00:10:27,080 --> 00:10:30,380
Αυτό είναι 6.500 φορές περισσότερα δεδομένα.

233
00:10:30,380 --> 00:10:31,200
Και το ξέρω αυτό.

234
00:10:31,200 --> 00:10:33,292
Δουλεύω με τις εν λόγω επιχειρήσεις κάθε μέρα.

235
00:10:33,292 --> 00:10:35,000
Πέντε χρόνια πριν,
θα μιλήσει σε εταιρείες

236
00:10:35,000 --> 00:10:38,260
ο οποίος θα μιλήσει σε μένα σχετικά με το τι πόνο
είναι να διαχειρίζεται terabytes δεδομένων.

237
00:10:38,260 --> 00:10:39,700
Και θα μιλούσαν
μου για το πώς βλέπουμε

238
00:10:39,700 --> 00:10:41,825
ότι αυτό κατά πάσα πιθανότητα θα
να είναι ένα ή δύο petabyte

239
00:10:41,825 --> 00:10:43,030
μέσα σε δύο χρόνια.

240
00:10:43,030 --> 00:10:45,170
>> Αυτές οι ίδιες οι εταιρείες
Σήμερα είμαι συνάντηση με,

241
00:10:45,170 --> 00:10:48,100
και μιλάμε για μένα για το
πρόβλημα έχουν εκεί τη διαχείριση

242
00:10:48,100 --> 00:10:51,440
δεκάδες, 20 petabytes δεδομένων.

243
00:10:51,440 --> 00:10:53,590
Έτσι, την έκρηξη της
στοιχεία στη βιομηχανία

244
00:10:53,590 --> 00:10:56,670
είναι η κινητήρια δύναμη της τεράστιας
ανάγκη για καλύτερες λύσεις.

245
00:10:56,670 --> 00:11:00,980
Και η σχεσιακή βάση δεδομένων είναι
απλά δεν ζουν μέχρι και τη ζήτηση.

246
00:11:00,980 --> 00:11:03,490
>> Και έτσι υπάρχει μια γραμμική
συσχέτιση μεταξύ της πίεσης δεδομένων

247
00:11:03,490 --> 00:11:05,210
και την τεχνολογική καινοτομία.

248
00:11:05,210 --> 00:11:07,780
Η Ιστορία μάς έχει δείξει
αυτό, ότι το πέρασμα του χρόνου,

249
00:11:07,780 --> 00:11:11,090
όποτε ο όγκος των δεδομένων
ότι θα πρέπει να υποβάλλονται σε επεξεργασία

250
00:11:11,090 --> 00:11:15,490
υπερβαίνει τη χωρητικότητα του συστήματος
να επεξεργαστεί σε ένα εύλογο χρονικό διάστημα

251
00:11:15,490 --> 00:11:18,870
ή σε λογικό κόστος,
Στη συνέχεια οι νέες τεχνολογίες

252
00:11:18,870 --> 00:11:21,080
Οι εφευρέθηκε για να λύσει αυτά τα προβλήματα.

253
00:11:21,080 --> 00:11:24,090
Αυτές οι νέες τεχνολογίες,
με τη σειρά του, να ανοίξει την πόρτα

254
00:11:24,090 --> 00:11:27,840
σε ένα άλλο σύνολο των προβλημάτων, τα οποία
συγκεντρώνει ακόμα περισσότερα δεδομένα.

255
00:11:27,840 --> 00:11:29,520
>> Τώρα, εμείς δεν πρόκειται να σταματήσει αυτό.

256
00:11:29,520 --> 00:11:30,020
Δικαίωμα?

257
00:11:30,020 --> 00:11:31,228
Εμείς δεν πρόκειται να σταματήσει αυτό.

258
00:11:31,228 --> 00:11:31,830
Γιατί;

259
00:11:31,830 --> 00:11:35,520
Επειδή δεν μπορείτε να ξέρετε τα πάντα
υπάρχει να ξέρει στο σύμπαν.

260
00:11:35,520 --> 00:11:40,510
Και όσο ήμασταν ζωντανοί,
σε όλη την ιστορία του ανθρώπου,

261
00:11:40,510 --> 00:11:43,440
έχουμε πάντα με γνώμονα να μάθετε περισσότερα.

262
00:11:43,440 --> 00:11:49,840
>> Φαίνεται λοιπόν ότι κάθε ίντσα κινούμαστε
κάτω από την πορεία της επιστημονικής ανακάλυψης,

263
00:11:49,840 --> 00:11:54,620
είμαστε πολλαπλασιάζοντας την ποσότητα των δεδομένων
ότι πρέπει να επεξεργαστούμε εκθετικά

264
00:11:54,620 --> 00:11:59,920
όπως έχουμε αποκαλύψει όλο και περισσότερο και πιο
σχετικά με τις εσωτερικές λειτουργίες της ζωής,

265
00:11:59,920 --> 00:12:04,530
για το πώς λειτουργεί το σύμπαν, για
οδηγώντας την επιστημονική ανακάλυψη,

266
00:12:04,530 --> 00:12:06,440
και η εφεύρεση που
κάνουμε σήμερα.

267
00:12:06,440 --> 00:12:09,570
Ο όγκος των δεδομένων μόνο
αυξάνεται συνεχώς.

268
00:12:09,570 --> 00:12:12,120
Έτσι είναι σε θέση να ασχοληθεί με
Αυτό το πρόβλημα είναι τεράστιο.

269
00:12:12,120 --> 00:12:14,790

270
00:12:14,790 --> 00:12:17,410
>> Έτσι ένα από τα πράγματα
κοιτάξουμε το γιατί NoSQL;

271
00:12:17,410 --> 00:12:19,200
Πώς NoSQL λύσει αυτό το πρόβλημα;

272
00:12:19,200 --> 00:12:24,980
Λοιπόν, σχεσιακές βάσεις δεδομένων,
Structured Query Language,

273
00:12:24,980 --> 00:12:28,600
SQL-- αυτό είναι πραγματικά ένα κατασκεύασμα της
σχεσιακή database-- αυτά τα πράγματα είναι

274
00:12:28,600 --> 00:12:30,770
βελτιστοποιημένες για αποθήκευση.

275
00:12:30,770 --> 00:12:33,180
>> Επιστροφή στη δεκαετία του '70, και πάλι,
δίσκος είναι ακριβό.

276
00:12:33,180 --> 00:12:36,990
Η άσκηση διαδικασία provisioning
στην επιχείρηση δεν τελειώνει ποτέ.

277
00:12:36,990 --> 00:12:37,490
Ξέρω.

278
00:12:37,490 --> 00:12:38,020
Έχω ζήσει.

279
00:12:38,020 --> 00:12:41,250
Έγραψα προγράμματα οδήγησης αποθήκευσης για ένα
enterprised εταιρεία superserver

280
00:12:41,250 --> 00:12:42,470
πίσω στη δεκαετία του '90.

281
00:12:42,470 --> 00:12:45,920
Και η κατώτατη γραμμή είναι στίβουν το άλλο
συστοιχία αποθήκευσης ήταν απλά κάτι που

282
00:12:45,920 --> 00:12:47,600
συνέβη κάθε μέρα στην επιχείρηση.

283
00:12:47,600 --> 00:12:49,030
Και ποτέ δεν σταμάτησε.

284
00:12:49,030 --> 00:12:52,690
Υψηλότερες πυκνότητα αποθήκευσης, η ζήτηση
για την υψηλή πυκνότητα αποθήκευσης,

285
00:12:52,690 --> 00:12:56,340
και για πιο αποτελεσματική αποθήκευση
devices-- ποτέ δεν σταμάτησε.

286
00:12:56,340 --> 00:13:00,160
>> Και NoSQL είναι μια μεγάλη τεχνολογία
επειδή ομαλοποιεί τα δεδομένα.

287
00:13:00,160 --> 00:13:02,210
De-αναπαράγει τα δεδομένα.

288
00:13:02,210 --> 00:13:07,180
Θα πρέπει να θέσει τα δεδομένα σε μια δομή που
είναι αγνωστικιστής σε κάθε σχέδιο πρόσβασης.

289
00:13:07,180 --> 00:13:11,600
Πολλαπλές εφαρμογές μπορεί να χτυπήσει ότι
Βάση δεδομένων SQL, εκτελέστε ad hoc ερωτήματα,

290
00:13:11,600 --> 00:13:15,950
και να πάρετε τα δεδομένα στο σχήμα, ώστε
Πρέπει να επεξεργάζονται το φόρτο εργασίας τους.

291
00:13:15,950 --> 00:13:17,570
Αυτό ακούγεται φανταστικό.

292
00:13:17,570 --> 00:13:21,350
Αλλά η κατώτατη γραμμή είναι με οποιοδήποτε
συστήματος, αν είναι αγνωστικιστής για τα πάντα,

293
00:13:21,350 --> 00:13:23,500
αυτό έχει βελτιστοποιηθεί για τίποτα.

294
00:13:23,500 --> 00:13:24,050
ΕΝΤΆΞΕΙ?

295
00:13:24,050 --> 00:13:26,386
>> Και αυτό είναι που έχουμε με
η σχεσιακή βάση δεδομένων.

296
00:13:26,386 --> 00:13:27,510
Είναι βελτιστοποιημένο για την αποθήκευση.

297
00:13:27,510 --> 00:13:28,280
Είναι φυσιολογικά επίπεδα.

298
00:13:28,280 --> 00:13:29,370
Είναι σχεσιακή.

299
00:13:29,370 --> 00:13:31,660
Υποστηρίζει τα ad hoc ερωτήματα.

300
00:13:31,660 --> 00:13:34,000
Και αυτό και κλίμακες κατακόρυφα.

301
00:13:34,000 --> 00:13:39,030
>> Αν χρειαστεί να πάρετε μια μεγαλύτερη βάση δεδομένων SQL
ή μια πιο ισχυρή βάση δεδομένων SQL,

302
00:13:39,030 --> 00:13:41,090
Έχω πάει να αγοράσει ένα μεγαλύτερο κομμάτι του σιδήρου.

303
00:13:41,090 --> 00:13:41,600
ΕΝΤΆΞΕΙ?

304
00:13:41,600 --> 00:13:44,940
Έχω δουλέψει με πολλούς πελάτες
που έχουν περάσει από σημαντικές αναβαθμίσεις

305
00:13:44,940 --> 00:13:48,340
στις υποδομές τους SQL μόνο
για να μάθετε έξι μήνες αργότερα,

306
00:13:48,340 --> 00:13:49,750
από όπου και αν χτυπήσει ξανά τον τοίχο.

307
00:13:49,750 --> 00:13:55,457
Και η απάντηση από την Oracle ή MSSQL
ή οποιοσδήποτε άλλος είναι να πάρετε ένα μεγαλύτερο κουτί.

308
00:13:55,457 --> 00:13:58,540
Λοιπόν, αργά ή γρήγορα, δεν μπορείτε να αγοράσετε ένα
μεγαλύτερο κουτί, και αυτό είναι πραγματικό πρόβλημα.

309
00:13:58,540 --> 00:14:00,080
Πρέπει να αλλάξει πραγματικά τα πράγματα.

310
00:14:00,080 --> 00:14:01,080
Έτσι, όταν κάνει αυτό το έργο;

311
00:14:01,080 --> 00:14:06,560
Λειτουργεί καλά για offline
analytics, OLAP τύπου φόρτο εργασίας.

312
00:14:06,560 --> 00:14:08,670
Και αυτό είναι πραγματικά όπου ανήκει SQL.

313
00:14:08,670 --> 00:14:12,540
Τώρα, αυτό είναι που χρησιμοποιείται σήμερα σε πολλές σε απευθείας σύνδεση
επεξεργασία τύπου συναλλαγής

314
00:14:12,540 --> 00:14:13,330
εφαρμογές.

315
00:14:13,330 --> 00:14:16,460
Και δουλεύει μια χαρά σε
κάποιο επίπεδο αξιοποίησης,

316
00:14:16,460 --> 00:14:18,670
αλλά απλά δεν κλίμακα
ο τρόπος που το κάνει NoSQL.

317
00:14:18,670 --> 00:14:20,660
Και θα μιλήσουμε λίγο
bit για το γιατί συμβαίνει αυτό.

318
00:14:20,660 --> 00:14:23,590
>> Τώρα, NoSQL, από την άλλη πλευρά,
είναι πιο βελτιστοποιημένο για υπολογίζουν.

319
00:14:23,590 --> 00:14:24,540
ΕΝΤΆΞΕΙ?

320
00:14:24,540 --> 00:14:26,830
Δεν είναι αγνωστικιστής να
η συχνή πρόσβαση.

321
00:14:26,830 --> 00:14:31,620
Είναι αυτό που λέμε de-κανονικοποιημένη
δομή ή μια ιεραρχική δομή.

322
00:14:31,620 --> 00:14:35,000
Τα δεδομένα σε μια σχεσιακή βάση δεδομένων είναι
ενώνονται από πολλαπλούς πίνακες

323
00:14:35,000 --> 00:14:36,850
να παράγουν την άποψη ότι χρειάζεστε.

324
00:14:36,850 --> 00:14:40,090
Τα δεδομένα σε μία βάση δεδομένων NoSQL
αποθηκεύεται σε ένα έγγραφο που

325
00:14:40,090 --> 00:14:42,100
περιέχει την ιεραρχική δομή.

326
00:14:42,100 --> 00:14:45,670
Όλα τα δεδομένα που θα ήταν κανονικά
ενώθηκαν για να παράγουν αυτή την άποψη

327
00:14:45,670 --> 00:14:47,160
αποθηκεύεται σε ένα ενιαίο έγγραφο.

328
00:14:47,160 --> 00:14:50,990
Και θα μιλήσουμε λίγο για
πώς αυτό λειτουργεί σε δύο διαγράμματα.

329
00:14:50,990 --> 00:14:55,320
>> Αλλά η ιδέα εδώ είναι ότι μπορείτε να αποθηκεύσετε
τα δεδομένα σας, όπως αυτά τεκμηριώθηκε θέα.

330
00:14:55,320 --> 00:14:56,410
ΕΝΤΆΞΕΙ?

331
00:14:56,410 --> 00:14:58,610
Μπορείτε κλίμακα οριζόντια.

332
00:14:58,610 --> 00:14:59,556
Δικαίωμα?

333
00:14:59,556 --> 00:15:02,100
Αν θα πρέπει να αυξηθεί η
το μέγεθος του συμπλέγματος μου NoSQL,

334
00:15:02,100 --> 00:15:03,700
Δεν πρέπει να πάρετε ένα μεγαλύτερο κουτί.

335
00:15:03,700 --> 00:15:05,200
Παίρνω ένα άλλο πλαίσιο.

336
00:15:05,200 --> 00:15:07,700
Και εγώ συμπλέγματος αυτά συνολικά,
και μπορώ να θραύσμα αυτά τα δεδομένα.

337
00:15:07,700 --> 00:15:10,780
Θα μιλήσουμε λίγο για
τι sharding είναι, να είναι

338
00:15:10,780 --> 00:15:14,270
σε θέση να επεκτείνουμε αυτή τη βάση δεδομένων
σε πολλαπλές φυσικές συσκευές

339
00:15:14,270 --> 00:15:18,370
και αφαιρέστε το εμπόδιο που
απαιτεί να αναβαθμίσουν κατακόρυφα.

340
00:15:18,370 --> 00:15:22,080
>> Έτσι, είναι πραγματικά κατασκευαστεί για online
επεξεργασία των συναλλαγών και την κλίμακα.

341
00:15:22,080 --> 00:15:25,480
Υπάρχει μια μεγάλη διάκριση
εδώ μεταξύ των εκθέσεων, έτσι δεν είναι;

342
00:15:25,480 --> 00:15:27,810
Αναφορά, δεν ξέρω το
ερωτήσεις Πάω να ρωτήσω.

343
00:15:27,810 --> 00:15:28,310
Δικαίωμα?

344
00:15:28,310 --> 00:15:30,570
Reporting-- αν κάποιος από
το τμήμα μάρκετινγκ μου

345
00:15:30,570 --> 00:15:34,520
θέλει να just-- πόσοι από τους πελάτες μου
έχουν αυτό το ιδιαίτερο χαρακτηριστικό που

346
00:15:34,520 --> 00:15:37,850
αγόρασε σε αυτό το day-- Δεν ξέρω
αυτό το ερώτημα που πρόκειται να ρωτήσω.

347
00:15:37,850 --> 00:15:39,160
Γι 'αυτό και πρέπει να είναι αγνωστικιστής.

348
00:15:39,160 --> 00:15:41,810
>> Τώρα, σε απευθείας σύνδεση
συναλλαγής εφαρμογή,

349
00:15:41,810 --> 00:15:43,820
Ξέρω τι ερωτήσεις ρωτάω.

350
00:15:43,820 --> 00:15:46,581
Έφτιαξα την αίτηση
μια πολύ συγκεκριμένη ροή εργασίας.

351
00:15:46,581 --> 00:15:47,080
ΕΝΤΆΞΕΙ?

352
00:15:47,080 --> 00:15:50,540
Έτσι, αν μπορώ να βελτιώσω τα δεδομένα
αποθηκεύσετε για να υποστηρίξει ότι η ροή εργασίας,

353
00:15:50,540 --> 00:15:52,020
πρόκειται να είναι ταχύτερη.

354
00:15:52,020 --> 00:15:55,190
Και γι 'αυτό μπορεί να NoSQL
πραγματικά να επιταχύνει την παράδοση

355
00:15:55,190 --> 00:15:57,710
από αυτούς τους τύπους των υπηρεσιών.

356
00:15:57,710 --> 00:15:58,210
Εντάξει.

357
00:15:58,210 --> 00:16:00,501
>> Έτσι θα πάμε να μπει σε
ένα μικρό κομμάτι της θεωρίας εδώ.

358
00:16:00,501 --> 00:16:03,330
Και μερικοί από σας, τα μάτια σας
μπορεί να κυλήσει λίγο πίσω.

359
00:16:03,330 --> 00:16:06,936
Αλλά εγώ θα προσπαθήσω να το κρατήσει
τόσο υψηλό επίπεδο όσο μπορώ.

360
00:16:06,936 --> 00:16:08,880
Έτσι, εάν είστε στο έργο
διαχείριση, υπάρχει

361
00:16:08,880 --> 00:16:12,280
ένα κατασκεύασμα που ονομάζεται
τρίγωνο των περιορισμών.

362
00:16:12,280 --> 00:16:12,936
ΕΝΤΆΞΕΙ.

363
00:16:12,936 --> 00:16:16,060
Το τρίγωνο των περιορισμών προσταγές
δεν μπορείτε να έχετε τα πάντα όλη την ώρα.

364
00:16:16,060 --> 00:16:17,750
Δεν μπορεί να έχει την πίτα σας και το σκύλο χορτάτο.

365
00:16:17,750 --> 00:16:22,310
Έτσι, στην διαχείριση του έργου, ότι το τρίγωνο
περιορισμοί είναι μπορείτε να το φτηνό,

366
00:16:22,310 --> 00:16:24,710
μπορείτε να έχετε γρήγορα,
ή μπορείτε να έχετε καλό.

367
00:16:24,710 --> 00:16:25,716
Διαλέξτε δύο.

368
00:16:25,716 --> 00:16:27,090
Επειδή δεν μπορείτε να έχετε και τα τρία.

369
00:16:27,090 --> 00:16:27,460
Δικαίωμα?

370
00:16:27,460 --> 00:16:27,820
ΕΝΤΆΞΕΙ.

371
00:16:27,820 --> 00:16:28,920
>> Έτσι έχετε ακούσει για αυτό το πολύ.

372
00:16:28,920 --> 00:16:31,253
Είναι ένα τριπλό περιορισμό,
τρίγωνο της τριπλής περιορισμού,

373
00:16:31,253 --> 00:16:34,420
ή το τρίγωνο σιδήρου είναι oftentimes--
όταν μιλάτε σε διαχειριστές έργων,

374
00:16:34,420 --> 00:16:35,420
θα μιλήσουν για αυτό.

375
00:16:35,420 --> 00:16:37,640
Τώρα, βάσεις δεδομένων έχουν
τη δική τους τρίγωνο σιδήρου.

376
00:16:37,640 --> 00:16:40,350
Και το τρίγωνο του σιδήρου των δεδομένων
Είναι αυτό που λέμε το θεώρημα της ΚΓΠ.

377
00:16:40,350 --> 00:16:41,580
ΕΝΤΆΞΕΙ?

378
00:16:41,580 --> 00:16:43,770
>> ΚΓΠ υπαγορεύει το θεώρημα
πώς λειτουργούν οι βάσεις δεδομένων

379
00:16:43,770 --> 00:16:45,627
κάτω από πολύ συγκεκριμένες συνθήκες.

380
00:16:45,627 --> 00:16:47,460
Και θα μιλήσουμε για
τι κατάσταση είναι.

381
00:16:47,460 --> 00:16:52,221
Αλλά τα τρία σημεία του τριγώνου,
να το πω έτσι, είναι C, η συνέπεια.

382
00:16:52,221 --> 00:16:52,720
ΕΝΤΆΞΕΙ?

383
00:16:52,720 --> 00:16:56,760
Έτσι στην ΚΓΠ, συνοχή σημαίνει ότι όλα τα
οι πελάτες οι οποίοι μπορούν να έχουν πρόσβαση στη βάση δεδομένων

384
00:16:56,760 --> 00:16:59,084
Θα έχετε πάντα ένα πολύ
συνεκτική εικόνα των δεδομένων.

385
00:16:59,084 --> 00:17:00,750
Θα Κανείς δούμε δύο διαφορετικά πράγματα.

386
00:17:00,750 --> 00:17:01,480
ΕΝΤΆΞΕΙ?

387
00:17:01,480 --> 00:17:04,020
Αν δω τη βάση δεδομένων,
Βλέπω την ίδια άποψη

388
00:17:04,020 --> 00:17:06,130
ως συνεργάτης μου που βλέπει
την ίδια βάση δεδομένων.

389
00:17:06,130 --> 00:17:07,470
Αυτή είναι η συνέπεια.

390
00:17:07,470 --> 00:17:12,099
>> Διαθεσιμότητα σημαίνει ότι αν ο
ηλεκτρονική βάση δεδομένων, εφόσον αυτό μπορεί να επιτευχθεί,

391
00:17:12,099 --> 00:17:14,760
ότι όλοι οι πελάτες θα είναι πάντα
να είναι σε θέση να διαβάζουν και να γράφουν.

392
00:17:14,760 --> 00:17:15,260
ΕΝΤΆΞΕΙ?

393
00:17:15,260 --> 00:17:17,010
Έτσι, κάθε πελάτης που
μπορεί να διαβάσει τη βάση δεδομένων

394
00:17:17,010 --> 00:17:18,955
θα είναι πάντα σε θέση ανάγνωσης
στοιχεία δεδομένων και να γράφουν.

395
00:17:18,955 --> 00:17:21,819
Και αν αυτή είναι η περίπτωση,
Είναι ένα διαθέσιμο σύστημα.

396
00:17:21,819 --> 00:17:24,230
>> Και το τρίτο σημείο είναι αυτό που
καλούμε την ανοχή διαμέρισμα.

397
00:17:24,230 --> 00:17:24,730
ΕΝΤΆΞΕΙ?

398
00:17:24,730 --> 00:17:28,160
Μέσα ανοχή κατανομής
ότι το σύστημα λειτουργεί καλά

399
00:17:28,160 --> 00:17:32,000
παρά τη σωματική του δικτύου
χωρίσματα μεταξύ των κόμβων.

400
00:17:32,000 --> 00:17:32,760
ΕΝΤΆΞΕΙ?

401
00:17:32,760 --> 00:17:36,270
Έτσι κόμβους του συμπλέγματος δεν μπορεί να
να μιλούν μεταξύ τους, τι συμβαίνει;

402
00:17:36,270 --> 00:17:36,880
Εντάξει.

403
00:17:36,880 --> 00:17:39,545
>> Έτσι, σχεσιακές βάσεις δεδομένων choose--
μπορείτε να επιλέξετε δύο από αυτά.

404
00:17:39,545 --> 00:17:40,045
ΕΝΤΆΞΕΙ.

405
00:17:40,045 --> 00:17:43,680
Έτσι, σχεσιακές βάσεις δεδομένων επιλέξετε
να είναι συνεπείς και διαθέσιμα.

406
00:17:43,680 --> 00:17:47,510
Εάν το διαμέρισμα συμβαίνει μεταξύ
οι DataNodes του χώρου αποθήκευσης δεδομένων,

407
00:17:47,510 --> 00:17:48,831
η βάση δεδομένων διακόπτεται.

408
00:17:48,831 --> 00:17:49,330
Δικαίωμα?

409
00:17:49,330 --> 00:17:50,900
Πηγαίνει ακριβώς κάτω.

410
00:17:50,900 --> 00:17:51,450
ΕΝΤΆΞΕΙ.

411
00:17:51,450 --> 00:17:54,230
>> Και αυτός είναι ο λόγος που έχουν
να αυξάνεται με μεγαλύτερο κουτιά.

412
00:17:54,230 --> 00:17:54,730
Δικαίωμα?

413
00:17:54,730 --> 00:17:58,021
Επειδή υπάρχει no-- συνήθως, ένα σύμπλεγμα
βάση δεδομένων, δεν υπάρχει πάρα πολλοί από αυτούς

414
00:17:58,021 --> 00:17:59,590
ότι λειτουργούν με αυτόν τον τρόπο.

415
00:17:59,590 --> 00:18:03,019
Αλλά οι περισσότεροι κλίμακας βάσεις δεδομένων
κατακόρυφα μέσα σε ένα μόνο κουτί.

416
00:18:03,019 --> 00:18:05,060
Επειδή πρέπει να είναι
συνεπής και διαθέσιμη.

417
00:18:05,060 --> 00:18:10,320
Εάν ένα χώρισμα επρόκειτο να εγχυθεί,
τότε θα πρέπει να κάνει μια επιλογή.

418
00:18:10,320 --> 00:18:13,720
Θα πρέπει να κάνει μια επιλογή μεταξύ
να είναι συνεπής και διαθέσιμα.

419
00:18:13,720 --> 00:18:16,080
>> Και αυτό είναι που κάνει NoSQL βάσεις δεδομένων.

420
00:18:16,080 --> 00:18:16,580
Εντάξει.

421
00:18:16,580 --> 00:18:20,950
Έτσι, μια βάση δεδομένων NoSQL αυτό,
έρχεται σε δύο γεύσεις.

422
00:18:20,950 --> 00:18:22,990
Εμείς have-- καλά,
έρχεται σε πολλές γεύσεις,

423
00:18:22,990 --> 00:18:26,140
αλλά έρχεται με δύο βασικές
characteristics-- τι

424
00:18:26,140 --> 00:18:30,050
θα λέγαμε βάση δεδομένων CP, ή
συνεπείς και τη διχοτόμηση της ανοχής

425
00:18:30,050 --> 00:18:31,040
σύστημα.

426
00:18:31,040 --> 00:18:34,930
Αυτά τα παιδιά κάνουν την επιλογή ότι όταν
οι κόμβοι χάνουν την επαφή με την άλλη,

427
00:18:34,930 --> 00:18:37,091
εμείς δεν πρόκειται να επιτρέψει
οι άνθρωποι να γράψω πια.

428
00:18:37,091 --> 00:18:37,590
ΕΝΤΆΞΕΙ?

429
00:18:37,590 --> 00:18:41,855
>> Μέχρι αφαιρείται ότι η διχοτόμηση,
write πρόσβαση είναι αποκλεισμένη.

430
00:18:41,855 --> 00:18:43,230
Αυτό σημαίνει ότι δεν είναι διαθέσιμοι.

431
00:18:43,230 --> 00:18:44,510
Είναι συνεπής.

432
00:18:44,510 --> 00:18:46,554
Όταν βλέπουμε ότι
διαμέρισμα ίδια ένεση,

433
00:18:46,554 --> 00:18:48,470
τώρα είμαστε συνεπείς,
γιατί εμείς δεν πρόκειται

434
00:18:48,470 --> 00:18:51,517
να καταστεί δυνατή η αλλαγή των δεδομένων σε δύο
πλευρές του διαμερίσματος ανεξαρτήτως

435
00:18:51,517 --> 00:18:52,100
από την άλλη.

436
00:18:52,100 --> 00:18:54,130
Θα πρέπει να
την αποκατάσταση της επικοινωνίας

437
00:18:54,130 --> 00:18:56,930
πριν από οποιαδήποτε ενημέρωση
τα δεδομένα επιτρέπεται.

438
00:18:56,930 --> 00:18:58,120
ΕΝΤΆΞΕΙ?

439
00:18:58,120 --> 00:19:02,650
>> Η επόμενη γεύση θα ήταν ένα σύστημα AP,
ή ένα διαθέσιμο και διαμοιράστηκε

440
00:19:02,650 --> 00:19:03,640
σύστημα ανοχή.

441
00:19:03,640 --> 00:19:05,320
Αυτά τα παιδιά δεν με νοιάζει.

442
00:19:05,320 --> 00:19:06,020
Δικαίωμα?

443
00:19:06,020 --> 00:19:08,960
Κάθε κόμβος που παίρνει ένα
γράφουν, θα το πάρει.

444
00:19:08,960 --> 00:19:11,480
Έτσι είμαι αντιγραφή τα δεδομένα μου
σε πολλούς κόμβους.

445
00:19:11,480 --> 00:19:14,730
Αυτοί οι κόμβοι να πάρει έναν πελάτη, ο πελάτης έρχεται
σε, λέει, Πάω να γράψω κάποια δεδομένα.

446
00:19:14,730 --> 00:19:16,300
Κόμβος λέει, δεν υπάρχει πρόβλημα.

447
00:19:16,300 --> 00:19:18,580
Ο κόμβος δίπλα του παίρνει
μια εγγραφή στο ίδιο αρχείο,

448
00:19:18,580 --> 00:19:20,405
ότι πρόκειται να πω κανένα πρόβλημα.

449
00:19:20,405 --> 00:19:23,030
Κάπου πίσω από την πλάτη τέλος,
ότι τα δεδομένα που πρόκειται να αντιγραφεί.

450
00:19:23,030 --> 00:19:27,360
Και τότε κάποιος πρόκειται να πραγματοποιήσει,
Ωχ, το σύστημα θα συνειδητοποιήσουν, Ωχ,

451
00:19:27,360 --> 00:19:28,870
έχει υπάρξει κάποια ενημέρωση για τις δύο πλευρές.

452
00:19:28,870 --> 00:19:30,370
Τι κάνουμε?

453
00:19:30,370 --> 00:19:33,210
Και αυτό που κάνουμε τότε είναι
κάνουν κάτι το οποίο

454
00:19:33,210 --> 00:19:36,080
τους επιτρέπει να επιλύσει αυτή την κατάσταση τα δεδομένα.

455
00:19:36,080 --> 00:19:39,000
Και θα μιλήσουμε για
ότι στο επόμενο γράφημα.

456
00:19:39,000 --> 00:19:40,000
>> Πράγμα που πρέπει να επισημάνω εδώ.

457
00:19:40,000 --> 00:19:42,374
Και εγώ δεν πρόκειται να πάρει πάρα πολύ
πολύ σε αυτό, διότι αυτό

458
00:19:42,374 --> 00:19:43,510
μπαίνει σε βαθιά θεωρία δεδομένων.

459
00:19:43,510 --> 00:19:46,670
Αλλά υπάρχει μια συναλλαγής
πλαισίου που

460
00:19:46,670 --> 00:19:50,680
τρέχει σε ένα σχεσιακό σύστημα ότι
μου επιτρέπει να κάνετε ασφαλείς ενημερώσεις

461
00:19:50,680 --> 00:19:53,760
σε πολλαπλές οντότητες στη βάση δεδομένων.

462
00:19:53,760 --> 00:19:58,320
Και αυτές οι ενημερώσεις θα εμφανιστούν
μονομιάς ή καθόλου.

463
00:19:58,320 --> 00:20:00,500
Και αυτό ονομάζεται συναλλαγών ΟΞΥ.

464
00:20:00,500 --> 00:20:01,000
ΕΝΤΆΞΕΙ?

465
00:20:01,000 --> 00:20:06,570
>> ΟΞΥ μας δίνει ατομικότητας, συνέπειας,
απομόνωση, και αντοχή.

466
00:20:06,570 --> 00:20:07,070
ΕΝΤΆΞΕΙ?

467
00:20:07,070 --> 00:20:13,550
Αυτό σημαίνει ατομική, συναλλαγές, όλα
ενημερώσεις μου, είτε συμβαίνουν ή δεν το κάνουν.

468
00:20:13,550 --> 00:20:16,570
Συνέπεια σημαίνει ότι
Η βάση δεδομένων θα είναι πάντα

469
00:20:16,570 --> 00:20:19,780
να τίθεται σε συνεπή
κατάσταση μετά από μια ενημέρωση.

470
00:20:19,780 --> 00:20:23,900
Ποτέ δεν θα αφήσει τη βάση δεδομένων σε ένα
κακή κατάσταση μετά την εφαρμογή μιας ενημερωμένης έκδοσης.

471
00:20:23,900 --> 00:20:24,400
ΕΝΤΆΞΕΙ?

472
00:20:24,400 --> 00:20:26,720
>> Γι 'αυτό είναι λίγο διαφορετικό
από τη συνοχή της ΚΓΠ.

473
00:20:26,720 --> 00:20:29,760
Συνοχή της ΚΑΠ σημαίνει όλα μου
οι πελάτες μπορούν πάντα να δείτε τα δεδομένα.

474
00:20:29,760 --> 00:20:34,450
ΟΞΥ συνοχή σημαίνει ότι όταν
μια συναλλαγή γίνει αυτό, τα δεδομένα είναι καλό.

475
00:20:34,450 --> 00:20:35,709
Οι σχέσεις μου είναι όλα καλά.

476
00:20:35,709 --> 00:20:38,750
Είμαι δεν πρόκειται να διαγράψετε ένα γονέα σειρά
και να αφήσει μια δέσμη των ορφανών παιδιών

477
00:20:38,750 --> 00:20:40,970
σε κάποιο άλλο πίνακα.

478
00:20:40,970 --> 00:20:44,320
Αυτό δεν μπορεί να συμβεί αν είμαι συνεπής
σε μια συναλλαγή οξύ.

479
00:20:44,320 --> 00:20:49,120
>> Απομόνωση σημαίνει ότι οι συναλλαγές
θα συμβεί πάντα ένα μετά το άλλο.

480
00:20:49,120 --> 00:20:51,920
Το τελικό αποτέλεσμα των στοιχείων
θα είναι η ίδια κατάσταση

481
00:20:51,920 --> 00:20:54,770
ως εάν αυτές οι συναλλαγές
ότι εκδόθηκαν ταυτόχρονα

482
00:20:54,770 --> 00:20:57,340
εκτελέστηκαν διαδοχικά.

483
00:20:57,340 --> 00:21:00,030
Έτσι είναι συγχρονισμός
ελέγχου στη βάση δεδομένων.

484
00:21:00,030 --> 00:21:04,130
Έτσι, βασικά, δεν μπορώ να αυξήσετε το
ίδια τιμή δύο φορές με δύο πράξεις.

485
00:21:04,130 --> 00:21:08,580
>> Αλλά αν πω προσθέστε 1 σε αυτήν την τιμή,
και δύο πράξεις έρχονται σε

486
00:21:08,580 --> 00:21:10,665
και να προσπαθήσουμε να το κάνουμε, είναι ένα
πρόκειται να φτάσει εκεί πρώτη

487
00:21:10,665 --> 00:21:12,540
και η άλλη κάποιου
πρόκειται να φτάσει εκεί μετά.

488
00:21:12,540 --> 00:21:15,210
Έτσι, στο τέλος, θα προστεθούν δύο.

489
00:21:15,210 --> 00:21:16,170
Βλέπετε τι εννοώ;

490
00:21:16,170 --> 00:21:16,670
ΕΝΤΆΞΕΙ.

491
00:21:16,670 --> 00:21:19,220

492
00:21:19,220 --> 00:21:21,250
>> Ανθεκτικότητα είναι αρκετά απλή.

493
00:21:21,250 --> 00:21:23,460
Όταν η συναλλαγή
αναγνωρίζεται, είναι

494
00:21:23,460 --> 00:21:26,100
πρόκειται να είναι εκεί ακόμη
αν το σύστημα κολλάει.

495
00:21:26,100 --> 00:21:29,230
Όταν το σύστημα ανακτά, ότι
συναλλαγή που διαπράχθηκε

496
00:21:29,230 --> 00:21:30,480
είναι πραγματικά πρόκειται να είναι εκεί.

497
00:21:30,480 --> 00:21:33,130
Έτσι ώστε να είναι οι εγγυήσεις
των συναλλαγών ΟΞΥ.

498
00:21:33,130 --> 00:21:35,470
Αυτά είναι πολύ ωραίο εγγυήσεις
να έχουν σε μια βάση δεδομένων,

499
00:21:35,470 --> 00:21:36,870
αλλά έρχονται σε αυτό το κόστος.

500
00:21:36,870 --> 00:21:37,640
Δικαίωμα?

501
00:21:37,640 --> 00:21:40,520
>> Επειδή το πρόβλημα
με το πλαίσιο αυτό είναι

502
00:21:40,520 --> 00:21:44,540
εάν υπάρχει ένα διαμέρισμα στα δεδομένα
σύνολο, πρέπει να πάρουν μια απόφαση.

503
00:21:44,540 --> 00:21:48,000
Πάω να πρέπει να επιτρέψει
ενημερώσεις σχετικά με μια ή την άλλη πλευρά.

504
00:21:48,000 --> 00:21:50,310
Και αν συμβεί αυτό,
τότε δεν πρόκειται πλέον είμαι

505
00:21:50,310 --> 00:21:52,630
να είναι σε θέση να διατηρήσει
τα χαρακτηριστικά αυτά.

506
00:21:52,630 --> 00:21:53,960
Δεν θα είναι συνεπής.

507
00:21:53,960 --> 00:21:55,841
Δεν θα απομονωθεί.

508
00:21:55,841 --> 00:21:58,090
Αυτό είναι που διασπά
για σχεσιακές βάσεις δεδομένων.

509
00:21:58,090 --> 00:22:01,360
Αυτός είναι ο λόγος σχεσιακή
βάσεις δεδομένων κλίμακα κάθετα.

510
00:22:01,360 --> 00:22:05,530
>> Από την άλλη πλευρά, έχουμε
ό, τι λέγεται τεχνολογική βάση.

511
00:22:05,530 --> 00:22:07,291
Και αυτά είναι NoSQL βάσεις δεδομένων σας.

512
00:22:07,291 --> 00:22:07,790
Εντάξει.

513
00:22:07,790 --> 00:22:10,180
Έτσι έχουμε CP μας, AP βάσεις δεδομένων.

514
00:22:10,180 --> 00:22:14,720
Και αυτά είναι αυτό που εσείς ονομάζετε βασικά
διαθέσιμες, μαλακή κατάσταση, τελικά

515
00:22:14,720 --> 00:22:15,740
συνεπής.

516
00:22:15,740 --> 00:22:16,420
ΕΝΤΆΞΕΙ?

517
00:22:16,420 --> 00:22:19,690
>> Βασικά διαθέσιμη, επειδή
ότι είναι ανεκτική διαμέρισμα.

518
00:22:19,690 --> 00:22:21,470
Αυτοί θα είναι πάντα
εκεί, ακόμα κι αν υπάρχει

519
00:22:21,470 --> 00:22:23,053
Ένα διαμέρισμα δίκτυο μεταξύ των κόμβων.

520
00:22:23,053 --> 00:22:25,900
Αν μπορώ να μιλήσω σε έναν κόμβο, είμαι
πρόκειται να είναι σε θέση να διαβάσει τα δεδομένα.

521
00:22:25,900 --> 00:22:26,460
ΕΝΤΆΞΕΙ?

522
00:22:26,460 --> 00:22:30,810
Μπορεί να μην είναι πάντοτε σε θέση να γράψει
δεδομένων, αν είμαι συνεπής πλατφόρμα.

523
00:22:30,810 --> 00:22:32,130
Αλλά θα είμαι σε θέση να διαβάσει τα δεδομένα.

524
00:22:32,130 --> 00:22:34,960

525
00:22:34,960 --> 00:22:38,010
>> Η μαλακή κατάσταση δείχνει
ότι όταν διάβασα αυτά τα δεδομένα,

526
00:22:38,010 --> 00:22:40,790
μπορεί να μην είναι το ίδιο όπως άλλους κόμβους.

527
00:22:40,790 --> 00:22:43,390
Αν ένα δικαίωμα εκδόθηκε σε έναν κόμβο
κάπου αλλού στο σύμπλεγμα

528
00:22:43,390 --> 00:22:46,650
και δεν έχει αναπαραχθεί σε ολόκληρη την
συμπλέγματος αλλά όταν διάβασα ότι τα δεδομένα,

529
00:22:46,650 --> 00:22:48,680
ότι η κατάσταση δεν θα μπορούσε να είναι συνεπής.

530
00:22:48,680 --> 00:22:51,650
Ωστόσο, θα είναι
τελικά συνεπής,

531
00:22:51,650 --> 00:22:53,870
που σημαίνει ότι όταν η απομείωση
γίνεται με το σύστημα,

532
00:22:53,870 --> 00:22:56,480
θα αναπαράγουν μήκος των κόμβων.

533
00:22:56,480 --> 00:22:59,095
Και τελικά, ότι η κατάσταση
θα τεθεί σε τάξη,

534
00:22:59,095 --> 00:23:00,890
και θα είναι μια σταθερή κατάσταση.

535
00:23:00,890 --> 00:23:05,000
>> Τώρα, θεώρημα ΚΓΠ πραγματικά
παίζει μόνο σε έναν όρο.

536
00:23:05,000 --> 00:23:08,700
Η προϋπόθεση είναι όταν συμβαίνει αυτό.

537
00:23:08,700 --> 00:23:13,710
Επειδή κάθε φορά που δραστηριοποιούνται στο χώρο της
κανονική λειτουργία, δεν υπάρχει διαμέρισμα,

538
00:23:13,710 --> 00:23:16,370
όλα είναι συνεπή και διαθέσιμη.

539
00:23:16,370 --> 00:23:19,990
Μπορείτε να ανησυχείς μόνο για ΚΓΠ
όταν έχουμε εκείνο το διαμέρισμα.

540
00:23:19,990 --> 00:23:21,260
Έτσι, αυτές είναι σπάνιες.

541
00:23:21,260 --> 00:23:25,360
Αλλά πώς το σύστημα αντιδρά όταν εκείνοι
συμβαίνουν υπαγορεύουν τι είδους σύστημα

542
00:23:25,360 --> 00:23:26,750
έχουμε να κάνουμε με.

543
00:23:26,750 --> 00:23:31,110
>> Έτσι, ας ρίξουμε μια ματιά σε ό, τι
που μοιάζει για συστήματα AP.

544
00:23:31,110 --> 00:23:32,621
ΕΝΤΆΞΕΙ?

545
00:23:32,621 --> 00:23:34,830
AP συστήματα έρχονται σε δύο γεύσεις.

546
00:23:34,830 --> 00:23:38,514
Έρχονται στη γεύση που είναι
πλοίαρχος πλοίαρχος, 100%, πάντα στη διάθεσή σας.

547
00:23:38,514 --> 00:23:40,430
Και έρχονται στην
άλλη γεύση, η οποία λέει,

548
00:23:40,430 --> 00:23:43,330
ξέρετε τι, Πάω να ανησυχείτε
σχετικά με αυτό το πράγμα στεγανοποίηση

549
00:23:43,330 --> 00:23:44,724
όταν η πραγματική κατάτμηση συμβαίνει.

550
00:23:44,724 --> 00:23:47,890
Διαφορετικά, υπάρχει πρόκειται να είναι πρωτεύον
κόμβους, οι οποίοι πρόκειται να πάρει τα δικαιώματα.

551
00:23:47,890 --> 00:23:48,500
ΕΝΤΆΞΕΙ?

552
00:23:48,500 --> 00:23:50,040
>> Έτσι, αν έχουμε κάτι σαν την Κασσάνδρα.

553
00:23:50,040 --> 00:23:54,440
Κασσάνδρα θα ήταν ένα master
πλοίαρχος, ας μου γράψετε σε κάθε κόμβο.

554
00:23:54,440 --> 00:23:55,540
Έτσι τι συμβαίνει;

555
00:23:55,540 --> 00:23:58,270
Έτσι έχω ένα αντικείμενο στο
βάση δεδομένων που υπάρχει σε δύο κόμβους.

556
00:23:58,270 --> 00:24:01,705
Ας το ονομάσουμε αυτό το αντικείμενο Σ
Έτσι έχουμε κράτους για το S.

557
00:24:01,705 --> 00:24:04,312
Έχουμε κάποιες εργασίες
για S που βρίσκονται σε εξέλιξη.

558
00:24:04,312 --> 00:24:06,270
Κασσάνδρα μου επιτρέπει να
εγγραφή, σε πολλούς κόμβους.

559
00:24:06,270 --> 00:24:08,550
Ας πούμε ότι έχω ένα
γράφουν για s σε δύο κόμβους.

560
00:24:08,550 --> 00:24:12,274
Λοιπόν, τι καταλήγει να συμβαίνει είναι
λέμε ότι ένα γεγονός στεγανοποίηση.

561
00:24:12,274 --> 00:24:14,190
Δεν μπορεί να υπάρξει μια
διαμέρισμα φυσικού δικτύου.

562
00:24:14,190 --> 00:24:15,950
Όμως, λόγω της σχεδίασης
του συστήματος, είναι

563
00:24:15,950 --> 00:24:18,449
στην πραγματικότητα στεγανοποίηση συντομότερο
πάρω ​​μια εγγραφής σε δύο κόμβους.

564
00:24:18,449 --> 00:24:20,830
Δεν είναι με αναγκάζει να
γράψετε όλα μέσω ενός κόμβου.

565
00:24:20,830 --> 00:24:22,340
Γράφω σε δύο κόμβους.

566
00:24:22,340 --> 00:24:23,330
ΕΝΤΆΞΕΙ?

567
00:24:23,330 --> 00:24:25,740
>> Έτσι τώρα έχω δύο κρατών.

568
00:24:25,740 --> 00:24:26,360
ΕΝΤΆΞΕΙ?

569
00:24:26,360 --> 00:24:28,110
Τι πρόκειται να συμβεί
Είναι αργά ή γρήγορα,

570
00:24:28,110 --> 00:24:29,960
εκεί πρόκειται να είναι ένα γεγονός αντιγραφή.

571
00:24:29,960 --> 00:24:33,300
Εκεί πρόκειται να είναι αυτό που
που ονομάζεται αποκατάστασης χωρισμάτων, η οποία

572
00:24:33,300 --> 00:24:35,200
είναι όταν αυτά τα δύο
μελών επιστρέφουν μαζί

573
00:24:35,200 --> 00:24:37,310
και εκεί πρόκειται να είναι ένας αλγόριθμος
που τρέχει μέσα στην βάση δεδομένων,

574
00:24:37,310 --> 00:24:38,540
αποφασίζει τι πρέπει να κάνουμε.

575
00:24:38,540 --> 00:24:39,110
ΕΝΤΆΞΕΙ?

576
00:24:39,110 --> 00:24:43,057
Από προεπιλογή, η τελευταία ενημέρωση
κερδίζει στα περισσότερα συστήματα AP.

577
00:24:43,057 --> 00:24:44,890
Έτσι, υπάρχει συνήθως μια
προεπιλογή αλγόριθμο, τι

578
00:24:44,890 --> 00:24:47,400
καλούν επανάκλησης
λειτουργία, κάτι που

579
00:24:47,400 --> 00:24:51,000
θα καλείται όταν ο όρος αυτός
ανιχνεύεται για να εκτελέσει κάποια λογική

580
00:24:51,000 --> 00:24:52,900
να επιλύσει τη σύγκρουση.

581
00:24:52,900 --> 00:24:53,850
ΕΝΤΆΞΕΙ?

582
00:24:53,850 --> 00:24:58,770
Η προεπιλογή επανάκλησης και προεπιλογή
αναλυτή στις περισσότερες βάσεις δεδομένων AP

583
00:24:58,770 --> 00:25:01,130
είναι, μάντεψε, timestamp κερδίζει.

584
00:25:01,130 --> 00:25:02,380
Αυτή ήταν η τελευταία ενημέρωση.

585
00:25:02,380 --> 00:25:04,320
Πάω να θέσει αυτήν την ενημερωμένη έκδοση εκεί.

586
00:25:04,320 --> 00:25:08,440
Μπορώ να απορρίπτουν αυτό το ρεκόρ που έχω
που αποτελούν αντικείμενο ντάμπινγκ μακριά σε ένα κούτσουρο αποκατάστασης

587
00:25:08,440 --> 00:25:11,670
έτσι ώστε ο χρήστης να μπορεί να επανέλθει αργότερα
και να πω, hey, υπήρξε μια σύγκρουση.

588
00:25:11,670 --> 00:25:12,320
Τι συνέβη?

589
00:25:12,320 --> 00:25:16,370
Και μπορείτε πραγματικά να πετάξει ένα ρεκόρ
όλες οι συγκρούσεις και οι rollbacks

590
00:25:16,370 --> 00:25:17,550
και να δούμε τι θα συμβεί.

591
00:25:17,550 --> 00:25:21,580
>> Τώρα, ως χρήστης, μπορείτε επίσης να
περιλαμβάνουν τη λογική σε αυτή την επανάκλησης.

592
00:25:21,580 --> 00:25:24,290
Έτσι, μπορείτε να αλλάξετε ότι
επανάκλησης λειτουργία.

593
00:25:24,290 --> 00:25:26,730
Μπορείτε να πείτε, hey, θέλω
για την αποκατάσταση αυτών των δεδομένων.

594
00:25:26,730 --> 00:25:28,880
Και θέλω να προσπαθήσουμε και να
συγχωνευθούν τα δύο αυτά αρχεία.

595
00:25:28,880 --> 00:25:30,050
Αλλά αυτό είναι στο χέρι σας.

596
00:25:30,050 --> 00:25:32,880
Η βάση δεδομένων δεν ξέρει πώς να
το κάνουμε αυτό από προεπιλογή. Οι περισσότεροι ο χρόνος,

597
00:25:32,880 --> 00:25:34,850
το μόνο πράγμα η βάση δεδομένων
ξέρει πώς να κάνουμε είναι να πούμε,

598
00:25:34,850 --> 00:25:36,100
Αυτή ήταν η τελευταία εγγραφή.

599
00:25:36,100 --> 00:25:39,183
Αυτό είναι το ένα που πρόκειται να κερδίσει,
και αυτή είναι η αξία Πάω να θέσει.

600
00:25:39,183 --> 00:25:41,490
Μόλις εκείνη αποκατάστασης χωρισμάτων
και αντιγραφή συμβαίνει,

601
00:25:41,490 --> 00:25:43,930
έχουμε δικό μας κράτος, το οποίο
είναι πλέον πρωταρχικής S, η οποία είναι

602
00:25:43,930 --> 00:25:46,890
η κατάσταση συγχώνευση όλων αυτών των αντικειμένων.

603
00:25:46,890 --> 00:25:49,700
Έτσι, τα συστήματα AP έχει αυτό.

604
00:25:49,700 --> 00:25:51,615
CP συστήματα δεν χρειάζονται
να ανησυχείτε για αυτό.

605
00:25:51,615 --> 00:25:54,490
Επειδή το συντομότερο μια κατάτμηση έρχεται
στο παιχνίδι, το μόνο που σταματήσετε να παίρνετε

606
00:25:54,490 --> 00:25:55,530
γράφει.

607
00:25:55,530 --> 00:25:56,180
ΕΝΤΆΞΕΙ?

608
00:25:56,180 --> 00:25:58,670
Έτσι ώστε να είναι πολύ εύκολο να
ασχοληθεί με το να είναι συνεπής

609
00:25:58,670 --> 00:26:01,330
όταν δεν αποδέχονται τυχόν ενημερώσεις.

610
00:26:01,330 --> 00:26:04,620
Αυτό είναι με κάνουν συστήματα CP.

611
00:26:04,620 --> 00:26:05,120
Εντάξει.

612
00:26:05,120 --> 00:26:07,590
>> Ας μιλήσουμε λίγο
λίγο για τα πρότυπα πρόσβασης.

613
00:26:07,590 --> 00:26:11,580
Όταν μιλάμε για NoSQL, είναι
όλα τα σχετικά με το μοτίβο πρόσβασης.

614
00:26:11,580 --> 00:26:13,550
Τώρα, SQL είναι ad hoc, τα ερωτήματα.

615
00:26:13,550 --> 00:26:14,481
Είναι σχεσιακή κατάστημα.

616
00:26:14,481 --> 00:26:16,480
Δεν χρειάζεται να ανησυχείτε
σχετικά με το σχέδιο πρόσβασης.

617
00:26:16,480 --> 00:26:17,688
Γράφω ένα πολύ σύνθετο ερώτημα.

618
00:26:17,688 --> 00:26:19,250
Πηγαίνει και παίρνει τα δεδομένα.

619
00:26:19,250 --> 00:26:21,210
Αυτό είναι ό, τι φαίνεται αυτό
όπως, κανονικοποίηση.

620
00:26:21,210 --> 00:26:24,890
>> Έτσι, σε αυτή τη συγκεκριμένη δομή,
ψάχνουμε σε έναν κατάλογο προϊόντων.

621
00:26:24,890 --> 00:26:26,640
Έχω διαφορετικούς τύπους προϊόντων.

622
00:26:26,640 --> 00:26:27,217
Έχω τα βιβλία.

623
00:26:27,217 --> 00:26:27,800
Έχω άλμπουμ.

624
00:26:27,800 --> 00:26:30,090
Έχω βίντεο.

625
00:26:30,090 --> 00:26:33,370
Η σχέση μεταξύ των προϊόντων
και κάθε ένα από αυτά τα βιβλία, λευκώματα,

626
00:26:33,370 --> 00:26:34,860
και βίντεο πίνακες είναι 1: 1.

627
00:26:34,860 --> 00:26:35,800
Εντάξει?

628
00:26:35,800 --> 00:26:38,860
Έχω ένα αναγνωριστικό προϊόντος,
και που αντιστοιχεί ID

629
00:26:38,860 --> 00:26:41,080
σε ένα βιβλίο, ένα άλμπουμ, ή ένα βίντεο.

630
00:26:41,080 --> 00:26:41,580
ΕΝΤΆΞΕΙ?

631
00:26:41,580 --> 00:26:44,350
Αυτό είναι ένα 1: 1 σχέση
σε όλη τους πίνακες αυτούς.

632
00:26:44,350 --> 00:26:46,970
>> Τώρα, το μόνο που books--
έχουν ιδιότητες είναι ρίζα.

633
00:26:46,970 --> 00:26:47,550
Κανένα πρόβλημα.

634
00:26:47,550 --> 00:26:48,230
Αυτό είναι υπέροχο.

635
00:26:48,230 --> 00:26:52,130
Ένας-προς-ένα σχέση, παίρνω όλα
τα δεδομένα θα πρέπει να περιγράψω αυτό το βιβλίο.

636
00:26:52,130 --> 00:26:54,770
Albums-- άλμπουμ έχει κομμάτια.

637
00:26:54,770 --> 00:26:56,470
Αυτό είναι αυτό που λέμε ένα προς πολλά.

638
00:26:56,470 --> 00:26:58,905
Κάθε άλμπουμ θα μπορούσε να έχει πολλά κομμάτια.

639
00:26:58,905 --> 00:27:00,780
Έτσι, για κάθε κομματιού
Το άλμπουμ, που θα μπορούσε να έχει

640
00:27:00,780 --> 00:27:02,570
Άλλο ένα ρεκόρ στον πίνακα αυτό το παιδί.

641
00:27:02,570 --> 00:27:04,680
Έτσι μπορώ να δημιουργήσω ένα αρχείο
σε άλμπουμ τραπέζι μου.

642
00:27:04,680 --> 00:27:06,700
Έχω δημιουργήσει πολλαπλά αρχεία
στον πίνακα κομμάτια.

643
00:27:06,700 --> 00:27:08,850
Ένα-προς-πολλά.

644
00:27:08,850 --> 00:27:11,220
>> Αυτή η σχέση είναι ό, τι
καλούμε πολλά-προς-πολλά.

645
00:27:11,220 --> 00:27:11,750
ΕΝΤΆΞΕΙ?

646
00:27:11,750 --> 00:27:17,000
Μπορείτε να δείτε ότι οι παράγοντες θα μπορούσαν να είναι
σε πολλές ταινίες, πολλά βίντεο.

647
00:27:17,000 --> 00:27:21,450
Έτσι, αυτό που κάνουμε είναι να βάλετε αυτή την χαρτογράφηση
τραπέζι ανάμεσα σε εκείνους, που το μόνο

648
00:27:21,450 --> 00:27:24,040
χαρτογραφεί το αναγνωριστικό ηθοποιός με το αναγνωριστικό βίντεο.

649
00:27:24,040 --> 00:27:28,464
Τώρα μπορώ να δημιουργήσω ένα ερώτημα το ενώνει
βίντεο μέσω ηθοποιός βίντεο σε ηθοποιούς,

650
00:27:28,464 --> 00:27:31,130
και μου δίνει μια ωραία λίστα
όλες οι ταινίες και όλοι οι παράγοντες

651
00:27:31,130 --> 00:27:32,420
που ήταν σε αυτή την ταινία.

652
00:27:32,420 --> 00:27:33,290
>> ΕΝΤΆΞΕΙ.

653
00:27:33,290 --> 00:27:33,880
Έτσι, εδώ πηγαίνουμε.

654
00:27:33,880 --> 00:27:38,040
One-to-One είναι ο top-level
σχέση; ένα-προς-πολλά,

655
00:27:38,040 --> 00:27:40,240
άλμπουμ σε κομμάτια? πολλά-προς-πολλά.

656
00:27:40,240 --> 00:27:44,990
Αυτά είναι τα τρία top-level
σχέσεις σε οποιαδήποτε βάση δεδομένων.

657
00:27:44,990 --> 00:27:48,050
Εάν ξέρετε πώς αυτά
σχέσεις εργαστούν από κοινού,

658
00:27:48,050 --> 00:27:51,490
τότε ξέρεις πολύ
σχετικά με τη βάση δεδομένων ήδη.

659
00:27:51,490 --> 00:27:55,660
Έτσι NoSQL λειτουργεί λίγο διαφορετικά.

660
00:27:55,660 --> 00:27:58,930
Ας σκεφτούμε για μια δεύτερη ό, τι
Μοιάζει να πάει να πάρει όλα τα προϊόντα μου.

661
00:27:58,930 --> 00:28:01,096
>> Σε μια σχεσιακή κατάστημα,
Θέλετε να πάρετε όλα τα προϊόντα μου

662
00:28:01,096 --> 00:28:02,970
σε έναν κατάλογο όλων των προϊόντων μου.

663
00:28:02,970 --> 00:28:04,910
Αυτό είναι ένα πολύ ερωτήματα.

664
00:28:04,910 --> 00:28:07,030
Πήρα ένα ερώτημα για όλα τα βιβλία μου.

665
00:28:07,030 --> 00:28:08,470
Πήρα ένα ερώτημα από τα άλμπουμ μου.

666
00:28:08,470 --> 00:28:09,970
Και πήρα ένα ερώτημα για όλα τα βίντεό μου.

667
00:28:09,970 --> 00:28:11,719
Και πήρα να το θέσω
όλα μαζί σε έναν κατάλογο

668
00:28:11,719 --> 00:28:15,250
και εξυπηρετούν πίσω μέχρι το
εφαρμογή που υποβάλλουν σχετικό αίτημα.

669
00:28:15,250 --> 00:28:18,000
>> Για να πάρετε τα βιβλία μου, να γίνω μέλος
Προϊόντα και βιβλία.

670
00:28:18,000 --> 00:28:21,680
Για να πάρετε τα άλμπουμ μου, πήρα να ενταχθούν
Προϊόντα, άλμπουμ, και ίχνη.

671
00:28:21,680 --> 00:28:25,330
Και για να πάρει τα βίντεο μου, έχω
να ενταχθούν Προϊόντα σε βίντεο,

672
00:28:25,330 --> 00:28:28,890
συμμετάσχουν μέσω βίντεο Ηθοποιός,
και να φέρει σε ηθοποιούς.

673
00:28:28,890 --> 00:28:31,020
Έτσι ώστε να είναι τρία ερωτήματα.

674
00:28:31,020 --> 00:28:34,560
Πολύ σύνθετα ερωτήματα για
συγκεντρώνουν ένα σύνολο αποτελεσμάτων.

675
00:28:34,560 --> 00:28:36,540
>> Αυτό είναι λιγότερο από το βέλτιστο.

676
00:28:36,540 --> 00:28:39,200
Αυτός είναι ο λόγος που όταν μιλάμε
για μια δομή δεδομένων που είναι

677
00:28:39,200 --> 00:28:42,900
κατασκευαστεί για να είναι αγνωστικιστής την πρόσβαση
pattern-- και αυτό είναι σπουδαίο.

678
00:28:42,900 --> 00:28:45,730
Και μπορείτε να δείτε αυτό είναι πραγματικά
ωραίο τρόπο με τον οποίο έχουμε οργανώνονται τα δεδομένα.

679
00:28:45,730 --> 00:28:46,550
Και ξέρετε τι;

680
00:28:46,550 --> 00:28:49,750
Έχω μόνο μία εγγραφή για έναν ηθοποιό.

681
00:28:49,750 --> 00:28:50,440
>> Αυτός είναι δροσερός.

682
00:28:50,440 --> 00:28:53,750
Έχω τεχνολογίας βασισμένη σε deduplication όλοι ηθοποιοί μου,
και διατήρησα ενώσεων μου

683
00:28:53,750 --> 00:28:55,200
σε αυτόν τον πίνακα χαρτογράφησης.

684
00:28:55,200 --> 00:29:00,620
Ωστόσο, η απόκτηση των δεδομένων
έξω γίνεται ακριβό.

685
00:29:00,620 --> 00:29:04,500
Στέλνω την CPU σε όλο το σύστημα
συνδέει αυτά τα στοιχεία μαζί δομές

686
00:29:04,500 --> 00:29:05,950
να είναι σε θέση να τραβήξει αυτό πίσω τα δεδομένα.

687
00:29:05,950 --> 00:29:07,310
>> Λοιπόν, πώς μπορώ να πάρω γύρω από αυτό;

688
00:29:07,310 --> 00:29:11,200
Σε NoSQL είναι περίπου
συνάθροιση, δεν ομαλοποίηση.

689
00:29:11,200 --> 00:29:13,534
Έτσι θέλουμε να λέμε ότι θέλουμε να
υποστηρίζει το πρότυπο πρόσβασης.

690
00:29:13,534 --> 00:29:15,283
Αν το μοτίβο πρόσβασης
με τις εφαρμογές,

691
00:29:15,283 --> 00:29:16,770
Θα χρειαστεί να πάρετε όλα τα προϊόντα μου.

692
00:29:16,770 --> 00:29:19,027
Ας βάλουμε όλα τα προϊόντα σε ένα τραπέζι.

693
00:29:19,027 --> 00:29:22,110
Αν έβαλα όλα τα προϊόντα σε ένα τραπέζι,
Μπορώ να επιλέξετε απλά όλα τα προϊόντα

694
00:29:22,110 --> 00:29:23,850
Από τον πίνακα και θα πάρει όλα.

695
00:29:23,850 --> 00:29:25,240
Λοιπόν, πώς μπορώ να το κάνουμε αυτό;

696
00:29:25,240 --> 00:29:28,124
Καλά στην NoSQL δεν υπάρχει
δομή στον πίνακα.

697
00:29:28,124 --> 00:29:30,540
Θα μιλήσουμε λίγο για
πώς λειτουργεί αυτό στην Ντιναμό ΣΠ.

698
00:29:30,540 --> 00:29:33,570
Αλλά δεν έχουν την ίδια
χαρακτηριστικά και τις ίδιες ιδιότητες

699
00:29:33,570 --> 00:29:37,751
σε κάθε γραμμή, σε κάθε μεμονωμένη
στοιχείου, όπως θα κάνατε σε έναν πίνακα του SQL.

700
00:29:37,751 --> 00:29:39,750
Και αυτό που μου επιτρέπει
να κάνουμε είναι πολλά πράγματα

701
00:29:39,750 --> 00:29:41,124
και να μου δώσει μεγάλη ευελιξία.

702
00:29:41,124 --> 00:29:45,360
Σε αυτή τη συγκεκριμένη περίπτωση,
έχουν έγγραφα προϊόν μου.

703
00:29:45,360 --> 00:29:49,090
Και σε αυτό το συγκεκριμένο
παράδειγμα, τα πάντα

704
00:29:49,090 --> 00:29:51,930
είναι ένα έγγραφο στον πίνακα προϊόντων.

705
00:29:51,930 --> 00:29:56,510
Και το προϊόν για ένα βιβλίο θα μπορούσε να
έχουν ένα αναγνωριστικό τύπου που καθορίζει ένα βιβλίο.

706
00:29:56,510 --> 00:29:59,180
Και η εφαρμογή
θα στραφούν σε αυτό το ID.

707
00:29:59,180 --> 00:30:02,570
>> Στο επίπεδο εφαρμογής, θα πάω
να πω OH, τι είδους αρχείο είναι αυτό;

708
00:30:02,570 --> 00:30:04,100
Ω, αυτό είναι ένα βιβλίο καταγραφής.

709
00:30:04,100 --> 00:30:05,990
Αρχεία του βιβλίου έχουν αυτές τις ιδιότητες.

710
00:30:05,990 --> 00:30:08,100
Επιτρέψτε μου να δημιουργήσετε ένα αντικείμενο βιβλίου.

711
00:30:08,100 --> 00:30:11,289
Έτσι, Πάω να συμπληρώσετε το
βιβλίο αντικείμενο με αυτό το στοιχείο.

712
00:30:11,289 --> 00:30:13,080
Επόμενο στοιχείο έρχεται και
λέει, τι είναι αυτό το αντικείμενο;

713
00:30:13,080 --> 00:30:14,560
Λοιπόν αυτό το στοιχείο είναι ένα άλμπουμ.

714
00:30:14,560 --> 00:30:17,340
Ω, πήρα μια εντελώς διαφορετική
επεξεργασία ρουτίνα για το ότι,

715
00:30:17,340 --> 00:30:18,487
γιατί είναι ένα άλμπουμ.

716
00:30:18,487 --> 00:30:19,320
Βλέπετε τι εννοώ;

717
00:30:19,320 --> 00:30:21,950
>> Έτσι, η εφαρμογή tier-- μου
απλά επιλέξτε όλα αυτά τα αρχεία.

718
00:30:21,950 --> 00:30:23,200
Όλοι αρχίζουν να έρχονται σε.

719
00:30:23,200 --> 00:30:24,680
Θα μπορούσαν να είναι όλοι οι διαφορετικοί τύποι.

720
00:30:24,680 --> 00:30:27,590
Και είναι η λογική της εφαρμογής
ότι μεταβαίνει πέρα ​​από αυτούς τους τύπους

721
00:30:27,590 --> 00:30:29,530
και αποφασίζει πώς να τα επεξεργαστεί.

722
00:30:29,530 --> 00:30:33,640
>> Και πάλι, έτσι είμαστε η βελτιστοποίηση
σχήμα για την συχνή πρόσβαση.

723
00:30:33,640 --> 00:30:36,390
Το κάνουμε από
την κατάρρευση των πινάκων αυτών.

724
00:30:36,390 --> 00:30:39,670
Είμαστε ουσιαστικά λαμβάνοντας
Αυτές οι κανονικοποιημένες δομές,

725
00:30:39,670 --> 00:30:42,000
και χτίζουμε
ιεραρχικές δομές.

726
00:30:42,000 --> 00:30:45,130
Μέσα σε κάθε ένα από αυτά τα βιβλία
Πάω να δείτε τις ιδιότητες του πίνακα.

727
00:30:45,130 --> 00:30:49,400
>> Μέσα σε αυτό το έγγραφο για το άλμπουμ,
Βλέπω συστοιχίες των κομματιών.

728
00:30:49,400 --> 00:30:53,900
Αυτά τα κομμάτια τώρα become-- είναι
Βασικά αυτό το τραπέζι παιδί ότι

729
00:30:53,900 --> 00:30:56,520
υπάρχει εδώ σε αυτή τη δομή.

730
00:30:56,520 --> 00:30:57,975
Έτσι, μπορείτε να το κάνετε αυτό σε DynamoDB.

731
00:30:57,975 --> 00:30:59,810
Μπορείτε να το κάνετε αυτό σε MongoDB.

732
00:30:59,810 --> 00:31:01,437
Μπορείτε να το κάνετε αυτό σε καμία βάση δεδομένων NoSQL.

733
00:31:01,437 --> 00:31:03,520
Δημιουργήστε αυτούς τους τύπους
ιεραρχικές δομές δεδομένων

734
00:31:03,520 --> 00:31:07,120
που σας επιτρέπουν να ανακτήσετε τα δεδομένα
πολύ γρήγορα γιατί τώρα

735
00:31:07,120 --> 00:31:08,537
δεν χρειάζεται να συμμορφώνονται.

736
00:31:08,537 --> 00:31:11,620
Όταν εισαγάγετε μια γραμμή στα κομμάτια
τραπέζι, ή μια σειρά στον πίνακα Άλμπουμ,

737
00:31:11,620 --> 00:31:13,110
Θα πρέπει να είναι σύμφωνες με αυτή του σχήματος.

738
00:31:13,110 --> 00:31:18,060
Θα πρέπει να έχουν την ιδιότητα ή η
ιδιότητα που ορίζεται στην εν λόγω πίνακα.

739
00:31:18,060 --> 00:31:20,480
Κάθε ένας από αυτούς,
όταν εισάγετε αυτή τη γραμμή.

740
00:31:20,480 --> 00:31:21,910
Αυτό δεν είναι η περίπτωση στην NoSQL.

741
00:31:21,910 --> 00:31:24,440
>> Μπορώ να έχω εντελώς διαφορετική
ιδιότητες σε κάθε έγγραφο

742
00:31:24,440 --> 00:31:26,100
ότι εισάγω στη συλλογή.

743
00:31:26,100 --> 00:31:30,480
Έτσι, πολύ ισχυρό μηχανισμό.

744
00:31:30,480 --> 00:31:32,852
Και είναι πραγματικά το πώς θα
βελτιστοποίηση του συστήματος.

745
00:31:32,852 --> 00:31:35,310
Επειδή τώρα αυτό το ερώτημα, αντί
της ένταξης όλων αυτών των πινάκων

746
00:31:35,310 --> 00:31:39,160
και εκτελώντας μια μισή ντουζίνα ερωτήματα
για να τραβήξει πίσω τα δεδομένα που χρειάζονται,

747
00:31:39,160 --> 00:31:40,890
Είμαι εκτελεί ένα ερώτημα.

748
00:31:40,890 --> 00:31:43,010
Και είμαι επανάληψη
απέναντι τα αποτελέσματα που.

749
00:31:43,010 --> 00:31:46,512
σας δίνει μια ιδέα
της ισχύος της NoSQL.

750
00:31:46,512 --> 00:31:49,470
Πάω να το είδος πάει στο πλάι εδώ
και να μιλήσουμε λίγο για αυτό.

751
00:31:49,470 --> 00:31:53,240
Αυτό είναι περισσότερο από το είδος
μάρκετινγκ ή τεχνολογικές εξελίξεις,

752
00:31:53,240 --> 00:31:55,660
η εμπορία της τεχνολογίας
είδος της συζήτησης.

753
00:31:55,660 --> 00:31:58,672
Αλλά είναι σημαντικό να κατανοήσουμε
διότι αν κοιτάξουμε την κορυφή

754
00:31:58,672 --> 00:32:00,380
εδώ σε αυτό το διάγραμμα,
τι ψάχνουμε

755
00:32:00,380 --> 00:32:04,030
Είναι αυτό που λέμε η
τεχνολογία καμπύλη δημοσιότητα.

756
00:32:04,030 --> 00:32:06,121
Και τι σημαίνει αυτό είναι
νέα πράγματα έρχεται στο παιχνίδι.

757
00:32:06,121 --> 00:32:07,120
Οι άνθρωποι νομίζουν ότι είναι μεγάλη.

758
00:32:07,120 --> 00:32:09,200
Έχω λυθεί όλα τα προβλήματα μου.

759
00:32:09,200 --> 00:32:11,630
>> Αυτό θα μπορούσε να είναι το τέλος
όλα, να είναι όλοι σε όλα.

760
00:32:11,630 --> 00:32:12,790
Και αρχίσετε να χρησιμοποιείτε αυτό.

761
00:32:12,790 --> 00:32:14,720
Και λένε, αυτά τα πράγματα δεν λειτουργεί.

762
00:32:14,720 --> 00:32:17,600
Αυτό δεν είναι σωστό.

763
00:32:17,600 --> 00:32:19,105
Η παλιά πράγματα ήταν καλύτερα.

764
00:32:19,105 --> 00:32:21,230
Και πάει πίσω να το κάνουμε
τα πράγματα με τον τρόπο που ήταν.

765
00:32:21,230 --> 00:32:22,730
Και στη συνέχεια, τελικά
πάνε, ξέρετε τι;

766
00:32:22,730 --> 00:32:24,040
Αυτή η ουσία δεν είναι τόσο κακό.

767
00:32:24,040 --> 00:32:26,192
Ω, αυτό είναι το πώς λειτουργεί.

768
00:32:26,192 --> 00:32:28,900
Και από τη στιγμή που καταλάβω πώς
έργα, θα αρχίσει να βελτιώνεται.

769
00:32:28,900 --> 00:32:32,050
>> Και το αστείο πράγμα για αυτό
είναι, αυτό το είδος των γραμμών έως τι

770
00:32:32,050 --> 00:32:34,300
καλούμε την καμπύλη της τεχνολογίας Υιοθεσία.

771
00:32:34,300 --> 00:32:36,910
Έτσι, αυτό που συμβαίνει είναι ότι έχουμε
ορισμένες τεχνολογίες είδος σκανδάλη.

772
00:32:36,910 --> 00:32:39,100
Στην περίπτωση των βάσεων δεδομένων,
είναι δεδομένα πίεσης.

773
00:32:39,100 --> 00:32:42,200
Μιλήσαμε για τα υψηλά σημεία το νερό
της πίεσης των δεδομένων στο πέρασμα του χρόνου.

774
00:32:42,200 --> 00:32:46,310
Όταν η πίεση δεδομένα χτυπά ένα ορισμένο
σημείο, αυτό είναι μια τεχνολογία ενεργοποίησης.

775
00:32:46,310 --> 00:32:47,830
>> Είναι να πάρει πάρα πολύ ακριβό.

776
00:32:47,830 --> 00:32:49,790
Παίρνει πολύ χρόνο για να επεξεργαστεί τα δεδομένα.

777
00:32:49,790 --> 00:32:50,890
Χρειαζόμαστε κάτι καλύτερο.

778
00:32:50,890 --> 00:32:52,890
Μπορείτε να πάρετε τους πρωτοπόρους
εκεί έξω που τρέχει γύρω,

779
00:32:52,890 --> 00:32:55,050
προσπαθεί να ανακαλύψει ποια είναι η λύση.

780
00:32:55,050 --> 00:32:56,050
Ποια είναι η νέα ιδέα;

781
00:32:56,050 --> 00:32:58,170
>> Ποιο είναι το επόμενο καλύτερο
τρόπος για να γίνει αυτό το πράγμα;

782
00:32:58,170 --> 00:32:59,530
Και να καταλήξουμε σε κάτι.

783
00:32:59,530 --> 00:33:03,140
Και οι άνθρωποι με τον πραγματικό πόνο,
τα παιδιά στην κόψη του ξυραφιού,

784
00:33:03,140 --> 00:33:06,390
ότι θα πηδήξει σε όλο αυτό,
επειδή χρειάζονται μια απάντηση.

785
00:33:06,390 --> 00:33:09,690
Τώρα τι αναπόφευκτα happens-- και
αυτό συμβαίνει τώρα στην NoSQL.

786
00:33:09,690 --> 00:33:11,090
Το βλέπω όλη την ώρα.

787
00:33:11,090 --> 00:33:13,610
>> Τι συμβαίνει είναι αναπόφευκτα
οι άνθρωποι αρχίσουν να χρησιμοποιούν το νέο εργαλείο

788
00:33:13,610 --> 00:33:15,490
με τον ίδιο τρόπο που χρησιμοποίησαν το παλιό εργαλείο.

789
00:33:15,490 --> 00:33:17,854
Και ανακαλύπτουν ότι
δεν λειτουργεί τόσο καλά.

790
00:33:17,854 --> 00:33:20,020
Δεν μπορώ να θυμηθώ ποιος είμαι
μιλάμε για νωρίτερα σήμερα.

791
00:33:20,020 --> 00:33:22,080
Αλλά είναι σαν, όταν η
κομπρεσέρ εφευρέθηκε,

792
00:33:22,080 --> 00:33:24,621
οι άνθρωποι δεν θα ταλαντεύεται
το κεφάλι τους για να συνθλίψει το σκυρόδεμα.

793
00:33:24,621 --> 00:33:27,360

794
00:33:27,360 --> 00:33:30,610
>> Αλλά αυτό είναι ό, τι είναι
συμβαίνει με NoSQL σήμερα.

795
00:33:30,610 --> 00:33:33,900
Αν περπατήσετε στα περισσότερα καταστήματα με,
προσπαθούν να είναι τα καταστήματα NoSQL.

796
00:33:33,900 --> 00:33:36,510
Τι κάνουν είναι
που χρησιμοποιείτε NoSQL,

797
00:33:36,510 --> 00:33:39,900
και από όπου και αν Φόρτωση
γεμάτη σχεσιακό σχήμα.

798
00:33:39,900 --> 00:33:41,630
Επειδή αυτό είναι το πώς
σχεδιάζουν βάσεις δεδομένων.

799
00:33:41,630 --> 00:33:44,046
Και αναρωτιέστε, γιατί είναι
δεν εκτελεί πολύ καλά;

800
00:33:44,046 --> 00:33:45,230
Αγόρι, αυτό το πράγμα βρωμάει.

801
00:33:45,230 --> 00:33:49,900
Έπρεπε να διατηρήσει όλα μου
ενώνει in-- είναι σαν, όχι, όχι.

802
00:33:49,900 --> 00:33:50,800
Διατηρήστε ενώνει;

803
00:33:50,800 --> 00:33:52,430
Γιατί ενώνει τα δεδομένα;

804
00:33:52,430 --> 00:33:54,350
Δεν ενταχθούν δεδομένα NoSQL.

805
00:33:54,350 --> 00:33:55,850
Μπορείτε να την προσθέσει.

806
00:33:55,850 --> 00:34:00,690
>> Έτσι, εάν θέλετε να το αποφύγετε αυτό, να μάθουν
πώς λειτουργεί το εργαλείο πριν να

807
00:34:00,690 --> 00:34:02,010
αρχίσετε να το χρησιμοποιείτε.

808
00:34:02,010 --> 00:34:04,860
Μην προσπαθήσετε να χρησιμοποιήσετε τα νέα εργαλεία της
ίδιο τρόπο που χρησιμοποιούσε τα παλιά εργαλεία.

809
00:34:04,860 --> 00:34:06,500
Θα πάμε να έχουν μια κακή εμπειρία.

810
00:34:06,500 --> 00:34:08,848
Και κάθε φορά
αυτό είναι ό, τι αυτό είναι περίπου.

811
00:34:08,848 --> 00:34:11,389
Όταν αρχίζουμε να έρχονται εδώ,
αυτό συμβαίνει γιατί οι άνθρωποι υπολόγισα

812
00:34:11,389 --> 00:34:13,449
πώς να χρησιμοποιούν τα εργαλεία.

813
00:34:13,449 --> 00:34:16,250
>> Έκαναν το ίδιο πράγμα, όταν
σχεσιακές βάσεις δεδομένων εφευρέθηκαν,

814
00:34:16,250 --> 00:34:17,969
και ήταν αντικαθιστά τα συστήματα αρχείων.

815
00:34:17,969 --> 00:34:20,420
Προσπάθησαν να οικοδομήσουμε συστήματα αρχείων
με σχεσιακές βάσεις δεδομένων

816
00:34:20,420 --> 00:34:22,159
γιατί αυτό είναι που οι άνθρωποι κατάλαβαν.

817
00:34:22,159 --> 00:34:23,049
Δεν είχε δουλειά.

818
00:34:23,049 --> 00:34:26,090
Έτσι, η κατανόηση των βέλτιστων πρακτικών
της τεχνολογίας εργάζεστε με

819
00:34:26,090 --> 00:34:26,730
είναι τεράστια.

820
00:34:26,730 --> 00:34:29,870
Πολύ σημαντικό.

821
00:34:29,870 --> 00:34:32,440
>> Έτσι θα πάμε να μπει σε DynamoDB.

822
00:34:32,440 --> 00:34:36,480
DynamoDB είναι AWS του
πλήρως Διαχείριση NoSQL πλατφόρμα.

823
00:34:36,480 --> 00:34:37,719
Τι σημαίνει πλήρως Διαχείριση σημαίνει;

824
00:34:37,719 --> 00:34:40,010
Αυτό σημαίνει ότι δεν χρειάζεται να
πραγματικά ανησυχείτε για τίποτα.

825
00:34:40,010 --> 00:34:42,060
>> Θα έρθει σε σας πω
μας, χρειάζομαι ένα τραπέζι.

826
00:34:42,060 --> 00:34:43,409
Χρειάζεται αυτή τη μεγάλη ικανότητα.

827
00:34:43,409 --> 00:34:47,300
Μπορείτε να πατήσετε το κουμπί, και την παροχή εμείς
όλες οι υποδομές πίσω από τη σκηνή.

828
00:34:47,300 --> 00:34:48,310
Τώρα που είναι τεράστια.

829
00:34:48,310 --> 00:34:51,310
>> Διότι όταν μιλάτε
σχετικά με την κλιμάκωση μιας βάσης δεδομένων,

830
00:34:51,310 --> 00:34:53,917
Συστάδες δεδομένων σε NoSQL
κλίμακα, τρέξιμο petabytes,

831
00:34:53,917 --> 00:34:55,750
εκτέλεση εκατομμυρίων
συναλλαγές ανά δευτερόλεπτο,

832
00:34:55,750 --> 00:34:58,180
Αυτά τα πράγματα δεν είναι μικρές ομάδες.

833
00:34:58,180 --> 00:35:00,830
Μιλάμε χιλιάδες περιπτώσεις.

834
00:35:00,830 --> 00:35:04,480
Διευθύνων χιλιάδες περιπτώσεις,
ακόμη και εικονικές περιπτώσεις,

835
00:35:04,480 --> 00:35:06,350
είναι ένας πραγματικός πόνος στην άκρη.

836
00:35:06,350 --> 00:35:09,110
Θέλω να πω, σκεφτείτε κάθε φορά
μπάλωμα λειτουργικό σύστημα βγαίνει

837
00:35:09,110 --> 00:35:11,552
ή μια νέα έκδοση της βάσης δεδομένων.

838
00:35:11,552 --> 00:35:13,260
Τι σημαίνει αυτό
να σας λειτουργικά;

839
00:35:13,260 --> 00:35:16,330
Αυτό σημαίνει ότι έχεις 1.200
διακομιστές που πρέπει να ενημερωθούν.

840
00:35:16,330 --> 00:35:18,960
Τώρα, ακόμη και με τον αυτοματισμό,
ότι μπορεί να πάρει πολύ χρόνο.

841
00:35:18,960 --> 00:35:21,480
Αυτό μπορεί να προκαλέσει πολλά
επιχειρησιακή πονοκεφάλους,

842
00:35:21,480 --> 00:35:23,090
γιατί μπορεί να έχουν τις υπηρεσίες προς τα κάτω.

843
00:35:23,090 --> 00:35:26,070
>> Όπως έχω ενημερώσει αυτές τις βάσεις δεδομένων, θα
θα μπορούσε να κάνει το μπλε πράσινο αναπτύξεις

844
00:35:26,070 --> 00:35:29,420
όπου μπορώ να αναπτύξω και να αναβαθμίσει το μισό μου
κόμβους, και στη συνέχεια να αναβαθμίσετε το άλλο μισό.

845
00:35:29,420 --> 00:35:30,490
Πάρτε εκείνα τα κάτω.

846
00:35:30,490 --> 00:35:33,410
Έτσι, τη διαχείριση της υποδομής
κλίμακας είναι εξαιρετικά επώδυνη.

847
00:35:33,410 --> 00:35:36,210
Και AWS να λάβει τον πόνο έξω από αυτό.

848
00:35:36,210 --> 00:35:39,210
Και NoSQL βάσεις δεδομένων μπορεί να
να είναι εξαιρετικά επώδυνη

849
00:35:39,210 --> 00:35:41,780
λόγω του τρόπου που κλίμακα.

850
00:35:41,780 --> 00:35:42,926
>> Κλίμακα οριζόντια.

851
00:35:42,926 --> 00:35:45,550
Αν θέλετε να πάρετε μια μεγαλύτερη NoSQL
βάση δεδομένων, μπορείτε να αγοράσετε περισσότερους κόμβους.

852
00:35:45,550 --> 00:35:48,660
Κάθε κόμβος που αγοράζετε είναι
μια άλλη επιχειρησιακή πονοκέφαλο.

853
00:35:48,660 --> 00:35:50,830
Οπότε ας κάποιος άλλος το κάνει αυτό για σας.

854
00:35:50,830 --> 00:35:52,000
AWS μπορεί να το κάνει αυτό.

855
00:35:52,000 --> 00:35:54,587
>> Στηρίζουμε τις αξίες βασικό έγγραφο.

856
00:35:54,587 --> 00:35:56,670
Τώρα δεν πάει πάρα πολύ
μέσα από την άλλη διάγραμμα.

857
00:35:56,670 --> 00:35:58,750
Υπάρχουν πολλές διαφορετικές
γεύσεις της NoSQL.

858
00:35:58,750 --> 00:36:02,670
Είναι όλα τα είδη του να πάρει
munged μαζί σε αυτό το σημείο.

859
00:36:02,670 --> 00:36:06,260
Μπορείτε να δείτε στις ομάδες DynamoDB και να πω ναι,
είμαστε και οι δύο ένα έγγραφο και μια τιμή κλειδιού

860
00:36:06,260 --> 00:36:08,412
αποθηκεύσετε αυτό το σημείο.

861
00:36:08,412 --> 00:36:10,620
Και μπορείτε να υποστηρίζουν τις λειτουργίες
του ενός πάνω στο άλλο.

862
00:36:10,620 --> 00:36:13,950
Για μένα, πολλά από αυτά είναι πραγματικά έξι
ενός μισο δωδεκάδα της άλλης.

863
00:36:13,950 --> 00:36:18,710
Κάθε μία από αυτές τις τεχνολογίες είναι
πρόστιμο τεχνολογία και πρόστιμο λύση.

864
00:36:18,710 --> 00:36:23,390
Δεν θα έλεγα MongoDB είναι καλύτερη ή
χειρότερα από ό, Καναπές, στη συνέχεια, Κασσάνδρα,

865
00:36:23,390 --> 00:36:25,994
Στη συνέχεια Ντιναμό, ή το αντίστροφο.

866
00:36:25,994 --> 00:36:27,285
Θέλω να πω, αυτά είναι μόνο επιλογές.

867
00:36:27,285 --> 00:36:29,850

868
00:36:29,850 --> 00:36:32,700
>> Είναι γρήγορο και είναι
συνεπής σε οποιαδήποτε κλίμακα.

869
00:36:32,700 --> 00:36:36,210
Έτσι, αυτό είναι ένα από τα μεγαλύτερα
μπόνους που μπορείτε να πάρετε με την AWS.

870
00:36:36,210 --> 00:36:40,850
Με DynamoDB είναι η ικανότητα
για να πάρει ένα χαμηλό μονοψήφιο

871
00:36:40,850 --> 00:36:44,040
χιλιοστών του δευτερολέπτου καθυστέρησης σε οποιαδήποτε κλίμακα.

872
00:36:44,040 --> 00:36:45,720
Αυτός ήταν ένας στόχος του σχεδιασμού του συστήματος.

873
00:36:45,720 --> 00:36:49,130
Και έχουμε πελάτες που κάνουν
εκατομμύρια συναλλαγές ανά δευτερόλεπτο.

874
00:36:49,130 --> 00:36:52,670
>> Τώρα θα πάω με ορισμένες από αυτές
περιπτώσεις χρήσης σε λίγα λεπτά εδώ.

875
00:36:52,670 --> 00:36:55,660
Ολοκληρωμένη control-- πρόσβασης
έχουμε αυτό που ονομάζουμε

876
00:36:55,660 --> 00:36:57,920
Ταυτότητα Διαχείρισης Πρόσβασης, ή ΙΑΜ.

877
00:36:57,920 --> 00:37:01,980
Είναι διαπερνά κάθε σύστημα,
κάθε υπηρεσία που προσφέρει AWS.

878
00:37:01,980 --> 00:37:03,630
DynamoDB δεν αποτελεί εξαίρεση.

879
00:37:03,630 --> 00:37:06,020
Μπορείτε να ελέγχετε την πρόσβαση
στους πίνακες DynamoDB.

880
00:37:06,020 --> 00:37:09,960
Σε όλους τους λογαριασμούς σας AWS από
καθορίζοντας τους ρόλους και τα δικαιώματα πρόσβασης

881
00:37:09,960 --> 00:37:12,140
στη δευτερογενή υποδομή.

882
00:37:12,140 --> 00:37:16,630
>> Και αυτό είναι ένα βασικό και αναπόσπαστο συστατικό
αυτό που λέμε Προγραμματισμός οδηγούμενος από γεγονότα.

883
00:37:16,630 --> 00:37:19,056
Τώρα αυτό είναι ένα νέο πρότυπο.

884
00:37:19,056 --> 00:37:22,080
>> Κοινό: Πώς θα είναι το ποσοστό της αληθινής σας
θετικά έναντι λανθασμένων αρνητικών

885
00:37:22,080 --> 00:37:24,052
για σύστημα ελέγχου πρόσβασης σας;

886
00:37:24,052 --> 00:37:26,260
RICK Houlihan: True θετικά
έναντι ψευδώς αρνητικά;

887
00:37:26,260 --> 00:37:28,785
Κοινό: Επιστρέφοντας τι
θα πρέπει να επιστρέφουν;

888
00:37:28,785 --> 00:37:33,720
Σε αντίθεση με κάποια στιγμή αυτό
δεν θα επιστρέψει όταν θα πρέπει να επικυρώσει;

889
00:37:33,720 --> 00:37:36,260

890
00:37:36,260 --> 00:37:38,050
>> RICK Houlihan: Δεν μπορώ να σας πω ότι.

891
00:37:38,050 --> 00:37:40,140
Αν υπάρχει κάποια αποτυχίες
βασίζεται στο ότι,

892
00:37:40,140 --> 00:37:42,726
Δεν είμαι το κατάλληλο πρόσωπο να ρωτήσεις
ότι η συγκεκριμένη ερώτηση.

893
00:37:42,726 --> 00:37:43,850
Αλλά αυτό είναι μια καλή ερώτηση.

894
00:37:43,850 --> 00:37:45,905
Θα ήμουν περίεργος να μάθω
ότι ο ίδιος, στην πραγματικότητα.

895
00:37:45,905 --> 00:37:48,810

896
00:37:48,810 --> 00:37:51,320
>> Και έτσι στη συνέχεια και πάλι, το νέο πρότυπο
εξαρτάται από συμβάντα προγραμματισμού.

897
00:37:51,320 --> 00:37:55,160
Αυτή είναι η ιδέα ότι μπορείς να
υλοποιήσουν πολύπλοκες εφαρμογές που

898
00:37:55,160 --> 00:37:59,720
μπορεί να λειτουργήσει ένα πολύ, πολύ υψηλή κλίμακα
χωρίς καμία υποδομή.

899
00:37:59,720 --> 00:38:02,120
Χωρίς οποιαδήποτε σταθερή
απολύτως υποδομή.

900
00:38:02,120 --> 00:38:04,720
Και θα μιλήσουμε λίγο
για το τι σημαίνει αυτό όπως

901
00:38:04,720 --> 00:38:06,550
να πάρει στο επόμενο ζεύγος των charts.

902
00:38:06,550 --> 00:38:08,716
>> Το πρώτο πράγμα που θα κάνουμε
είναι θα μιλήσουμε για τους πίνακες.

903
00:38:08,716 --> 00:38:10,857
Τύπους δεδομένων API για την Ντιναμό.

904
00:38:10,857 --> 00:38:13,190
Και το πρώτο πράγμα που θα
παρατηρήσετε όταν κοιτάς αυτό,

905
00:38:13,190 --> 00:38:17,930
αν είστε εξοικειωμένοι με οποιαδήποτε βάση δεδομένων,
βάσεις δεδομένων έχουν πραγματικά δύο είδη APIs

906
00:38:17,930 --> 00:38:18,430
Θα το ονομάσουμε.

907
00:38:18,430 --> 00:38:21,570
Ή δύο σύνολα API.

908
00:38:21,570 --> 00:38:23,840
Ένα από αυτά θα είναι
διοικητική API.

909
00:38:23,840 --> 00:38:26,710
>> Τα πράγματα έχουν αναλάβει τη φροντίδα του
οι λειτουργίες της βάσης δεδομένων.

910
00:38:26,710 --> 00:38:31,340
Διαμόρφωση του κινητήρα αποθήκευσης,
τη σύσταση και την προσθήκη πίνακες.

911
00:38:31,340 --> 00:38:35,180
δημιουργία βάσης δεδομένων
καταλόγους και περιπτώσεις.

912
00:38:35,180 --> 00:38:40,450
Αυτά things-- σε DynamoDB, σας
έχουν πολύ μικρή, μικρή λίστες.

913
00:38:40,450 --> 00:38:43,120
>> Έτσι, σε άλλες βάσεις δεδομένων,
μπορείτε να δείτε δεκάδες

914
00:38:43,120 --> 00:38:45,680
των εντολών, των διοικητικών
εντολές, για τη διαμόρφωση

915
00:38:45,680 --> 00:38:47,290
Αυτές οι πρόσθετες επιλογές.

916
00:38:47,290 --> 00:38:51,234
Σε DynamoDB δεν χρειάζεται, διότι εκείνες
δεν ρυθμίσετε το σύστημα, το κάνουμε.

917
00:38:51,234 --> 00:38:54,150
Έτσι, το μόνο πράγμα που χρειάζεται να κάνετε είναι να
πες μου τι μέγεθος πίνακα χρειάζομαι.

918
00:38:54,150 --> 00:38:55,660
Έτσι, μπορείτε να πάρετε μια πολύ
περιορισμένο σύνολο εντολών.

919
00:38:55,660 --> 00:38:58,618
>> Μπορείτε να πάρετε μια Δημιουργία Τραπεζιού Update, πίνακα,
Διαγραφή πίνακα, και Περιγράψτε πίνακα.

920
00:38:58,618 --> 00:39:01,150
Αυτά είναι τα μόνα πράγματα
χρειάζεστε για DynamoDB.

921
00:39:01,150 --> 00:39:03,294
Δεν χρειάζεστε ένα αποθήκευση
διαμόρφωση του κινητήρα.

922
00:39:03,294 --> 00:39:04,960
Δεν χρειάζεται να ανησυχείτε για την αντιγραφή.

923
00:39:04,960 --> 00:39:06,490
Δεν χρειάζεται να ανησυχείτε για sharding.

924
00:39:06,490 --> 00:39:07,800
>> Δεν χρειάζεται να ανησυχείτε
για κάποια από αυτά τα πράγματα.

925
00:39:07,800 --> 00:39:08,740
Έχουμε κάνει όλα για εσάς.

926
00:39:08,740 --> 00:39:11,867
Έτσι, αυτό είναι ένα τεράστιο ποσό των γενικών
αυτό είναι απλά σήκωσε από το πιάτο σας.

927
00:39:11,867 --> 00:39:13,200
Στη συνέχεια, έχουμε τις επιχειρήσεις σάλτσες.

928
00:39:13,200 --> 00:39:17,740
Σάλτσες είναι κάτι το οποίο οφείλουμε
καλούν σε βάση δεδομένων που είναι

929
00:39:17,740 --> 00:39:19,860
Δημιουργία, Ενημέρωση, Διαγραφή φορείς.

930
00:39:19,860 --> 00:39:24,180
Αυτά είναι τα κοινά σας
λειτουργιών της βάσης δεδομένων.

931
00:39:24,180 --> 00:39:31,299
Τα πράγματα όπως σημείο πώλησης, να πάρετε το αντικείμενο, ενημέρωση
αντικείμενα, διαγραφές, το ερώτημα παρτίδα, σάρωση.

932
00:39:31,299 --> 00:39:32,840
Αν θέλετε να σαρώσει το σύνολο του πίνακα.

933
00:39:32,840 --> 00:39:34,220
Τραβήξτε τα πάντα από το τραπέζι.

934
00:39:34,220 --> 00:39:37,130
Ένα από τα ωραία πράγματα για DynamoDB
είναι παράλληλα επιτρέπει τη σάρωση.

935
00:39:37,130 --> 00:39:40,602
Έτσι μπορείτε πραγματικά να επιτρέψτε μου να ξέρω πόσα
τα θέματα που θέλετε να εκτελείται στο συγκεκριμένο σάρωσης.

936
00:39:40,602 --> 00:39:41,810
Και μπορούμε να τρέξουμε αυτές τις κλωστές.

937
00:39:41,810 --> 00:39:43,985
Μπορούμε να γυρίσετε αυτή την σάρωση μέχρι
σε όλη πολλαπλά threads

938
00:39:43,985 --> 00:39:49,060
ώστε να μπορείτε να σαρώσει το σύνολο του πίνακα
χώρο πολύ, πολύ γρήγορα DynamoDB.

939
00:39:49,060 --> 00:39:51,490
>> Η άλλη API που έχουμε είναι
αυτό που λέμε ρέματα μας API.

940
00:39:51,490 --> 00:39:52,940
Εμείς δεν πρόκειται να μιλήσω πάρα πολύ
πολύ γι 'αυτό τώρα.

941
00:39:52,940 --> 00:39:55,189
Έχω κάποιο περιεχόμενο αργότερα
σχετικά με το κατάστρωμα γι 'αυτό.

942
00:39:55,189 --> 00:39:59,910
Αλλά ρεύματα είναι πραγματικά μια running--
Σκεφτείτε το σαν διέταξε ο χρόνος

943
00:39:59,910 --> 00:40:01,274
και αλλαγή καταγραφής διαμέρισμα.

944
00:40:01,274 --> 00:40:03,940
Ό, τι συμβαίνει στο
Ο πίνακας εμφανίζεται στη ροή.

945
00:40:03,940 --> 00:40:05,940
>> Κάθε γράψει στον πίνακα
εμφανίζεται στο ρεύμα.

946
00:40:05,940 --> 00:40:08,370
Μπορείτε να διαβάσετε αυτό το ρεύμα, και
μπορείτε να κάνετε τα πράγματα με αυτό.

947
00:40:08,370 --> 00:40:10,150
Θα μιλήσουμε για το τι
τα είδη των πραγμάτων που

948
00:40:10,150 --> 00:40:13,680
κάνει με τα πράγματα όπως αντιγραφή,
δημιουργώντας δευτερεύοντα ευρετήρια.

949
00:40:13,680 --> 00:40:17,620
Όλα τα είδη των πραγματικά δροσερό
πράγματα που μπορείτε να κάνετε με αυτό.

950
00:40:17,620 --> 00:40:19,150
>> Τύποι δεδομένων.

951
00:40:19,150 --> 00:40:23,320
Σε DynamoDB, υποστηρίζουμε τόσο το κλειδί
αξία και στοιχεία του εγγράφου τύπους.

952
00:40:23,320 --> 00:40:26,350
Από την αριστερή πλευρά της οθόνης
Εδώ, έχουμε βασικά είδη μας.

953
00:40:26,350 --> 00:40:27,230
Βασικά είδη αξίας.

954
00:40:27,230 --> 00:40:30,040
Αυτά είναι χορδές,
αριθμούς, και τα εκτελέσιμα.

955
00:40:30,040 --> 00:40:31,640
>> Έτσι, μόλις τρεις βασικούς τύπους.

956
00:40:31,640 --> 00:40:33,700
Και τότε μπορείτε να έχετε σύνολα από αυτά.

957
00:40:33,700 --> 00:40:37,650
Ένα από τα ωραία πράγματα για NoSQL είναι
μπορείτε να περιέχουν οι πίνακες ως ιδιότητες.

958
00:40:37,650 --> 00:40:42,050
Και με DynamoDB σας μπορεί να περιέχει πίνακες
των βασικών τύπων ως ιδιοκτησία της ρίζας.

959
00:40:42,050 --> 00:40:43,885
>> Και έπειτα υπάρχει το τύπους εγγράφων.

960
00:40:43,885 --> 00:40:45,510
Πόσοι άνθρωποι είναι εξοικειωμένοι με το JSON;

961
00:40:45,510 --> 00:40:47,130
Εσείς εξοικειωμένοι με JSON τόσο πολύ;

962
00:40:47,130 --> 00:40:49,380
Είναι βασικά το JavaScript,
Αντικείμενο, Συμβολισμός.

963
00:40:49,380 --> 00:40:52,510
Σας επιτρέπει να βασικά
καθορίσει μια ιεραρχική δομή.

964
00:40:52,510 --> 00:40:58,107
>> Μπορείτε να αποθηκεύσετε ένα έγγραφο JSON για
DynamoDB χρήση κοινών εξαρτημάτων

965
00:40:58,107 --> 00:41:00,940
ή δομικά στοιχεία που είναι διαθέσιμα
στις περισσότερες γλώσσες προγραμματισμού.

966
00:41:00,940 --> 00:41:03,602
Έτσι, εάν έχετε Java, είστε
κοιτάζοντας χάρτες και καταλόγους.

967
00:41:03,602 --> 00:41:05,060
Μπορώ να δημιουργήσω τα αντικείμενα που χάρτη της περιοχής.

968
00:41:05,060 --> 00:41:08,030
Ένας χάρτης ως βασικές αξίες
αποθηκεύονται ως ιδιότητες.

969
00:41:08,030 --> 00:41:10,890
Και θα μπορούσε να έχει καταλόγους
αξιών εντός των συγκεκριμένων ιδιοτήτων.

970
00:41:10,890 --> 00:41:13,490
Μπορείτε να αποθηκεύσετε αυτό το πολύπλοκο
ιεραρχική δομή

971
00:41:13,490 --> 00:41:16,320
ως ένα ενιαίο χαρακτηριστικό
ενός στοιχείου DynamoDB.

972
00:41:16,320 --> 00:41:19,010

973
00:41:19,010 --> 00:41:24,460
>> Έτσι πίνακες σε DynamoDB, όπως και τα περισσότερα
NoSQL βάσεις δεδομένων, πίνακες έχουν στοιχεία.

974
00:41:24,460 --> 00:41:26,469
Σε MongoDB θα κάνατε
ονομάζουν αυτά τα έγγραφα.

975
00:41:26,469 --> 00:41:27,760
Και θα ήταν η βάση καναπέ.

976
00:41:27,760 --> 00:41:28,900
Επίσης μια βάση δεδομένων έγγραφο.

977
00:41:28,900 --> 00:41:29,941
Μπορείτε να καλέσετε αυτά τα έγγραφα.

978
00:41:29,941 --> 00:41:32,930
Έγγραφα ή στοιχεία που έχουν χαρακτηριστικά.

979
00:41:32,930 --> 00:41:35,850
Μπορεί να υπάρξει χαρακτηριστικά ή
Δεν υπάρχουν επί του θέματος.

980
00:41:35,850 --> 00:41:38,520
Σε DynamoDB, υπάρχει
ένα υποχρεωτικό χαρακτηριστικό γνώρισμα.

981
00:41:38,520 --> 00:41:43,880
Ακριβώς όπως σε μια σχεσιακή βάση δεδομένων,
έχετε ένα πρωτεύον κλειδί πάνω στο τραπέζι.

982
00:41:43,880 --> 00:41:46,010
>> DynamoDB έχει αυτό που λέμε ένα κλειδί κατακερματισμού.

983
00:41:46,010 --> 00:41:48,280
Hash κλειδί πρέπει να είναι μοναδικό.

984
00:41:48,280 --> 00:41:52,580
Έτσι, όταν ορίζω έναν πίνακα κατακερματισμού,
Βασικά αυτό που λέω

985
00:41:52,580 --> 00:41:54,110
είναι κάθε στοιχείο θα έχει ένα κλειδί κατακερματισμού.

986
00:41:54,110 --> 00:41:58,520
Και κάθε δίεση πρέπει να είναι μοναδικό.

987
00:41:58,520 --> 00:42:01,200
>> Κάθε στοιχείο ορίζεται
από το εν λόγω μοναδικό κλειδί κατακερματισμού.

988
00:42:01,200 --> 00:42:02,940
Και μπορεί να υπάρχει μόνο μία.

989
00:42:02,940 --> 00:42:05,820
Αυτό είναι εντάξει, αλλά πολλές φορές
ό, τι οι άνθρωποι χρειάζονται

990
00:42:05,820 --> 00:42:08,170
είναι που θέλουν είναι αυτό κατακερματισμού
κλειδί για να κάνουμε λίγο περισσότερο

991
00:42:08,170 --> 00:42:11,010
από ό, τι ακριβώς είναι ένα μοναδικό αναγνωριστικό.

992
00:42:11,010 --> 00:42:15,240
Συχνά θέλουμε να χρησιμοποιήσουμε το κλειδί κατακερματισμού
ως η κορυφαία κουβά επίπεδο συγκέντρωσης.

993
00:42:15,240 --> 00:42:19,160
Και ο τρόπος που το κάνουμε αυτό είναι με την
προσθέτοντας αυτό που λέμε ένα ευρύ φάσμα που καλύπτει.

994
00:42:19,160 --> 00:42:22,460
>> Έτσι, αν αυτό είναι μόνο ένα hash
τραπέζι, αυτό πρέπει να είναι μοναδικό.

995
00:42:22,460 --> 00:42:27,040
Αν πρόκειται για ένα hash πίνακα και το εύρος, η
συνδυασμός του κατακερματισμού και της περιοχής

996
00:42:27,040 --> 00:42:28,640
πρέπει να είναι μοναδικό.

997
00:42:28,640 --> 00:42:30,110
Έτσι σκεφτείτε το αυτό τον τρόπο.

998
00:42:30,110 --> 00:42:32,140
Αν έχω ένα φόρουμ.

999
00:42:32,140 --> 00:42:39,010
Και η μορφή έχει τα θέματα, έχει
θέσεις, και έχει τις απαντήσεις.

1000
00:42:39,010 --> 00:42:42,630
>> Γι 'αυτό και θα μπορούσε να έχει ένα hash
κλειδί, το οποίο είναι το αναγνωριστικό θέμα.

1001
00:42:42,630 --> 00:42:46,650
Και θα μπορούσα να έχω ένα ευρύ φάσμα που καλύπτει,
το οποίο είναι το αναγνωριστικό απόκριση.

1002
00:42:46,650 --> 00:42:49,650
Με αυτόν τον τρόπο, αν θέλω να πάρω όλα τα
απαντήσεις για το συγκεκριμένο θέμα,

1003
00:42:49,650 --> 00:42:52,370
Μπορώ να διερευνούν μόνο το χασίς.

1004
00:42:52,370 --> 00:42:55,190
Θέλω μόνο να πω να μου δώσει όλα
τα στοιχεία που έχουν αυτό το κλειδί.

1005
00:42:55,190 --> 00:43:01,910
Και Πάω να πάρει κάθε ερώτηση
ή να δημοσιεύσετε για το συγκεκριμένο θέμα.

1006
00:43:01,910 --> 00:43:03,910
Αυτές οι κορυφαίες συναθροίσεις επίπεδο
είναι πολύ σημαντικά.

1007
00:43:03,910 --> 00:43:07,370
Υποστηρίζουν την κύρια πρόσβαση
μοτίβο της αίτησης.

1008
00:43:07,370 --> 00:43:09,420
Σε γενικές γραμμές, αυτή η
είναι ό, τι θέλουμε να κάνουμε.

1009
00:43:09,420 --> 00:43:11,780
Θέλουμε αυτό το table--
όπως μπορείτε να φορτώσετε το τραπέζι,

1010
00:43:11,780 --> 00:43:16,640
θέλουμε να δομήσει τα δεδομένα
εντός του πίνακα σε τρόπον

1011
00:43:16,640 --> 00:43:20,140
ότι η εφαρμογή μπορεί να είναι πολύ
ανακτήσετε γρήγορα τα αποτελέσματα.

1012
00:43:20,140 --> 00:43:24,510
Και μάλιστα πολλές φορές ο τρόπος για να γίνει αυτό είναι
να διατηρήσει αυτές τις ομαδοποιήσεις όπως

1013
00:43:24,510 --> 00:43:25,650
εισάγετε τα δεδομένα.

1014
00:43:25,650 --> 00:43:31,110
Βασικά, είμαστε διάδοση των δεδομένων
σε φωτεινό κουβά καθώς έρχεται σε.

1015
00:43:31,110 --> 00:43:35,210
>> Πλήκτρα Σειρά επιτρέπουν me-- κατακερματισμού
κλειδιά πρέπει να είναι η ισότητα.

1016
00:43:35,210 --> 00:43:39,490
Όταν ένα ερώτημα hash, έχω να πω
να μου δώσει ένα hash που ισούται με αυτό.

1017
00:43:39,490 --> 00:43:41,950
Όταν ερώτημα σε μια σειρά, θα
να πω να μου δώσει μια σειρά

1018
00:43:41,950 --> 00:43:47,040
ότι η χρήση κάθε είδους
πλούσια φορέα που υποστηρίζουμε.

1019
00:43:47,040 --> 00:43:49,200
Δώσε μου όλα τα στοιχεία για ένα hash.

1020
00:43:49,200 --> 00:43:52,520
Είναι ίση, μεγαλύτερη από,
λιγότερο από, μήπως αρχάς,

1021
00:43:52,520 --> 00:43:54,145
μήπως υπάρχουν μεταξύ των δύο αυτών τιμών;

1022
00:43:54,145 --> 00:43:56,811
Έτσι, αυτά τα είδη των ερωτημάτων εύρους
ότι μας ενδιαφέρει πάντα.

1023
00:43:56,811 --> 00:43:59,650
Τώρα ένα πράγμα για τα δεδομένα, όταν
Αν κοιτάξει κανείς την πρόσβαση στα δεδομένα, όταν

1024
00:43:59,650 --> 00:44:02,360
θα έχουν πρόσβαση στα δεδομένα, είναι
πάντα για μια συνάθροιση.

1025
00:44:02,360 --> 00:44:05,770
Είναι πάντα σχετικά με τις εγγραφές
που σχετίζονται με αυτό.

1026
00:44:05,770 --> 00:44:10,390
Δώσε μου τα πάντα εδώ that's-- όλα
οι συναλλαγές σε αυτήν την πιστωτική κάρτα

1027
00:44:10,390 --> 00:44:12,500
για τον τελευταίο μήνα.

1028
00:44:12,500 --> 00:44:13,960
Αυτό είναι μια ομαδοποίηση.

1029
00:44:13,960 --> 00:44:17,490
>> Σχεδόν ό, τι κάνετε στο
η βάση δεδομένων είναι ένα είδος συνάθροισης.

1030
00:44:17,490 --> 00:44:21,530
Έτσι είναι σε θέση να είναι σε θέση να καθορίσει
αυτών των κάδων και να σας δώσει αυτά εύρος

1031
00:44:21,530 --> 00:44:24,950
χαρακτηριστικά ώστε να είναι σε θέση να αναζητούν σε,
εκείνα που είναι πλούσια ερωτήματα υποστηρίζουν πολλοί,

1032
00:44:24,950 --> 00:44:27,165
πολλά, πολλά σχέδια πρόσβασης εφαρμογή.

1033
00:44:27,165 --> 00:44:30,990

1034
00:44:30,990 --> 00:44:35,000
>> Έτσι, το άλλο πράγμα το κλειδί κατακερματισμού
κάνει είναι να μας δίνει ένα μηχανισμό

1035
00:44:35,000 --> 00:44:37,740
να είναι σε θέση να διαδώσουν τα δεδομένα γύρω.

1036
00:44:37,740 --> 00:44:40,390
NoSQL βάσεις δεδομένων λειτουργούν καλύτερα
όταν τα δεδομένα είναι ομοιόμορφα

1037
00:44:40,390 --> 00:44:41,740
κατανεμημένα σε όλη την σύμπλεγμα.

1038
00:44:41,740 --> 00:44:44,530

1039
00:44:44,530 --> 00:44:47,050
Πόσοι άνθρωποι είναι εξοικειωμένοι
με αλγόριθμοι κατακερματισμού;

1040
00:44:47,050 --> 00:44:49,860
Όταν λέω κατακερματισμού και hashing--
επειδή ένα αλγόριθμο κατακερματισμού

1041
00:44:49,860 --> 00:44:54,140
είναι ένας τρόπος να είναι σε θέση να παράγει
μια τυχαία τιμή από οποιαδήποτε δεδομένη τιμή.

1042
00:44:54,140 --> 00:44:59,300
Έτσι, στη συγκεκριμένη περίπτωση, η
hash αλγόριθμο που διατρέχουμε είναι η ΝΔ 5 με βάση.

1043
00:44:59,300 --> 00:45:04,765
>> Και αν έχω μια ταυτότητα, και αυτό
είναι το κλειδί κατακερματισμού μου, έχω 1, 2, 3.

1044
00:45:04,765 --> 00:45:07,390
Όταν τρέχω τον αλγόριθμο κατακερματισμού,
πρόκειται να έρθει πίσω και να πει,

1045
00:45:07,390 --> 00:45:10,800
και ισούται με 1 7Β, 2
ισούται με 48, 3 ισούται με το CD.

1046
00:45:10,800 --> 00:45:13,092
Είναι εξαπλωθεί σε όλο το πλήκτρο space.

1047
00:45:13,092 --> 00:45:14,050
Και γιατί το κάνεις αυτό;

1048
00:45:14,050 --> 00:45:17,120
Διότι αυτό κάνει βέβαιος ότι μπορώ
να θέσει τα αρχεία σε πολλαπλές κόμβους.

1049
00:45:17,120 --> 00:45:19,574
>> Αν το κάνω αυτό
σταδιακά, 1, 2, 3.

1050
00:45:19,574 --> 00:45:21,990
Και έχω μια σειρά κατακερματισμού που
τρέχει σε αυτή τη συγκεκριμένη περίπτωση,

1051
00:45:21,990 --> 00:45:24,785
ένα μικρό χώρο κατακερματισμού,
τρέχει από 00 έως FF,

1052
00:45:24,785 --> 00:45:27,951
Στη συνέχεια τα αρχεία που πρόκειται να έρθουν σε
και πρόκειται να πάει 1, 2, 3, 4, 5,

1053
00:45:27,951 --> 00:45:30,390
6, 7, 8, 9, 10, 11, 12.

1054
00:45:30,390 --> 00:45:31,800
Τι συμβαίνει?

1055
00:45:31,800 --> 00:45:34,860
Κάθε ένθετο πρόκειται να στον ίδιο κόμβο.

1056
00:45:34,860 --> 00:45:36,070
Βλέπετε τι εννοώ;

1057
00:45:36,070 --> 00:45:40,910
>> Διότι όταν χωρίσει το χώρο,
και απλώνω τα αρχεία αυτά σε όλη,

1058
00:45:40,910 --> 00:45:45,950
και εγώ διαμέρισμα, Πάω να πω
διαμέρισμα 1 διαθέτει πλήκτρο διαστήματος 0-54.

1059
00:45:45,950 --> 00:45:47,720
Διαμέρισμα 2 είναι 55-89.

1060
00:45:47,720 --> 00:45:49,780
Διαμέρισμα 3 είναι ΑΑ έως FF.

1061
00:45:49,780 --> 00:45:53,740
Έτσι, αν είμαι με τη χρήση γραμμικά προσαύξηση
Ταυτότητες, μπορείτε να δείτε τι συμβαίνει.

1062
00:45:53,740 --> 00:45:57,410
1, 2, 3, 4, 5, 6, όλοι τρόπος μέχρι 54.

1063
00:45:57,410 --> 00:46:00,030
Έτσι όπως είμαι σφυρηλάτηση
εγγραφές στο σύστημα,

1064
00:46:00,030 --> 00:46:02,030
πάντα καταλήγει να εισέλθει ένα κόμβο.

1065
00:46:02,030 --> 00:46:03,160
>> Αυτό δεν είναι καλό.

1066
00:46:03,160 --> 00:46:04,820
Αυτό είναι ένα antipattern.

1067
00:46:04,820 --> 00:46:08,760
Σε MongoDB έχουν αυτό το πρόβλημα
αν δεν θέλετε να χρησιμοποιήσετε ένα κλειδί κατακερματισμού.

1068
00:46:08,760 --> 00:46:11,325
MongoDB σας δίνει τη δυνατότητα να
της hashing την τιμή του κλειδιού.

1069
00:46:11,325 --> 00:46:13,950
Θα πρέπει πάντα να το κάνουμε αυτό, αν
χρησιμοποιείτε μια προσαύξηση χασίς

1070
00:46:13,950 --> 00:46:17,380
κλειδί στο MongoDB, ή θα είναι
κάρφωμα κάθε εγγραφής σε έναν κόμβο,

1071
00:46:17,380 --> 00:46:21,290
και θα σας περιορίζοντας
διακίνηση εγγραφής σας άσχημα.

1072
00:46:21,290 --> 00:46:24,896
>> Κοινό: Είναι ότι Α9 169 σε δεκαδική;

1073
00:46:24,896 --> 00:46:28,450
>> RICK Houlihan: Ναι, είναι
κάπου εκεί γύρω.

1074
00:46:28,450 --> 00:46:29,950
Α9, δεν ξέρω.

1075
00:46:29,950 --> 00:46:32,200
Θα έπρεπε να πάρει δυαδικό μου
σε δεκαδικό αριθμομηχανή.

1076
00:46:32,200 --> 00:46:34,237
Το μυαλό μου δεν λειτουργεί έτσι.

1077
00:46:34,237 --> 00:46:36,320
Κοινό: Ακριβώς ένα γρήγορο
της σχόλιά σας Mongo.

1078
00:46:36,320 --> 00:46:39,530
Έτσι είναι το αναγνωριστικό αντικειμένου που έρχεται
εγγενώς με Mongo το κάνουμε αυτό;

1079
00:46:39,530 --> 00:46:40,179

1080
00:46:40,179 --> 00:46:41,470
RICK Houlihan: Μήπως να το κάνει αυτό;

1081
00:46:41,470 --> 00:46:42,970
Αν το καθορίσετε.

1082
00:46:42,970 --> 00:46:45,030
Με MongoDB, έχετε την επιλογή.

1083
00:46:45,030 --> 00:46:48,930
Μπορείτε να specify-- κάθε έγγραφο
MongoDB πρέπει να έχει ένα αναγνωριστικό χαρακτήρα υπογράμμισης.

1084
00:46:48,930 --> 00:46:50,300
Αυτή είναι η μοναδική αξία.

1085
00:46:50,300 --> 00:46:55,240
>> Σε MongoDB μπορείτε να καθορίσετε
αν θα το hash ή όχι.

1086
00:46:55,240 --> 00:46:56,490
Απλώς να σας δώσει την επιλογή.

1087
00:46:56,490 --> 00:46:58,198
Εάν γνωρίζετε ότι είναι
τυχαία, δεν υπάρχει πρόβλημα.

1088
00:46:58,198 --> 00:46:59,640
Δεν χρειάζεται να το κάνουμε αυτό.

1089
00:46:59,640 --> 00:47:04,260
Αν ξέρετε ότι δεν είναι τυχαίο, ότι
αυτό είναι που αυξάνει, τότε κάντε το χασίς.

1090
00:47:04,260 --> 00:47:06,880
>> Τώρα το πράγμα για
κατακερματισμού, τη στιγμή που θα hash

1091
00:47:06,880 --> 00:47:08,800
ένα value-- και αυτό είναι
γιατί τα κλειδιά κατακερματισμού είναι πάντα

1092
00:47:08,800 --> 00:47:13,740
μοναδικά ερωτήματα, γιατί έχω αλλάξει
η τιμή, τώρα δεν μπορώ να κάνω ένα ερώτημα εύρους.

1093
00:47:13,740 --> 00:47:15,640
Δεν μπορώ να πω είναι αυτό
μεταξύ αυτού και ότι,

1094
00:47:15,640 --> 00:47:20,800
επειδή η τιμή κατακερματισμού δεν πρόκειται
να είναι ισοδύναμη με την πραγματική τιμή.

1095
00:47:20,800 --> 00:47:24,570
Έτσι, όταν κατακερματισμού που
κλειδί, αυτό είναι μόνο η ισότητα.

1096
00:47:24,570 --> 00:47:28,700
Αυτός είναι ο λόγος που σε DynamoDB δίεση
ερωτήματα είναι πάντα μόνο την ισότητα.

1097
00:47:28,700 --> 00:47:32,090

1098
00:47:32,090 --> 00:47:34,700
>> Έτσι, τώρα σε μια σειρά key--
όταν μπορώ να προσθέσω ότι το ευρύ φάσμα που καλύπτει,

1099
00:47:34,700 --> 00:47:38,180
Τα αρχεία αυτά βασικό φάσμα έρχονται σε όλα και
που έχετε αποθηκευμένα στο ίδιο διαμέρισμα.

1100
00:47:38,180 --> 00:47:42,430
Έτσι, είναι πολύ γρήγορα, εύκολα
ανακτηθεί διότι αυτό είναι το κλειδί κατακερματισμού,

1101
00:47:42,430 --> 00:47:43,220
αυτό είναι το εύρος.

1102
00:47:43,220 --> 00:47:44,928
Και μπορείτε να δείτε τα πάντα
με την ίδια hash

1103
00:47:44,928 --> 00:47:48,550
παίρνει αποθηκεύονται στον ίδιο χώρο διαμέρισμα.

1104
00:47:48,550 --> 00:47:53,889
Μπορείτε να χρησιμοποιήσετε αυτό το κλειδί σειρά για να βοηθήσει
εντοπίσετε τα δεδομένα σας κοντά στη μητρική της.

1105
00:47:53,889 --> 00:47:55,180
Έτσι, αυτό που είμαι πραγματικά κάνεις εδώ;

1106
00:47:55,180 --> 00:47:57,320
Αυτό είναι ένα σε πολλές σχέσεις.

1107
00:47:57,320 --> 00:48:01,490
Η σχέση μεταξύ δίεση
και το ευρύ φάσμα που είναι ένα προς πολλά.

1108
00:48:01,490 --> 00:48:03,490
Μπορώ να έχω πολλά κλειδιά κατακερματισμού.

1109
00:48:03,490 --> 00:48:07,610
Μπορώ να έχω μόνο πολλαπλού εύρους
πλήκτρα μέσα σε κάθε πλήκτρο της δίεσης.

1110
00:48:07,610 --> 00:48:11,910
>> Το hash ορίζει τη μητρική,
Το εύρος καθορίζει τα παιδιά.

1111
00:48:11,910 --> 00:48:15,240
Έτσι μπορείτε να δείτε δεν υπάρχει αναλογική εδώ
μεταξύ των σχεσιακών κατασκεύασμα

1112
00:48:15,240 --> 00:48:18,840
και οι ίδιοι τύποι
κατασκευάζει στην NoSQL.

1113
00:48:18,840 --> 00:48:20,760
Οι άνθρωποι μιλούν για
NoSQL ως μη σχεσιακή.

1114
00:48:20,760 --> 00:48:22,200
Δεν είναι μη σχεσιακή.

1115
00:48:22,200 --> 00:48:24,680
Δεδομένων έχει πάντα σχέσεις.

1116
00:48:24,680 --> 00:48:28,172
Αυτές οι σχέσεις μόνο
διαμορφώνονται με διαφορετικό τρόπο.

1117
00:48:28,172 --> 00:48:29,880
Ας μιλήσουμε λίγο
κομμάτι για αντοχή.

1118
00:48:29,880 --> 00:48:34,860
Όταν γράφετε για να DynamoDB, γράφει
είναι πάντα τριμερή αναπαραχθούν.

1119
00:48:34,860 --> 00:48:37,550
Πράγμα που σημαίνει ότι έχουμε τρεις ΑΖ.

1120
00:48:37,550 --> 00:48:39,160
AZ είναι Διαθεσιμότητας Ζώνες.

1121
00:48:39,160 --> 00:48:43,430
Μπορείτε να σκεφτείτε μια Διαθεσιμότητα
Ζώνη ως ένα κέντρο δεδομένων

1122
00:48:43,430 --> 00:48:45,447
ή μια συλλογή των κέντρων δεδομένων.

1123
00:48:45,447 --> 00:48:47,780
Αυτά τα πράγματα είναι γεωγραφικά
απομονώθηκε από το άλλο

1124
00:48:47,780 --> 00:48:51,610
σε διάφορες ζώνες ρηγμάτων, σε όλη την
διαφορετικά δίκτυα ηλεκτρικής ενέργειας και των πλημμυρικών περιοχών.

1125
00:48:51,610 --> 00:48:54,510
Μια αποτυχία σε ένα AZ δεν είναι
πρόκειται να πάρει κάτω από μια άλλη.

1126
00:48:54,510 --> 00:48:56,890
Είναι, επίσης, συνδέεται
μαζί με τη σκοτεινή ίνα.

1127
00:48:56,890 --> 00:49:01,240
Υποστηρίζει ένα υπο 1
χιλιοστών του δευτερολέπτου καθυστέρησης μεταξύ Azs.

1128
00:49:01,240 --> 00:49:05,390
Έτσι επαναλήψεις δεδομένων σε πραγματικό χρόνο
ικανή πολλαπλών Azs.

1129
00:49:05,390 --> 00:49:09,990
>> Και μάλιστα πολλές φορές πολλαπλών αναπτύξεις Α-Ω
να ανταποκριθεί στις υψηλές απαιτήσεις διαθεσιμότητας

1130
00:49:09,990 --> 00:49:12,930
των περισσότερων οργανώσεων επιχειρήσεων.

1131
00:49:12,930 --> 00:49:16,139
Έτσι DynamoDB μεταδίδεται
σε τρεις Azs από προεπιλογή.

1132
00:49:16,139 --> 00:49:19,430
Είμαστε μόνο πρόκειται να γνώσης η διαγραφή
όταν δύο από τις τρεις κόμβους επανέλθουμε

1133
00:49:19,430 --> 00:49:21,470
και να πω, ναι, εγώ το πήρα.

1134
00:49:21,470 --> 00:49:22,050
Γιατί αυτό?

1135
00:49:22,050 --> 00:49:25,950
Επειδή από την πλευρά της ανάγνωσης είμαστε μόνο
πρόκειται να σας δώσει τα στοιχεία πίσω όταν

1136
00:49:25,950 --> 00:49:27,570
θα το πάρει από δύο κόμβους.

1137
00:49:27,570 --> 00:49:30,490
>> Αν είμαι σε ολόκληρη την αντιγραφή
τρία, και διαβάζω από δύο,

1138
00:49:30,490 --> 00:49:32,840
Είμαι πάντα εγγυημένες
να έχουν τουλάχιστον ένα

1139
00:49:32,840 --> 00:49:35,720
εκείνων διαβάζει να είναι η
πιο πρόσφατο αντίγραφο των δεδομένων.

1140
00:49:35,720 --> 00:49:38,340
Αυτό είναι που κάνει DynamoDB συνεπής.

1141
00:49:38,340 --> 00:49:42,450
Τώρα μπορείτε να επιλέξετε να ενεργοποιήσετε
που συμβιβάζονται διαβάζει off.

1142
00:49:42,450 --> 00:49:45,070
Σε αυτή την περίπτωση Πάω να πω,
Θα διαβάσω μόνο από έναν κόμβο.

1143
00:49:45,070 --> 00:49:47,430
Και δεν μπορώ να εγγυηθώ ότι πρόκειται
να είναι τα πιο πρόσφατα δεδομένα.

1144
00:49:47,430 --> 00:49:49,450
>> Έτσι, αν μια εγγραφή έρχεται,
δεν έχει αναπαραχθεί ακόμη,

1145
00:49:49,450 --> 00:49:50,360
θα πάμε για να πάρει το αντίγραφο αυτό.

1146
00:49:50,360 --> 00:49:52,220
Αυτό είναι ένα τελικά συνεπής ανάγνωση.

1147
00:49:52,220 --> 00:49:54,640
Και τι είναι αυτό είναι το ήμισυ του κόστους.

1148
00:49:54,640 --> 00:49:56,140
Έτσι, αυτό είναι κάτι για να σκεφτεί.

1149
00:49:56,140 --> 00:50:00,160
Όταν διαβάζετε έξω DynamoDB, και
είστε δημιουργία ικανότητας ανάγνωσης σας

1150
00:50:00,160 --> 00:50:04,430
μονάδες, αν επιλέξετε τελικά
συνεπής διαβάζει, είναι πολύ πιο φθηνό,

1151
00:50:04,430 --> 00:50:06,010
είναι περίπου το ήμισυ του κόστους.

1152
00:50:06,010 --> 00:50:09,342
>> Και γι 'αυτό σας εξοικονομεί χρήματα.

1153
00:50:09,342 --> 00:50:10,300
Αλλά αυτή είναι η επιλογή σας.

1154
00:50:10,300 --> 00:50:12,925
Αν θέλετε μια συνεπή ανάγνωσης ή
μια συνεπή τελικά ανάγνωσης.

1155
00:50:12,925 --> 00:50:15,720
Αυτό είναι κάτι που μπορείτε να επιλέξετε.

1156
00:50:15,720 --> 00:50:17,659
>> Ας μιλήσουμε για ευρετήρια.

1157
00:50:17,659 --> 00:50:19,450
Γι 'αυτό και ανέφερε ότι
κορυφή συνάθροιση επίπεδο.

1158
00:50:19,450 --> 00:50:23,720
Έχουμε κατακερματισμού κλειδιά, και
έχουμε κλειδιά φάσμα.

1159
00:50:23,720 --> 00:50:24,320
Αυτό είναι ωραίο.

1160
00:50:24,320 --> 00:50:26,950
Και αυτό είναι στην πρωτογενή τραπέζι,
πήρε ένα κλειδί κατακερματισμού, πήρα ένα ευρύ φάσμα που καλύπτει.

1161
00:50:26,950 --> 00:50:27,783
>> Τι σημαίνει αυτό?

1162
00:50:27,783 --> 00:50:30,410
Έχω ένα χαρακτηριστικό που έχω
μπορεί να τρέξει πλούσια ερωτήματα κατά.

1163
00:50:30,410 --> 00:50:31,800
Είναι το βασικό φάσμα.

1164
00:50:31,800 --> 00:50:35,530
Τα άλλα χαρακτηριστικά σε αυτό το item--
Μπορώ να φιλτράρετε τις ιδιότητες αυτές.

1165
00:50:35,530 --> 00:50:40,050
Αλλά δεν μπορώ να κάνω τα πράγματα όπως, το
αρχίζει με, ή είναι μεγαλύτερο από.

1166
00:50:40,050 --> 00:50:40,820
>> Πως το κάνω αυτό?

1167
00:50:40,820 --> 00:50:42,860
Έχω δημιουργήσει ένα ευρετήριο.

1168
00:50:42,860 --> 00:50:45,340
Υπάρχουν δύο τύποι
ευρετήρια σε DynamoDB.

1169
00:50:45,340 --> 00:50:49,002
Ένας δείκτης είναι πραγματικά
άλλη όψη του τραπεζιού.

1170
00:50:49,002 --> 00:50:50,490
Και η τοπική δευτερεύον ευρετήριο.

1171
00:50:50,490 --> 00:50:51,781
>> Η πρώτη θα μιλήσουμε για.

1172
00:50:51,781 --> 00:50:57,740
Έτσι οι τοπικές δευτερεύοντα συνυπήρχαν
στο ίδιο διαμέρισμα με τα δεδομένα.

1173
00:50:57,740 --> 00:51:00,240
Και ως τέτοια, είναι επί
το ίδιο φυσικό κόμβο.

1174
00:51:00,240 --> 00:51:01,780
Είναι αυτό που λέμε συνεπής.

1175
00:51:01,780 --> 00:51:04,599
Έννοια, θα αναγνωρίζουν
η διαγραφή μαζί με τον πίνακα.

1176
00:51:04,599 --> 00:51:06,890
Όταν το γράφουν έρχεται,
θα γράψουμε μέσω του δείκτη.

1177
00:51:06,890 --> 00:51:09,306
Θα γράψω μέχρι το τραπέζι,
και στη συνέχεια θα αναγνωρίσουμε.

1178
00:51:09,306 --> 00:51:10,490
Έτσι ώστε να είναι συνεπής.

1179
00:51:10,490 --> 00:51:13,174
Μόλις η διαγραφή έχει
αναγνωρίζεται από το τραπέζι,

1180
00:51:13,174 --> 00:51:15,090
είναι εγγυημένο ότι ο
τοπικό δευτερεύον ευρετήριο

1181
00:51:15,090 --> 00:51:18,380
θα έχουν το ίδιο όραμα των δεδομένων.

1182
00:51:18,380 --> 00:51:22,390
Αλλά αυτό που θα σας επιτρέψει να κάνετε είναι να
Ο καθορισμός των πλήκτρων εναλλακτική σειρά.

1183
00:51:22,390 --> 00:51:25,260
>> Πρέπει να χρησιμοποιούν το ίδιο hash
πλήκτρο με το πρωτεύοντα πίνακα,

1184
00:51:25,260 --> 00:51:29,050
επειδή συστεγάζονται σχετικά με την
ίδιο διαμέρισμα, και είναι συνεπείς.

1185
00:51:29,050 --> 00:51:33,110
Αλλά μπορώ να δημιουργήσετε ένα ευρετήριο
με διαφορετικά κλειδιά φάσμα.

1186
00:51:33,110 --> 00:51:41,590
Έτσι, για παράδειγμα, αν είχα ένα κατασκευαστή
ότι είχε μια πρώτη πίνακα εξαρτήματα που έρχονται σε.

1187
00:51:41,590 --> 00:51:44,590
Και πρώτων μέρη έρχονται σε, και
από όπου και αν συγκεντρώνονται από τη συνέλευση.

1188
00:51:44,590 --> 00:51:46,840
Και ίσως υπάρχει μια ανάκληση.

1189
00:51:46,840 --> 00:51:50,240
>> Κάθε μέρος που έγινε από αυτό
κατασκευαστή, μετά την ημερομηνία αυτή,

1190
00:51:50,240 --> 00:51:52,840
Θα πρέπει να τραβήξει από τη γραμμή μου.

1191
00:51:52,840 --> 00:51:55,950
Μπορώ να γυρίσετε ένα ευρετήριο
ότι θα πρέπει να ψάχνει,

1192
00:51:55,950 --> 00:52:00,760
συγκέντρωσης από την ημερομηνία της
την κατασκευή του συγκεκριμένου τμήματος.

1193
00:52:00,760 --> 00:52:03,930
Έτσι, αν επιτραπέζια επίπεδο μου ήταν
ήδη κατακερματισμένο από τον κατασκευαστή,

1194
00:52:03,930 --> 00:52:07,655
Ίσως ήταν τοποθετημένα σε μέρος ID, Ι
μπορεί να δημιουργήσει ένα ευρετήριο από εκείνο τον πίνακα

1195
00:52:07,655 --> 00:52:11,140
όπως κατακερματίζεται από τον κατασκευαστή και
κυμαινόταν κατά την ημερομηνία της κατασκευής.

1196
00:52:11,140 --> 00:52:14,490
Και με αυτόν τον τρόπο θα μπορούσα να πω, κάτι που
κατασκευάστηκε μεταξύ αυτών των ημερομηνιών,

1197
00:52:14,490 --> 00:52:16,804
Θα πρέπει να τραβήξει από τη γραμμή.

1198
00:52:16,804 --> 00:52:18,220
Οπότε αυτό είναι ένα τοπικό δευτερεύον ευρετήριο.

1199
00:52:18,220 --> 00:52:22,280
>> Αυτές έχουν ως αποτέλεσμα την
περιορίζοντας κλειδί κατακερματισμού του χώρου σας.

1200
00:52:22,280 --> 00:52:24,360
Επειδή συνυπήρχαν
στον ίδιο κόμβο αποθήκευσης,

1201
00:52:24,360 --> 00:52:26,860
περιορίζουν το κλειδί κατακερματισμού
χώρο για 10 gigabytes.

1202
00:52:26,860 --> 00:52:28,950
DynamoDB, σύμφωνα με το
πίνακες, θα στεγανοποιήσει

1203
00:52:28,950 --> 00:52:31,380
τραπέζι σας κάθε 10 gigabytes.

1204
00:52:31,380 --> 00:52:34,760
Όταν βάζετε 10 συναυλίες των δεδομένων, θα
πηγαίνετε [PHH], και προσθέτουμε άλλο κόμβο.

1205
00:52:34,760 --> 00:52:38,120

1206
00:52:38,120 --> 00:52:42,070
>> Εμείς δεν θα χωρίσει το LSI
σε πολλαπλές κατατμήσεις.

1207
00:52:42,070 --> 00:52:43,200
Θα χωρίσει τον πίνακα.

1208
00:52:43,200 --> 00:52:44,679
Αλλά εμείς δεν θα χωρίσει το LSI.

1209
00:52:44,679 --> 00:52:46,470
Έτσι, αυτό είναι κάτι
σημαντικό να κατανοήσουμε

1210
00:52:46,470 --> 00:52:50,070
είναι αν κάνεις πολύ,
πολύ, πολύ μεγάλες συναθροίσεις,

1211
00:52:50,070 --> 00:52:53,860
Στη συνέχεια θα πάμε να περιορίζεται
10 gigabytes σε Ίσις σας.

1212
00:52:53,860 --> 00:52:56,640
>> Αν αυτή είναι η περίπτωση, μπορούμε
να χρησιμοποιήσει την παγκόσμια δευτερεύοντα.

1213
00:52:56,640 --> 00:52:58,630
Παγκόσμια δευτερεύοντα είναι
πραγματικά ένα άλλο τραπέζι.

1214
00:52:58,630 --> 00:53:01,720
Μπορούν να υπάρχουν εντελώς μακριά για να
η πλευρά των πρωτογενών τραπέζι σας.

1215
00:53:01,720 --> 00:53:04,680
Και επιτρέψτε μου να βρει μια
εντελώς διαφορετική δομή.

1216
00:53:04,680 --> 00:53:08,010
Έτσι σκεφτείτε το σαν δεδομένα που εισάγονται
σε δύο διαφορετικούς πίνακες, δομημένη

1217
00:53:08,010 --> 00:53:09,220
με δύο διαφορετικούς τρόπους.

1218
00:53:09,220 --> 00:53:11,360
>> Μπορώ να καθορίσει μια εντελώς
διαφορετικό κλειδί κατακερματισμού.

1219
00:53:11,360 --> 00:53:13,490
Μπορώ να καθορίσει μια εντελώς
διαφορετικό κλειδί εύρος.

1220
00:53:13,490 --> 00:53:15,941
Και μπορώ να τρέξω αυτό
εντελώς ανεξάρτητα.

1221
00:53:15,941 --> 00:53:18,190
Ως Μάλιστα, έχω
τροφοδοτείται ικανότητα ανάγνωσης μου

1222
00:53:18,190 --> 00:53:21,090
και να γράφουν για την ικανότητα μου
παγκόσμια δευτερεύοντα ευρετήρια

1223
00:53:21,090 --> 00:53:24,240
εντελώς ανεξάρτητα
της πρωτογενούς τραπέζι μου.

1224
00:53:24,240 --> 00:53:26,640
Αν μπορώ να προσδιορίσω αυτό το ευρετήριο, λέω
το πόσο διαβάζουν και να γράφουν

1225
00:53:26,640 --> 00:53:28,610
χωρητικότητα πρόκειται να χρησιμοποιείτε.

1226
00:53:28,610 --> 00:53:31,490
>> Και αυτό είναι ξεχωριστό
από την πρωτοβάθμια τραπέζι μου.

1227
00:53:31,490 --> 00:53:35,240
Τώρα και οι δύο από τους δείκτες μας επιτρέψει να
όχι μόνο καθορίζουν χασίς και το εύρος κλειδιά,

1228
00:53:35,240 --> 00:53:38,610
αλλά μας επιτρέψει να
προβάλει πρόσθετες τιμές.

1229
00:53:38,610 --> 00:53:44,950
Έτσι, αν θέλετε να διαβάσετε από το δείκτη,
και θέλω να πάρω κάποιο σύνολο δεδομένων,

1230
00:53:44,950 --> 00:53:48,327
Δεν χρειάζεται να πάμε πίσω στην κύρια
τραπέζι για να πάρει τα πρόσθετα χαρακτηριστικά.

1231
00:53:48,327 --> 00:53:50,660
Μπορώ να προβάλλουμε αυτές τις πρόσθετες
αποδίδει στον πίνακα

1232
00:53:50,660 --> 00:53:53,440
για να υποστηρίξει το μοτίβο πρόσβασης.

1233
00:53:53,440 --> 00:53:57,700
Ξέρω ότι είμαστε κατά πάσα πιθανότητα να εμπλακούμε σε κάποια
Πραγματικά, really-- μπουν τα ζιζάνια

1234
00:53:57,700 --> 00:53:58,910
εδώ σε μερικά από αυτά τα πράγματα.

1235
00:53:58,910 --> 00:54:02,725
Τώρα έχω να παρασύρει έξω από αυτό.

1236
00:54:02,725 --> 00:54:07,320
>> Κοινό: [δεν ακούγεται]
--table κλειδί σήμαινε ότι ένα hash;

1237
00:54:07,320 --> 00:54:08,840
Η αρχική κατακερματισμού;

1238
00:54:08,840 --> 00:54:09,340
Multi-ράγες;

1239
00:54:09,340 --> 00:54:10,200
>> RICK Houlihan: Ναι.

1240
00:54:10,200 --> 00:54:11,070
Ναί.

1241
00:54:11,070 --> 00:54:15,260
Το κλειδί τραπέζι βασικά
οδηγεί πίσω στο σημείο.

1242
00:54:15,260 --> 00:54:19,280
Έτσι, ένας δείκτης είναι ένας δείκτης για την επιστροφή
τα αρχικά στοιχεία πάνω στο τραπέζι.

1243
00:54:19,280 --> 00:54:22,910
Τώρα μπορείτε να επιλέξετε να οικοδομήσουμε ένα
δείκτη που έχει μόνο το κλειδί τραπέζι,

1244
00:54:22,910 --> 00:54:24,840
και δεν υπάρχουν άλλες ιδιότητες.

1245
00:54:24,840 --> 00:54:26,570
Και γιατί θα μπορούσε να το κάνω αυτό;

1246
00:54:26,570 --> 00:54:28,570
Καλά, ίσως δεν έχω πολύ μεγάλα αντικείμενα.

1247
00:54:28,570 --> 00:54:31,660
>> Θα ήθελα πραγματικά μόνο που χρειάζεται να ξέρετε which--
μοτίβο πρόσβασης μου θα μπορούσε να πει,

1248
00:54:31,660 --> 00:54:33,760
ποια στοιχεία περιέχει αυτό το ακίνητο;

1249
00:54:33,760 --> 00:54:35,780
Δεν χρειάζεται να επιστρέψετε το στοιχείο.

1250
00:54:35,780 --> 00:54:37,800
Απλά πρέπει να ξέρετε
ποια στοιχεία περιέχουν.

1251
00:54:37,800 --> 00:54:40,700
Έτσι, μπορείτε να δημιουργήσετε ευρετήρια
ότι έχουν μόνο το κλειδί πίνακα.

1252
00:54:40,700 --> 00:54:43,360
>> Αλλά αυτό είναι αυτό που κατά κύριο λόγο
ένας δείκτης στη βάση δεδομένων είναι για.

1253
00:54:43,360 --> 00:54:46,280
Είναι για να είναι σε θέση να γρήγορα
προσδιορίσουμε ποια αρχεία,

1254
00:54:46,280 --> 00:54:49,470
ποιες σειρές, η οποία
στοιχεία του πίνακα έχουν

1255
00:54:49,470 --> 00:54:51,080
οι ιδιότητες που ψάχνω.

1256
00:54:51,080 --> 00:54:53,610

1257
00:54:53,610 --> 00:54:54,860
>> ΓΓΠΣ, έτσι πώς λειτουργούν;

1258
00:54:54,860 --> 00:54:58,340
ΓΓΠΣ ουσιαστικά είναι ασύγχρονη.

1259
00:54:58,340 --> 00:55:02,570
Η ενημερωμένη έκδοση έρχεται στο τραπέζι,
πίνακας στη συνέχεια ενημερώνεται ασύγχρονα

1260
00:55:02,570 --> 00:55:03,720
όλα ΓΓΠΣ σας.

1261
00:55:03,720 --> 00:55:06,680
Αυτός είναι ο λόγος που είναι ΓΓΠΣ
τελικά συνεπής.

1262
00:55:06,680 --> 00:55:09,440
>> Είναι σημαντικό να σημειωθεί ότι
όταν είστε οικοδόμηση ΓΓΠΣ,

1263
00:55:09,440 --> 00:55:13,110
και καταλαβαίνετε εσείς τη δημιουργία
μια άλλη διάσταση της aggregation--

1264
00:55:13,110 --> 00:55:16,594
Τώρα ας πούμε ένα καλό παράδειγμα
εδώ είναι ένας κατασκευαστής.

1265
00:55:16,594 --> 00:55:19,260
Νομίζω ότι θα μπορούσε να μιλήσει για
κατασκευαστές ιατρικών συσκευών.

1266
00:55:19,260 --> 00:55:23,870
Κατασκευαστές ιατρικών συσκευών
πολλάκις έχουν συνέχειες μέρη.

1267
00:55:23,870 --> 00:55:28,070
Τα μέρη που πηγαίνουν σε
μια αντικατάσταση ισχίου όλα

1268
00:55:28,070 --> 00:55:30,200
έχουν ένα μικρό αριθμό σειράς τους.

1269
00:55:30,200 --> 00:55:33,584
Και θα μπορούσαν να έχουν τα εκατομμύρια και
εκατομμύρια και δισεκατομμύρια των μερών

1270
00:55:33,584 --> 00:55:35,000
σε όλες τις συσκευές που στέλνουν.

1271
00:55:35,000 --> 00:55:37,440
Λοιπόν, πρέπει να συσσωματώνονται κάτω
διαφορετικές διαστάσεις, όλα τα μέρη

1272
00:55:37,440 --> 00:55:39,520
σε συγκρότημα, όλα τα
εξαρτήματα που έγιναν

1273
00:55:39,520 --> 00:55:41,670
σε μια ορισμένη γραμμή, όλα
τα μέρη που ήρθαν

1274
00:55:41,670 --> 00:55:44,620
σε από μια ορισμένη κατασκευαστή
σε μια συγκεκριμένη ημερομηνία.

1275
00:55:44,620 --> 00:55:47,940
Και αυτές οι συναθροίσεις φορές
σηκωθείτε σε δισεκατομμύρια.

1276
00:55:47,940 --> 00:55:50,550
>> Γι 'αυτό και συνεργάζεται με ορισμένα από τα
αυτά τα παιδιά που υποφέρουν

1277
00:55:50,550 --> 00:55:53,156
επειδή είναι η δημιουργία
Αυτές οι ομαδοποιήσεις ginormous

1278
00:55:53,156 --> 00:55:54,280
σε δευτερεύοντα ευρετήρια τους.

1279
00:55:54,280 --> 00:55:57,070
Μπορεί να έχουν μια πρωτογενή τμήματα
πίνακα που έρχεται ως μόνο χασίς.

1280
00:55:57,070 --> 00:55:59,090
Κάθε τμήμα έχει ένα μοναδικό σειριακό αριθμό.

1281
00:55:59,090 --> 00:56:00,975
Μπορώ να χρησιμοποιήσω το αύξοντα αριθμό του κατακερματισμού.

1282
00:56:00,975 --> 00:56:01,600
Είναι όμορφο.

1283
00:56:01,600 --> 00:56:04,160
Πρώτων πίνακα δεδομένων μου έχει εξαπλωθεί
σε όλη την πλήκτρο space.

1284
00:56:04,160 --> 00:56:05,930
Μου [? γράφω ?]
[? κατάποση?] είναι φοβερό.

1285
00:56:05,930 --> 00:56:07,876
Παίρνω πολλά δεδομένα.

1286
00:56:07,876 --> 00:56:09,500
Στη συνέχεια, αυτό που κάνουν είναι να δημιουργούν μια GSI.

1287
00:56:09,500 --> 00:56:12,666
Και λέω, ξέρετε τι, θα πρέπει να δείτε
όλα τα μέρη για αυτόν τον κατασκευαστή.

1288
00:56:12,666 --> 00:56:15,060
Λοιπόν, ξαφνικά είμαι
λαμβάνοντας ένα δισεκατομμύριο σειρές,

1289
00:56:15,060 --> 00:56:17,550
και τα πράγματα επάνω
έναν κόμβο, επειδή όταν

1290
00:56:17,550 --> 00:56:21,170
Ι συγκεντρώνουν ως
κατασκευαστής ID ως το χασίς,

1291
00:56:21,170 --> 00:56:25,410
και τον αριθμό μέρος ως περιοχή,
τότε όλοι την ξαφνική είμαι

1292
00:56:25,410 --> 00:56:30,530
βάζοντας ένα δισεκατομμύριο μέρη σε ό, τι
Αυτό κατασκευαστής έχει παραδοθεί μου.

1293
00:56:30,530 --> 00:56:34,447
>> Αυτό μπορεί να προκαλέσει πολλά
της πίεσης στο GSI,

1294
00:56:34,447 --> 00:56:36,030
και πάλι, επειδή είμαι σφυρηλάτηση ενός κόμβου.

1295
00:56:36,030 --> 00:56:38,350
Βάζω όλα αυτά
εισάγει σε έναν κόμβο.

1296
00:56:38,350 --> 00:56:40,940
Και αυτό είναι μια πραγματική περίπτωση προβληματική χρήση.

1297
00:56:40,940 --> 00:56:43,479
Τώρα, πήρα ένα καλό σχέδιο
πρότυπο για το πώς μπορείτε να αποφύγετε αυτό.

1298
00:56:43,479 --> 00:56:45,770
Και αυτό είναι ένα από τα προβλήματα
ότι πάντα συνεργαστεί με.

1299
00:56:45,770 --> 00:56:49,590
Αλλά αυτό που συμβαίνει, είναι η GSI μπορεί να
δεν έχουν αρκετή χωρητικότητα εγγραφής

1300
00:56:49,590 --> 00:56:52,330
να είναι σε θέση να ωθήσει όλους εκείνους
σειρές σε ένα μόνο κόμβο.

1301
00:56:52,330 --> 00:56:55,390
Και τι θα συμβεί στη συνέχεια, είναι η
πρωτεύον, ο πίνακας πελάτη,

1302
00:56:55,390 --> 00:57:00,180
ο κύριος πίνακας θα πρέπει να τεθεί σε αναμονή
επειδή η GSI δεν μπορούν να συμβαδίσουν.

1303
00:57:00,180 --> 00:57:02,980
Έτσι, ποσοστό ένθετο μου θα
εμπίπτουν στην πρωτογενή τραπέζι

1304
00:57:02,980 --> 00:57:06,230
όπως GSI μου προσπαθεί να συμβαδίσει.

1305
00:57:06,230 --> 00:57:08,850
>> Εντάξει, έτσι GSI, το LSI του,
Ποιο από τα δύο πρέπει να χρησιμοποιήσω;

1306
00:57:08,850 --> 00:57:12,290
LSI είναι συνεπείς.

1307
00:57:12,290 --> 00:57:13,750
GSI είναι τελικά συνεπής.

1308
00:57:13,750 --> 00:57:17,490
Αν αυτό είναι εντάξει, σας προτείνουμε να χρησιμοποιήσετε ένα
GSI, είναι πολύ πιο ευέλικτο.

1309
00:57:17,490 --> 00:57:20,270
LSI μπορεί να μοντελοποιηθεί ως ένα GSI.

1310
00:57:20,270 --> 00:57:27,040
Και αν το μέγεθος των δεδομένων ανά κλειδιά κατακερματισμού
συλλογή σας υπερβαίνει τα 10 gigabytes,

1311
00:57:27,040 --> 00:57:31,050
Στη συνέχεια θα πάμε να θέλουν να χρησιμοποιήσουν ότι
GSI επειδή είναι απλά ένα σκληρό όριο.

1312
00:57:31,050 --> 00:57:32,035
>> Εντάξει, έτσι κλιμάκωση.

1313
00:57:32,035 --> 00:57:35,210

1314
00:57:35,210 --> 00:57:37,460
Throughput στην Ντιναμό DB, σας
η διάταξη αυτή μπορεί [δεν ακούγεται]

1315
00:57:37,460 --> 00:57:38,680
διεκπεραίωσης σε ένα τραπέζι.

1316
00:57:38,680 --> 00:57:42,740
Έχουμε πελάτες που έχουν
τροφοδοτηθεί 60 billion--

1317
00:57:42,740 --> 00:57:45,970
κάνουν 60 δισεκατομμύρια αιτήματα, τακτικά
λειτουργεί σε πάνω από ένα εκατομμύριο αιτήσεις

1318
00:57:45,970 --> 00:57:47,790
ανά δευτερόλεπτο στα τραπέζια μας.

1319
00:57:47,790 --> 00:57:50,360
Δεν υπάρχει πραγματικά κανένας
θεωρητικό όριο στο πόσο

1320
00:57:50,360 --> 00:57:53,730
και πόσο γρήγορα ο πίνακας
μπορεί να τρέξει στην Ντιναμό ΣΠ.

1321
00:57:53,730 --> 00:57:55,920
Υπάρχουν μερικά μαλακά
όρια στο λογαριασμό σας

1322
00:57:55,920 --> 00:57:58,170
ότι βάζουμε εκεί έτσι
ώστε να μην τρελαίνομαι.

1323
00:57:58,170 --> 00:58:00,070
Αν θέλετε περισσότερα από
ότι, δεν είναι ένα πρόβλημα.

1324
00:58:00,070 --> 00:58:00,820
Θα έρθει να μας πει.

1325
00:58:00,820 --> 00:58:02,810
Θα εμφανιστεί το καντράν.

1326
00:58:02,810 --> 00:58:08,210
>> Κάθε λογαριασμός περιορίζεται σε κάποιο επίπεδο
σε κάθε υπηρεσία, ακριβώς έξω από το ρόπαλο

1327
00:58:08,210 --> 00:58:11,920
έτσι ώστε οι άνθρωποι δεν τρελαίνομαι
να πάρουν οι ίδιοι σε μπελάδες.

1328
00:58:11,920 --> 00:58:12,840
Δεν υπάρχει όριο στο μέγεθος.

1329
00:58:12,840 --> 00:58:14,940
Μπορείτε να βάλετε οποιοδήποτε αριθμό
των αντικειμένων σε ένα τραπέζι.

1330
00:58:14,940 --> 00:58:17,620
Το μέγεθος ενός στοιχείου είναι
περιορίζονται σε 400 kilobytes καθένα,

1331
00:58:17,620 --> 00:58:20,050
ότι θα είναι το αντικείμενο δεν είναι τα χαρακτηριστικά.

1332
00:58:20,050 --> 00:58:24,200
Έτσι, το σύνολο όλων των γνωρισμάτων
περιορίζεται σε 400 kilobytes.

1333
00:58:24,200 --> 00:58:27,300
Και πάλι, έχουμε
αυτό το μικρό ζήτημα LSI

1334
00:58:27,300 --> 00:58:30,405
με το όριο 10 gigabyte ανά κατακερματισμού.

1335
00:58:30,405 --> 00:58:33,280
Κοινό: Μικρός αριθμός, είμαι λείπει
τι μου λες, ότι is--

1336
00:58:33,280 --> 00:58:36,830
Κοινό: Ω, 400 kilobyte
είναι το μέγιστο μέγεθος ανά τεμάχιο.

1337
00:58:36,830 --> 00:58:39,570
Έτσι, ένα στοιχείο έχει όλα τα χαρακτηριστικά.

1338
00:58:39,570 --> 00:58:43,950
Έτσι, 400 k είναι το συνολικό μέγεθος
αυτού του στοιχείου, 400 kilobytes.

1339
00:58:43,950 --> 00:58:46,170
Έτσι, από όλες τις ιδιότητες
συνδυάζονται, όλα τα δεδομένα

1340
00:58:46,170 --> 00:58:49,140
ότι είναι σε όλες αυτές τις ιδιότητες,
τυλίγονται σε ένα συνολικό μέγεθος,

1341
00:58:49,140 --> 00:58:51,140
σήμερα σήμερα το όριο είναι 400 στοιχείο k.

1342
00:58:51,140 --> 00:58:54,390

1343
00:58:54,390 --> 00:58:57,046
Έτσι κλιμάκωση και πάλι, επιτυγχάνεται
με διαχωριστικά.

1344
00:58:57,046 --> 00:58:58,920
Throughput τροφοδοτείται
στο επίπεδο του πίνακα.

1345
00:58:58,920 --> 00:59:00,160
Και στην πραγματικότητα υπάρχουν δύο κουμπιά.

1346
00:59:00,160 --> 00:59:02,400
Έχουμε διαβάσει ικανότητα
και να γράφουν ικανότητα.

1347
00:59:02,400 --> 00:59:05,530
>> Έτσι, αυτές ρυθμίζονται
ανεξάρτητα το ένα από το άλλο.

1348
00:59:05,530 --> 00:59:08,640
Τηλεχειριστήριο μέτρο του απολύτως συνεπής διαβάζει.

1349
00:59:08,640 --> 00:59:13,005
Εντάξει, οπότε αν λέτε θέλω 1.000
Τηλεχειριστήριο για εκείνους που είναι απολύτως συνεπής,

1350
00:59:13,005 --> 00:59:14,130
αυτά είναι συνεπή διαβάζει.

1351
00:59:14,130 --> 00:59:17,130
Αν πούμε ότι θέλω
ενδεχόμενη συνεπής διαβάζει,

1352
00:59:17,130 --> 00:59:19,402
μπορείτε διάταξη 1.000
Τηλεχειριστήριο, μπορείτε πάμε

1353
00:59:19,402 --> 00:59:21,840
για να πάρει τελικά 2.000
συνεπής διαβάζει.

1354
00:59:21,840 --> 00:59:25,940
Και μισή τιμή για όσους
τελικά συνίστανται σε διαβάζει.

1355
00:59:25,940 --> 00:59:28,520
>> Και πάλι, προσαρμοσμένο
ανεξάρτητα το ένα από το άλλο.

1356
00:59:28,520 --> 00:59:32,900
Και έχουν το throughput--
Εάν καταναλώνετε 100% του τηλεχειριστήριο σας,

1357
00:59:32,900 --> 00:59:35,960
δεν πρόκειται να επηρεάσουν το
διαθεσιμότητα των δικαιωμάτων σας.

1358
00:59:35,960 --> 00:59:40,161
Έτσι είναι εντελώς
ανεξάρτητες μεταξύ τους.

1359
00:59:40,161 --> 00:59:43,160
Εντάξει, έτσι ώστε ένα από τα πράγματα που
Ανέφερα εν συντομία ήταν στραγγαλισμού.

1360
00:59:43,160 --> 00:59:44,320
Ο στραγγαλισμός είναι κακό.

1361
00:59:44,320 --> 00:59:47,311
Ο στραγγαλισμός δείχνει κακό δεν SQL.

1362
00:59:47,311 --> 00:59:50,310
Υπάρχουν πράγματα που μπορούμε να κάνουμε για να βοηθήσουμε
θα ανακουφίσει τον επιτάχυνσης, η οποία θα

1363
00:59:50,310 --> 00:59:51,040
αντιμετωπίζετε.

1364
00:59:51,040 --> 00:59:53,240
Αλλά η καλύτερη λύση
σε αυτό είναι, ας ρίξουμε

1365
00:59:53,240 --> 00:59:58,000
μια ματιά σε αυτό που κάνεις, γιατί
υπάρχει ένα αντι-πρότυπο στο παιχνίδι εδώ.

1366
00:59:58,000 --> 01:00:02,140
>> Αυτά τα πράγματα, τα πράγματα όπως μη ομοιόμορφη
φόρτο εργασίας, hot keys, ζεστό χωρίσματα.

1367
01:00:02,140 --> 01:00:06,210
Είμαι χτυπώντας ένα συγκεκριμένο πλήκτρο space
πολύ δύσκολο για κάποιον ιδιαίτερο λόγο.

1368
01:00:06,210 --> 01:00:07,080
Γιατί το κάνω αυτό;

1369
01:00:07,080 --> 01:00:08,710
Ας καταλάβω.

1370
01:00:08,710 --> 01:00:10,427
Είμαι ανάμιξης ζεστού δεδομένων μου με κρύο δεδομένων.

1371
01:00:10,427 --> 01:00:12,510
Αφήνω πίνακες μου να πάρει
τεράστια, αλλά υπάρχει πραγματικά

1372
01:00:12,510 --> 01:00:15,970
μόνο μερικά υποσύνολο των δεδομένων
αυτό είναι πραγματικά ενδιαφέρον για μένα.

1373
01:00:15,970 --> 01:00:20,290
Έτσι, για τα δεδομένα καταγραφής, για παράδειγμα, πολλά
πελάτες, παίρνουν δεδομένων καταγραφής κάθε μέρα.

1374
01:00:20,290 --> 01:00:22,490
Πήραν ένα τεράστιο ποσό των δεδομένων καταγραφής.

1375
01:00:22,490 --> 01:00:25,940
>> Αν είστε λίγο ντάμπινγκ όλο αυτό το ημερολόγιο
δεδομένα σε ένα μεγάλο τραπέζι, την πάροδο του χρόνου

1376
01:00:25,940 --> 01:00:28,070
Ο πίνακας αυτός πρόκειται να πάρει μαζική.

1377
01:00:28,070 --> 01:00:30,950
Αλλά είμαι πραγματικά ενδιαφέρονται μόνο
τελευταίες 24 ώρες, οι τελευταίες επτά ημέρες,

1378
01:00:30,950 --> 01:00:31,659
τις τελευταίες 30 ημέρες.

1379
01:00:31,659 --> 01:00:34,074
Όποια και αν είναι το παράθυρο του χρόνου
ότι είμαι ενδιαφέρεται για την εξέταση

1380
01:00:34,074 --> 01:00:37,010
για την περίπτωση που με ενοχλεί, ή
Η εκδήλωση που είναι ενδιαφέρον για μένα,

1381
01:00:37,010 --> 01:00:39,540
αυτό είναι το μόνο χρονικό παράθυρο που χρειάζομαι.

1382
01:00:39,540 --> 01:00:42,470
Επομένως, γιατί είμαι βάζοντας 10 χρόνια
Αξίζει των δεδομένων καταγραφής στον πίνακα;

1383
01:00:42,470 --> 01:00:45,030
Τι προκαλεί ότι είναι
ο πίνακας του θραύσματος.

1384
01:00:45,030 --> 01:00:45,880
>> Παίρνει τεράστια.

1385
01:00:45,880 --> 01:00:48,340
Αρχίζει άπλωμα
σε χιλιάδες κόμβων.

1386
01:00:48,340 --> 01:00:51,380
Και δεδομένου ότι η ικανότητά σας
είναι τόσο χαμηλή, είστε

1387
01:00:51,380 --> 01:00:54,090
όντως περιοριστικός για κάθε
μία από αυτές τις επιμέρους κόμβων.

1388
01:00:54,090 --> 01:00:57,120
Ας ξεκινήσουμε εξετάζοντας το πώς
εμείς ονομαστική ότι ο πίνακας πάνω.

1389
01:00:57,120 --> 01:01:01,502
Πως διαχειριζόμαστε τα στοιχεία που λίγο
καλύτερα να αποφύγετε αυτά τα προβλήματα.

1390
01:01:01,502 --> 01:01:02,710
Και τι σημαίνει αυτό μοιάζει;

1391
01:01:02,710 --> 01:01:04,370
Αυτό είναι τι μοιάζει.

1392
01:01:04,370 --> 01:01:06,790
Αυτό είναι ό, τι κακό NoSQL μοιάζει.

1393
01:01:06,790 --> 01:01:07,830
>> Πήρα ένα καυτό κλειδί εδώ.

1394
01:01:07,830 --> 01:01:10,246
Αν κοιτάξουμε από την πλευρά της εδώ,
όλα αυτά είναι κατατμήσεις μου.

1395
01:01:10,246 --> 01:01:12,630
Πήρα 16 χωρίσματα εδώ
σε αυτό το συγκεκριμένο βάση δεδομένων.

1396
01:01:12,630 --> 01:01:13,630
Το κάνουμε αυτό όλη την ώρα.

1397
01:01:13,630 --> 01:01:15,046
Τρέχω αυτό για τους πελάτες όλων των εποχών.

1398
01:01:15,046 --> 01:01:16,550
Έχει καλέσει το χάρτη θερμότητας.

1399
01:01:16,550 --> 01:01:20,590
Θερμότητας χάρτη μου λέει πως είσαι
την πρόσβαση σε βασικές χώρο σας.

1400
01:01:20,590 --> 01:01:23,700
Και τι είναι αυτό που μου λέει είναι
ότι υπάρχει ένα συγκεκριμένο hash

1401
01:01:23,700 --> 01:01:26,330
ότι αυτός ο τύπος θέλει μια
πάρα πολύ, γιατί είναι

1402
01:01:26,330 --> 01:01:28,250
χτύπημα πραγματικά, πραγματικά σκληρά.

1403
01:01:28,250 --> 01:01:29,260
>> Έτσι, το μπλε είναι ωραίο.

1404
01:01:29,260 --> 01:01:29,900
Μας αρέσει το μπλε.

1405
01:01:29,900 --> 01:01:30,720
Δεν μας αρέσει το κόκκινο.

1406
01:01:30,720 --> 01:01:33,120
Red όπου η πίεση
παίρνει μέχρι 100%.

1407
01:01:33,120 --> 01:01:35,560
100%, τώρα θα πάμε να τεθεί σε αναμονή.

1408
01:01:35,560 --> 01:01:39,030
Έτσι, κάθε φορά που θα δείτε κάποιον σαν κόκκινες γραμμές
this-- και δεν είναι μόνο Ντιναμό DB--

1409
01:01:39,030 --> 01:01:41,630
κάθε βάση δεδομένων NoSQL έχει αυτό το πρόβλημα.

1410
01:01:41,630 --> 01:01:44,640
Υπάρχουν αντι-πρότυπα που μπορούν να
οδηγούν αυτά τα είδη των συνθηκών.

1411
01:01:44,640 --> 01:01:49,070
Αυτό που κάνω είναι να συνεργαστώ με τους πελάτες
να ανακουφίσει τις συνθήκες.

1412
01:01:49,070 --> 01:01:51,840
>> Και τι σημαίνει αυτό μοιάζει;

1413
01:01:51,840 --> 01:01:54,260
Και αυτό είναι να πάρει το πιο
από Ντιναμό DB απόδοσης,

1414
01:01:54,260 --> 01:01:56,176
αλλά είναι πραγματικά να πάρει
η πιο έξω από NoSQL.

1415
01:01:56,176 --> 01:01:58,740
Αυτό δεν περιορίζεται σε δυναμό.

1416
01:01:58,740 --> 01:02:02,050
Αυτό είναι definitely-- μου
Δούλευα σε Mongo.

1417
01:02:02,050 --> 01:02:04,090
Είμαι εξοικειωμένος με πολλές πλατφόρμες NoSQL.

1418
01:02:04,090 --> 01:02:06,830
Κάθε ένα έχει αυτούς τους τύπους
ζεστού βασικά προβλήματα.

1419
01:02:06,830 --> 01:02:10,320
Για να αξιοποιήσετε στο έπακρο κάθε NoSQL
βάσεων δεδομένων, ειδικά Ντιναμό DB,

1420
01:02:10,320 --> 01:02:13,320
Θέλετε να δημιουργήσετε τους πίνακες
όπου το στοιχείο κλειδί κατακερματισμού έχει

1421
01:02:13,320 --> 01:02:18,590
ένας μεγάλος αριθμός των διακριτών τιμών,
υψηλό βαθμό πληθικότητας.

1422
01:02:18,590 --> 01:02:22,530
Διότι αυτό σημαίνει ότι γράφω
σε πολλές διαφορετικές κάδους.

1423
01:02:22,530 --> 01:02:24,870
>> Οι περισσότεροι κάδοι είμαι
γράφετε, το πιο πιθανό

1424
01:02:24,870 --> 01:02:29,100
Είμαι για να διαδώσει το φορτίο εγγραφής ή
διαβάστε φορτώσει έξω σε πολλούς κόμβους,

1425
01:02:29,100 --> 01:02:33,560
το πιο πιθανό είμαι για να έχουν μια
υψηλής απόδοσης πάνω στο τραπέζι.

1426
01:02:33,560 --> 01:02:37,440
Και τότε θέλω οι τιμές να είναι
ζήτησε αρκετά ομοιόμορφα την πάροδο του χρόνου

1427
01:02:37,440 --> 01:02:39,430
και ομοιόμορφα ως τυχαία δυνατό.

1428
01:02:39,430 --> 01:02:42,410
Λοιπόν, αυτό είναι το είδος του ενδιαφέροντα,
επειδή δεν μπορώ πραγματικά να

1429
01:02:42,410 --> 01:02:43,960
ελέγχου όταν οι χρήστες έρχονται.

1430
01:02:43,960 --> 01:02:47,645
Έτσι, αρκεί να πούμε, αν εξαπλωθεί
τα πράγματα σε όλη τη πλήκτρο διαστήματος,

1431
01:02:47,645 --> 01:02:49,270
θα μπορούσε πιθανότατα να είναι σε καλύτερη κατάσταση.

1432
01:02:49,270 --> 01:02:51,522
>> Υπάρχει μια ορισμένη
ποσότητα χρόνο παράδοσης

1433
01:02:51,522 --> 01:02:53,230
ότι δεν πρόκειται
να είναι σε θέση ελέγχου.

1434
01:02:53,230 --> 01:02:55,438
Αλλά αυτά είναι πραγματικά η
δύο διαστάσεις που έχουμε,

1435
01:02:55,438 --> 01:02:58,800
χώρος, πρόσβαση ομοιόμορφα
εξάπλωση, ο χρόνος, οι αιτήσεις

1436
01:02:58,800 --> 01:03:01,040
φθάνουν ομοιόμορφα κατανεμημένες στο χρόνο.

1437
01:03:01,040 --> 01:03:03,110
Και αν αυτά τα δύο
Οι όροι πληρούνται,

1438
01:03:03,110 --> 01:03:05,610
τότε αυτό είναι ό, τι είναι
πρόκειται να μοιάσει.

1439
01:03:05,610 --> 01:03:07,890
Αυτό είναι πολύ καλύτερο.

1440
01:03:07,890 --> 01:03:08,890
Είμαστε πολύ χαρούμενοι εδώ.

1441
01:03:08,890 --> 01:03:10,432
Έχουμε μια πολύ ακόμα και συχνή πρόσβαση.

1442
01:03:10,432 --> 01:03:13,098
Ναι, ίσως παίρνετε ένα
λίγη πίεση κάθε τώρα και στη συνέχεια,

1443
01:03:13,098 --> 01:03:14,830
αλλά τίποτα πραγματικά πάρα πολύ εκτεταμένες.

1444
01:03:14,830 --> 01:03:17,660
Γι 'αυτό είναι εκπληκτικό πόσες φορές,
όταν δουλεύω με τους πελάτες,

1445
01:03:17,660 --> 01:03:20,670
ότι η πρώτη γραφική παράσταση με το μεγάλο κόκκινο
μπαρ και όλα αυτά άσχημο κίτρινο είναι

1446
01:03:20,670 --> 01:03:23,147
σε όλη τη χώρα, εμείς
να γίνει με την άσκηση

1447
01:03:23,147 --> 01:03:24,980
μετά από δύο μήνες
του νέου αρχιτεκτονικής,

1448
01:03:24,980 --> 01:03:28,050
τρέχετε την ίδια ακριβώς
φόρτο εργασίας κατά την ακριβή ίδιο φορτίο.

1449
01:03:28,050 --> 01:03:30,140
Και αυτό είναι αυτό που ψάχνει, όπως τώρα.

1450
01:03:30,140 --> 01:03:36,600
Έτσι τι μπορείτε να πάρετε με NoSQL είναι
σχήμα δεδομένα που είναι απολύτως

1451
01:03:36,600 --> 01:03:38,510
δεμένο με το πρότυπο πρόσβασης.

1452
01:03:38,510 --> 01:03:42,170
>> Και μπορείτε να βελτιστοποιήσετε αυτό το σχήμα δεδομένων
να υποστηρίξει ότι η συχνή πρόσβαση.

1453
01:03:42,170 --> 01:03:45,490
Αν δεν το κάνετε, τότε θα πάμε
για να δείτε αυτούς τους τύπους των προβλημάτων

1454
01:03:45,490 --> 01:03:46,710
με αυτά τα πλήκτρα.

1455
01:03:46,710 --> 01:03:50,518
>> Κοινό: Λοιπόν, αναπόφευκτα κάποια σημεία
πρόκειται να είναι θερμότερος από ό, τι άλλοι.

1456
01:03:50,518 --> 01:03:51,450
>> RICK Houlihan: Πάντα.

1457
01:03:51,450 --> 01:03:51,960
Πάντοτε.

1458
01:03:51,960 --> 01:03:54,620
Ναι, θέλω να πω ότι υπάρχει πάντα
a-- και πάλι, δεν υπάρχει

1459
01:03:54,620 --> 01:03:56,980
μερικά σχεδιαστικά πρότυπα θα περάσει
ότι θα μιλήσουμε για το πώς θα αντιμετωπίσει

1460
01:03:56,980 --> 01:03:58,480
με αυτά τα σούπερ μεγάλες συναθροίσεις.

1461
01:03:58,480 --> 01:04:01,260
Θέλω να πω, πήρα να τους έχουν,
πώς μπορούμε να αντιμετωπίσουμε μαζί τους;

1462
01:04:01,260 --> 01:04:03,760
Πήρα μια πολύ καλή περίπτωση χρήσης
ότι θα μιλήσουμε για γι 'αυτό.

1463
01:04:03,760 --> 01:04:05,940
>> Εντάξει, ας μιλήσουμε
τώρα για ορισμένους πελάτες.

1464
01:04:05,940 --> 01:04:06,950
Αυτοί οι τύποι είναι AdRoll.

1465
01:04:06,950 --> 01:04:08,990
Δεν ξέρω αν είστε
εξοικειωμένοι με AdRoll.

1466
01:04:08,990 --> 01:04:10,781
Μπορείτε πιθανώς να τα δείτε
πολλά στο πρόγραμμα περιήγησης.

1467
01:04:10,781 --> 01:04:14,230
Είναι ad εκ νέου στόχευση, είναι
το μεγαλύτερο επιχειρηματικό ad εκ νέου στόχευση

1468
01:04:14,230 --> 01:04:14,940
εκεί έξω.

1469
01:04:14,940 --> 01:04:17,792
Συνήθως εκτελούν τακτικά δρομολόγια άνω
60 δισεκατομμύρια συναλλαγές ανά ημέρα.

1470
01:04:17,792 --> 01:04:20,000
Κάνουν πάνω από ένα εκατομμύριο
συναλλαγές ανά δευτερόλεπτο.

1471
01:04:20,000 --> 01:04:22,660
Θα έχουμε ένα αρκετά απλό πίνακα
δομή, το πιο πολυσύχναστο τραπέζι.

1472
01:04:22,660 --> 01:04:26,450
Είναι ουσιαστικά μόνο ένα
hash κλειδί είναι το cookie,

1473
01:04:26,450 --> 01:04:29,010
η περιοχή είναι η δημογραφική
κατηγορία, και στη συνέχεια

1474
01:04:29,010 --> 01:04:31,220
το τρίτο χαρακτηριστικό είναι η βαθμολογία.

1475
01:04:31,220 --> 01:04:33,720
>> Έτσι, όλοι έχουμε τα cookies στον
Ο περιηγητής μας από αυτά τα παιδιά.

1476
01:04:33,720 --> 01:04:35,900
Και όταν πηγαίνετε σε ένα
συμμετέχουν έμποροι,

1477
01:04:35,900 --> 01:04:39,390
που ουσιαστικά θα στείλει σε όλη την
διάφορες δημογραφικές κατηγορίες.

1478
01:04:39,390 --> 01:04:42,070
Όταν πηγαίνετε σε μια ιστοσελίδα και
λέτε θέλω να δω αυτό το ad--

1479
01:04:42,070 --> 01:04:44,920
ή ουσιαστικά δεν λέτε that--
αλλά όταν θα πάτε στην ιστοσελίδα

1480
01:04:44,920 --> 01:04:47,550
λένε θέλετε να δείτε αυτήν τη διαφήμιση.

1481
01:04:47,550 --> 01:04:49,370
Και πάω να πάρω τη συγκεκριμένη διαφήμιση από AdRoll.

1482
01:04:49,370 --> 01:04:51,130
AdRoll που κοιτάζει επάνω στο τραπέζι τους.

1483
01:04:51,130 --> 01:04:52,115
Το βρίσκουν το cookie σας.

1484
01:04:52,115 --> 01:04:53,990
Οι διαφημιστές λένε
αυτά, θέλω κάποιον

1485
01:04:53,990 --> 01:04:58,632
ο οποίος είναι μεσήλικες,
40-year-old man, τον αθλητισμό.

1486
01:04:58,632 --> 01:05:01,590
Και θα σας στείλει σε αυτές τις δημογραφικά
και αποφασίζουν κατά πόσον ή όχι

1487
01:05:01,590 --> 01:05:02,740
αυτή είναι μια καλή διαφήμιση για εσάς.

1488
01:05:02,740 --> 01:05:10,330
>> Τώρα έχουν μια SLA με
παρόχους διαφήμιση τους

1489
01:05:10,330 --> 01:05:14,510
για την παροχή υπο-10 χιλιοστά του δευτερολέπτου
ανταπόκριση σε κάθε αίτημα.

1490
01:05:14,510 --> 01:05:16,090
Έτσι, από όπου και αν χρησιμοποιούν Ντιναμό DB για αυτό.

1491
01:05:16,090 --> 01:05:18,131
Είναι ένα χτύπημα μας
εκατομμύρια αιτήσεις ανά δευτερόλεπτο.

1492
01:05:18,131 --> 01:05:21,120
Θα είστε σε θέση να κάνετε όλα τους
αναζητήσεις, διαλογή όλα τα δεδομένα,

1493
01:05:21,120 --> 01:05:26,130
και να πάρει το σύνδεσμο add πίσω σε αυτό
την αγγελία σε λιγότερο από 10 χιλιοστά του δευτερολέπτου.

1494
01:05:26,130 --> 01:05:29,800
Είναι πραγματικά πολύ εντυπωσιακή
εφαρμογής που έχουν.

1495
01:05:29,800 --> 01:05:36,210
>> Αυτά τα παιδιά actually--
είναι αυτά τα παιδιά.

1496
01:05:36,210 --> 01:05:38,010
Δεν είμαι σίγουρος αν είναι αυτά τα παιδιά.

1497
01:05:38,010 --> 01:05:40,127
Μπορεί να είναι αυτοί οι τύποι.

1498
01:05:40,127 --> 01:05:42,210
Βασικά ΕΜΕΙΣ-- είπε όχι,
Δεν νομίζω ότι αυτά ήταν.

1499
01:05:42,210 --> 01:05:43,000
Νομίζω ότι ήταν κάποιος άλλος.

1500
01:05:43,000 --> 01:05:44,750
Δούλευα με μια
πελάτη που μου είπε

1501
01:05:44,750 --> 01:05:47,040
ότι τώρα που έχουμε
πάει στη Ντιναμό DB, είναι

1502
01:05:47,040 --> 01:05:50,330
ξοδεύουν περισσότερα χρήματα για σνακ για
την ανάπτυξη της ομάδας τους κάθε μήνα

1503
01:05:50,330 --> 01:05:52,886
από ό, τι περνούν στη βάση δεδομένων τους.

1504
01:05:52,886 --> 01:05:54,760
Γι 'αυτό θα σας δώσει μια
ιδέα της εξοικονόμησης κόστους

1505
01:05:54,760 --> 01:05:57,889
ότι μπορείτε να πάρετε στην Ντιναμό DB είναι τεράστια.

1506
01:05:57,889 --> 01:05:59,430
Εντάξει, dropcam είναι μια άλλη εταιρεία.

1507
01:05:59,430 --> 01:06:02,138
Αυτοί τύπος είναι το είδος of-- αν νομίζετε
του Διαδικτύου των πραγμάτων, dropcam

1508
01:06:02,138 --> 01:06:05,150
είναι βασικά βίντεο ασφάλεια στο Διαδίκτυο.

1509
01:06:05,150 --> 01:06:06,660
Βάζετε τη φωτογραφική μηχανή σας εκεί έξω.

1510
01:06:06,660 --> 01:06:08,180
Κάμερα διαθέτει ένα ανιχνευτή κίνησης.

1511
01:06:08,180 --> 01:06:10,290
Κάποιος έρχεται,
ενεργοποιεί ένα σημείο cue.

1512
01:06:10,290 --> 01:06:13,540
Φωτογραφική μηχανή αρχίζει την εγγραφή για ένα διάστημα μέχρι
δεν εντοπίζει οποιαδήποτε κίνηση πια.

1513
01:06:13,540 --> 01:06:15,310
Βάζει το βίντεο επάνω στο διαδίκτυο.

1514
01:06:15,310 --> 01:06:19,800
>> Dropcam ήταν μια εταιρεία που είναι
ουσιαστικά αλλάξει σε Ντιναμό DB

1515
01:06:19,800 --> 01:06:22,200
επειδή αντιμετώπιζαν
τεράστια αυξανόμενη πόνους.

1516
01:06:22,200 --> 01:06:25,820
Και τι μας είπαν,
ξαφνικά petabytes δεδομένων.

1517
01:06:25,820 --> 01:06:28,070
Δεν είχαν καμία ιδέα για την υπηρεσία τους
θα ήταν τόσο επιτυχής.

1518
01:06:28,070 --> 01:06:32,310
Περισσότερα εισερχόμενα βίντεο από το YouTube
είναι ό, τι αυτά τα παιδιά παίρνουν.

1519
01:06:32,310 --> 01:06:36,780
Χρησιμοποιούν DynamoDB για να παρακολουθείτε όλα τα
μεταδεδομένα για όλα τα βίντεο βασικά σημεία τους.

1520
01:06:36,780 --> 01:06:40,282
>> Έτσι έχουν S3 κουβάδες ωθούν
όλα τα δυαδικά αντικείμενα μέσα.

1521
01:06:40,282 --> 01:06:41,990
Και τότε θα έχουν
Ντιναμό DB εγγραφές που

1522
01:06:41,990 --> 01:06:44,070
δείχνουν οι άνθρωποι σε αυτές τις S3 τρία αντικείμενα.

1523
01:06:44,070 --> 01:06:47,070
Όταν πρέπει να εξετάσουμε σε ένα βίντεο,
φαίνονται το ρεκόρ στην Ντιναμό ΣΠ.

1524
01:06:47,070 --> 01:06:47,903
Κάνει κλικ στο σύνδεσμο.

1525
01:06:47,903 --> 01:06:49,770
Θα τραβήξτε προς τα κάτω το βίντεο από το S3.

1526
01:06:49,770 --> 01:06:51,590
Έτσι, αυτό είναι το είδος του τι αυτό μοιάζει.

1527
01:06:51,590 --> 01:06:53,580
Και αυτό είναι κατ 'ευθείαν από την ομάδα τους.

1528
01:06:53,580 --> 01:06:56,010
>> Ντιναμό ΣΠ μειώνει τους
χρόνος παράδοσης για τα γεγονότα βίντεο

1529
01:06:56,010 --> 01:06:57,590
από πέντε έως 10 δευτερόλεπτα.

1530
01:06:57,590 --> 01:07:00,470
Στην παλιά σχεσιακή κατάστημά τους,
συνήθιζαν να πρέπει να πάει και να εκτελέσει

1531
01:07:00,470 --> 01:07:03,780
πολλαπλά σύνθετα ερωτήματα με την εικόνα
από τα οποία τα βίντεο για να τραβήξει προς τα κάτω,

1532
01:07:03,780 --> 01:07:06,690
σε λιγότερο από 50 χιλιοστά του δευτερολέπτου.

1533
01:07:06,690 --> 01:07:08,990
Γι 'αυτό είναι καταπληκτικό, καταπληκτικό
πόση απόδοση

1534
01:07:08,990 --> 01:07:12,990
μπορείτε να πάρετε όταν βελτιστοποίηση και
συντονιστείτε το υποκείμενο δεδομένων

1535
01:07:12,990 --> 01:07:15,110
για να υποστηρίξει το μοτίβο πρόσβασης.

1536
01:07:15,110 --> 01:07:20,500
Halfbrick, αυτά τα παιδιά, τι είναι αυτό,
Φρούτα Ninja Υποθέτω ότι είναι το πράγμα τους.

1537
01:07:20,500 --> 01:07:22,590
Ότι όλα τα πειράματα για Ντιναμό DB.

1538
01:07:22,590 --> 01:07:26,810
Και αυτοί οι τύποι, είναι μια μεγάλη
ομάδα ανάπτυξης, μεγάλη ανάπτυξη

1539
01:07:26,810 --> 01:07:27,670
κατάστημα.

1540
01:07:27,670 --> 01:07:29,364
>> Δεν είναι μια καλή ομάδα ops.

1541
01:07:29,364 --> 01:07:31,280
Δεν έχουν πολλά
των πόρων λειτουργίας.

1542
01:07:31,280 --> 01:07:33,940
Είχαν αγωνίζονται προσπαθώντας να κρατήσει
υποδομή εφαρμογών τους μέχρι

1543
01:07:33,940 --> 01:07:34,290
και να λειτουργήσει.

1544
01:07:34,290 --> 01:07:35,000
Ήρθαν για να μας.

1545
01:07:35,000 --> 01:07:36,251
Εξέτασαν εκείνη την Ντιναμό DB.

1546
01:07:36,251 --> 01:07:37,291
Είπαν, αυτό είναι για εμάς.

1547
01:07:37,291 --> 01:07:39,470
Έχτισαν σύνολό τους
πλαίσιο εφαρμογής σε αυτό.

1548
01:07:39,470 --> 01:07:43,640
Μερικά πολύ ωραία σχόλια εδώ
από την ομάδα για την ικανότητά τους

1549
01:07:43,640 --> 01:07:46,800
να επικεντρωθούν τώρα στην οικοδόμηση
το παιχνίδι και να μην

1550
01:07:46,800 --> 01:07:49,010
χρειάζεται να διατηρηθεί ο
υποδομή, η οποία

1551
01:07:49,010 --> 01:07:51,910
γινόταν ένα τεράστιο ποσό
των γενικών εξόδων για την ομάδα τους.

1552
01:07:51,910 --> 01:07:56,170
Έτσι, αυτό είναι κάτι που το that--
πλεονέκτημα ότι μπορείτε να πάρετε από την Ντιναμό DB.

1553
01:07:56,170 --> 01:08:00,930
>> Εντάξει, το να μπουν
μοντελοποίησης δεδομένων εδώ.

1554
01:08:00,930 --> 01:08:03,440
Και μιλήσαμε λίγο για
αυτό προς ένα, το ένα σε πολλούς,

1555
01:08:03,440 --> 01:08:05,060
και πολλοί προς πολλούς σχέσεις τύπου.

1556
01:08:05,060 --> 01:08:07,630
Και πώς θα διατηρήσουν την κατάσταση αυτή στην Ντιναμό.

1557
01:08:07,630 --> 01:08:10,500
Στην Ντιναμό DB χρησιμοποιούμε
ευρετήρια, μιλώντας γενικά,

1558
01:08:10,500 --> 01:08:12,910
για να περιστρέψετε τα δεδομένα από
μια γεύση στο άλλο.

1559
01:08:12,910 --> 01:08:15,210
Hash κλειδιά, κλειδιά φάσμα, και ευρετήρια.

1560
01:08:15,210 --> 01:08:18,540
>> Σε αυτή τη συγκεκριμένη
Παραδείγματος χάριν, όπως τα περισσότερα κράτη

1561
01:08:18,540 --> 01:08:23,802
έχουν την υποχρέωση χορήγησης αδειών που
μόνο μίας άδειας οδήγησης ανά άτομο.

1562
01:08:23,802 --> 01:08:26,510
Δεν μπορείτε να πάτε να πάρετε δύο οδηγού
άδειες στην πολιτεία της Βοστώνης.

1563
01:08:26,510 --> 01:08:27,500
Δεν μπορώ να το κάνω στο Τέξας.

1564
01:08:27,500 --> 01:08:28,708
Αυτό είναι το είδος του τρόπου που είναι.

1565
01:08:28,708 --> 01:08:32,779
Και έτσι στο Υπουργείο Συγκοινωνιών, έχουμε αναζητήσεις, εμείς
θέλετε να αναζητήσετε άδεια του οδηγού

1566
01:08:32,779 --> 01:08:35,180
από τον αριθμό κοινωνικής ασφάλισης.

1567
01:08:35,180 --> 01:08:39,990
Θέλω να κοιτάζω προς τα πάνω τα στοιχεία των χρηστών
με τον αριθμό της άδειας του οδηγού.

1568
01:08:39,990 --> 01:08:43,620
>> Έτσι, μπορούμε να έχουμε τραπέζι ενός χρήστη ότι
έχει ένα κλειδί κατακερματισμού για τον αύξοντα αριθμό,

1569
01:08:43,620 --> 01:08:47,830
ή ο αριθμός κοινωνικής ασφάλισης, και
διάφορα χαρακτηριστικά που καθορίζονται στο σημείο.

1570
01:08:47,830 --> 01:08:49,859
Τώρα στον εν λόγω πίνακα Ι
θα μπορούσε να ορίσει ένα GSI ότι

1571
01:08:49,859 --> 01:08:53,370
flips ότι γύρω από αυτό τα λέει θέλω
δίεση στην άδεια και, στη συνέχεια,

1572
01:08:53,370 --> 01:08:54,252
όλα τα άλλα στοιχεία.

1573
01:08:54,252 --> 01:08:57,210
Τώρα αν θέλω να διερευνούν και να βρει το
τον αριθμό της άδειας για οποιοδήποτε δεδομένο Κοινωνική

1574
01:08:57,210 --> 01:08:59,609
Αριθμό ασφαλείας, μπορώ
διερευνούν τον κύριο πίνακα.

1575
01:08:59,609 --> 01:09:02,130
>> Αν θέλω να διερευνούν και να θέλω
για να πάρει την κοινωνική ασφάλιση

1576
01:09:02,130 --> 01:09:05,735
αριθμός ή άλλα χαρακτηριστικά από ένα
τον αριθμό της άδειας, μπορώ να θέσει υπό αμφισβήτηση το GSI.

1577
01:09:05,735 --> 01:09:08,689
Αυτό το μοντέλο είναι ότι ένα
σε μία σχέση.

1578
01:09:08,689 --> 01:09:12,460
Ακριβώς ένα πολύ απλό GSI,
αναστρέψετε γύρω από αυτά τα πράγματα.

1579
01:09:12,460 --> 01:09:13,979
Τώρα, μιλάμε για μία έως πολλές.

1580
01:09:13,979 --> 01:09:16,450
Μία για πολλούς είναι ουσιαστικά
κλειδί κατακερματισμού σειρά σας.

1581
01:09:16,450 --> 01:09:20,510
Όταν έχουμε πολύ με αυτό
περίπτωση χρήσης είναι τα δεδομένα της οθόνης.

1582
01:09:20,510 --> 01:09:23,880
Δεδομένων Monitor έρχεται σε τακτά
διάστημα, όπως το διαδίκτυο των πραγμάτων.

1583
01:09:23,880 --> 01:09:26,890
Πρέπει πάντα να πάρετε όλα αυτά
αρχεία που έρχονται σε όλη την ώρα.

1584
01:09:26,890 --> 01:09:31,420
>> Και θέλω να βρείτε όλες τις ενδείξεις
μεταξύ μιας συγκεκριμένης χρονικής περιόδου.

1585
01:09:31,420 --> 01:09:34,220
Είναι ένα πολύ κοινό ερώτημα στο
την παρακολούθηση της υποδομής.

1586
01:09:34,220 --> 01:09:38,430
Ο τρόπος να πάει για αυτό είναι να βρεθεί ένας
απλή δομή πίνακα, ένα τραπέζι.

1587
01:09:38,430 --> 01:09:42,250
Έχω ένα πίνακα μετρήσεων της διάταξης
με ένα κλειδί κατακερματισμού για την ταυτότητα της συσκευής.

1588
01:09:42,250 --> 01:09:47,340
Και έχω ένα κλειδί για το εύρος
timestamp, ή στην περίπτωση αυτή, το έπος.

1589
01:09:47,340 --> 01:09:50,350
Και αυτό μου δίνει τη δυνατότητα να εκτελούν πολύπλοκες
ερωτήματα σε αυτό το κλειδί εύρος

1590
01:09:50,350 --> 01:09:54,950
και να επιστρέψει τα αρχεία που
είναι σε σχέση με το αποτέλεσμα

1591
01:09:54,950 --> 01:09:56,310
που ότι ψάχνω.

1592
01:09:56,310 --> 01:09:58,360
Και χτίζει ότι ένας
σε πολλές σχέσεις

1593
01:09:58,360 --> 01:10:02,340
στον πρωτεύοντα πίνακα, χρησιμοποιώντας το
hash κλειδί, κλειδί δομή εύρος.

1594
01:10:02,340 --> 01:10:04,600
>> Έτσι, αυτό είναι το είδος του δομημένου
στον πίνακα στην Ντιναμό ΣΠ.

1595
01:10:04,600 --> 01:10:07,290
Όταν ορίσετε ένα hash
και το εύρος t πίνακα, είμαι

1596
01:10:07,290 --> 01:10:09,240
ορίζει ένα ένα προς πολλά σχέση.

1597
01:10:09,240 --> 01:10:12,770
Είναι μια σχέση γονέα-παιδιού.

1598
01:10:12,770 --> 01:10:14,620
>> Ας μιλήσουμε για πολλά
σε πολλές σχέσεις.

1599
01:10:14,620 --> 01:10:19,170
Και για αυτό το συγκεκριμένο παράδειγμα,
και πάλι, θα πάμε να χρησιμοποιήσετε GSI του.

1600
01:10:19,170 --> 01:10:23,500
Και ας μιλήσουμε για gaming
σενάριο όπου έχω ένα συγκεκριμένο χρήστη.

1601
01:10:23,500 --> 01:10:26,500
Θέλω να μάθετε όλα τα παιχνίδια που
αυτός είναι εγγεγραμμένος ή για να παίζει στο.

1602
01:10:26,500 --> 01:10:29,600
Και για ένα συγκεκριμένο παιχνίδι,
θέλετε να βρείτε όλους τους χρήστες.

1603
01:10:29,600 --> 01:10:31,010
Λοιπόν, πώς μπορώ να το κάνω;

1604
01:10:31,010 --> 01:10:34,330
Μου επιτραπέζια παιχνίδια χρήστη, Πάω
να έχουν ένα κλειδί κατακερματισμού της ταυτότητας χρήστη

1605
01:10:34,330 --> 01:10:35,810
και ένα βασικό εύρος του παιχνιδιού.

1606
01:10:35,810 --> 01:10:37,810
>> Έτσι, ο χρήστης μπορεί να έχει πολλά παιχνίδια.

1607
01:10:37,810 --> 01:10:41,380
Είναι ένα προς πολλά μεταξύ
ο χρήστης και τα παιχνίδια που παίζει.

1608
01:10:41,380 --> 01:10:43,410
Και στη συνέχεια στο GSI,
Θα flip ότι περίπου.

1609
01:10:43,410 --> 01:10:46,679
Θα hash για το παιχνίδι και
Θα κυμαίνονται από το χρήστη.

1610
01:10:46,679 --> 01:10:48,970
Έτσι, αν θέλω να πάρω όλα τα
το παιχνίδι του χρήστη να παίζει σε,

1611
01:10:48,970 --> 01:10:49,950
Θα ερώτημα τον κύριο πίνακα.

1612
01:10:49,950 --> 01:10:52,699
Αν θέλω να πάρει όλους τους χρήστες
που παίζουν ένα συγκεκριμένο παιχνίδι,

1613
01:10:52,699 --> 01:10:53,887
Έχω ερώτημα το GSI.

1614
01:10:53,887 --> 01:10:54,970
Έτσι, μπορείτε να δείτε πώς το κάνουμε αυτό;

1615
01:10:54,970 --> 01:10:58,369
Μπορείτε να δημιουργήσετε αυτά GSI να υποστηρίξει το
περίπτωση χρήσης, η εφαρμογή, η πρόσβαση

1616
01:10:58,369 --> 01:10:59,410
μοτίβο, η εφαρμογή.

1617
01:10:59,410 --> 01:11:01,440
>> Αν χρειαστεί να υποβάλετε ερώτημα σχετικά με
η διάσταση αυτή, επιτρέψτε

1618
01:11:01,440 --> 01:11:03,500
Θέλω να δημιουργήσετε ένα ευρετήριο σε αυτή τη διάσταση.

1619
01:11:03,500 --> 01:11:05,850
Αν δεν το κάνω, δεν με νοιάζει.

1620
01:11:05,850 --> 01:11:09,060
Και ανάλογα με την περίπτωση χρήσης, που
Ενδέχεται να χρειαστείτε το δείκτη ή δεν μπορεί.

1621
01:11:09,060 --> 01:11:12,390
Εάν είναι μια απλή για πολλούς,
ο κύριος πίνακας είναι μια χαρά.

1622
01:11:12,390 --> 01:11:15,860
Αν πρέπει να κάνω αυτά τα πολλά να
πολλά, ή να πρέπει να κάνω ένα με αυτές,

1623
01:11:15,860 --> 01:11:18,390
τότε ίσως θα χρειάζεται
στη δεύτερη ο δείκτης.

1624
01:11:18,390 --> 01:11:20,840
Έτσι, όλα εξαρτώνται από
αυτό που προσπαθώ να κάνω

1625
01:11:20,840 --> 01:11:24,550
και αυτό που προσπαθώ να πάρει ολοκληρωμένος.

1626
01:11:24,550 --> 01:11:28,000
>> Μάλλον εγώ δεν πρόκειται να δαπανήσει πολύ
πολύ χρόνο μιλώντας για τα έγγραφα.

1627
01:11:28,000 --> 01:11:31,460
Αυτό παίρνει λίγο, ίσως,
βαθύτερη από ό, τι χρειάζεται να υπεισέλθω.

1628
01:11:31,460 --> 01:11:33,710
Ας μιλήσουμε λίγο
για την πλούσια έκφραση του ερωτήματος.

1629
01:11:33,710 --> 01:11:37,831
Έτσι, στην Ντιναμό DB έχουμε
η δυνατότητα να δημιουργήσετε

1630
01:11:37,831 --> 01:11:39,330
αυτό που λέμε εκφράσεις προβολής.

1631
01:11:39,330 --> 01:11:42,660
Εκφράσεις προβολής είναι απλά
επιλέγοντας τα πεδία ή τις τιμές

1632
01:11:42,660 --> 01:11:44,290
που θέλετε να εμφανίσετε.

1633
01:11:44,290 --> 01:11:46,000
Εντάξει, έτσι κάνω μια επιλογή.

1634
01:11:46,000 --> 01:11:48,010
Κάνω ένα ερώτημα σε σχέση Ντιναμό DB.

1635
01:11:48,010 --> 01:11:51,730
Και λέω, ξέρετε τι, δείχνουν
Θέλω μόνο τα σχόλια πέντε αστέρων

1636
01:11:51,730 --> 01:11:54,544
γι 'αυτό το συγκεκριμένο προϊόν.

1637
01:11:54,544 --> 01:11:55,710
Έτσι, αυτό είναι το μόνο που θέλω να δω.

1638
01:11:55,710 --> 01:11:57,320
Δεν θέλω να δω όλα τα
άλλα χαρακτηριστικά της σειράς,

1639
01:11:57,320 --> 01:11:58,319
Απλά θέλω να δω αυτό.

1640
01:11:58,319 --> 01:12:01,209
Είναι ακριβώς όπως στον SQL όταν
λένε επιλέξτε αστέρι ή από τον πίνακα,

1641
01:12:01,209 --> 01:12:02,000
μπορείτε να πάρετε τα πάντα.

1642
01:12:02,000 --> 01:12:05,450
Όταν λέω επιλέξτε το όνομα από
τραπέζι, παίρνω μόνο ένα χαρακτηριστικό.

1643
01:12:05,450 --> 01:12:09,070
Είναι το ίδιο είδος των πράγμα
Ντιναμό DB ή άλλες βάσεις δεδομένων NoSQL.

1644
01:12:09,070 --> 01:12:14,510
Φίλτρο εκφράσεις μου επιτρέψετε να
ουσιαστικά κοπεί το αποτέλεσμα που ορίζεται.

1645
01:12:14,510 --> 01:12:15,540
Έτσι κάνω ένα ερώτημα.

1646
01:12:15,540 --> 01:12:17,260
Ερώτημα μπορεί να επανέλθει με 500 αντικείμενα.

1647
01:12:17,260 --> 01:12:20,255
Θέλω, όμως, μόνο τα στοιχεία που
έχουν ένα χαρακτηριστικό που λέει αυτό.

1648
01:12:20,255 --> 01:12:23,380
ΟΚ, οπότε ας φιλτράρει αυτά τα στοιχεία
που δεν ταιριάζουν με το συγκεκριμένο ερώτημα.

1649
01:12:23,380 --> 01:12:25,540
Έτσι έχουμε εκφράσεις φίλτρο.

1650
01:12:25,540 --> 01:12:28,310
>> Φίλτρο εκφράσεις μπορούν να
να τρέχει σε οποιαδήποτε ιδιότητα.

1651
01:12:28,310 --> 01:12:30,260
Δεν είμαστε σαν επερωτήσεις εύρους.

1652
01:12:30,260 --> 01:12:32,690
Να εγείρει ερωτήματα είναι πιο επιλεκτικές.

1653
01:12:32,690 --> 01:12:36,470
Φίλτρο απορίες μου χρειάζονται για να πάει
Αποκτήστε το συνόλου των αποτελεσμάτων που και στη συνέχεια

1654
01:12:36,470 --> 01:12:39,170
χαράξει τα δεδομένα δεν θέλω.

1655
01:12:39,170 --> 01:12:40,660
Γιατί είναι τόσο σημαντικό;

1656
01:12:40,660 --> 01:12:42,770
Επειδή έχω διαβάσει όλα.

1657
01:12:42,770 --> 01:12:46,597
Σε ένα ερώτημα, Πάω να διαβάσω και
πρόκειται να είναι ένας γίγαντας για τα δεδομένα.

1658
01:12:46,597 --> 01:12:48,430
Και τότε Πάω να
χαράξει ό, τι χρειάζομαι.

1659
01:12:48,430 --> 01:12:52,080
Και αν είμαι μόνο να αποσύρουν την
ζευγάρι των γραμμών, τότε αυτό είναι εντάξει.

1660
01:12:52,080 --> 01:12:53,620
Δεν είναι τόσο αναποτελεσματική.

1661
01:12:53,620 --> 01:12:57,800
>> Αλλά αν είμαι διαβάζοντας ένα σωρό
δεδομένα, ακριβώς για να χαράξει ένα στοιχείο,

1662
01:12:57,800 --> 01:13:01,490
τότε Πάω να είναι καλύτερα
μακριά χρησιμοποιώντας ένα ερώτημα εύρους,

1663
01:13:01,490 --> 01:13:03,030
γιατί είναι πολύ πιο επιλεκτικό.

1664
01:13:03,030 --> 01:13:06,330
Είναι πρόκειται να με σώσει πολλά
χρήματα, γιατί να πληρώσω για αυτό το ανάγνωσμα.

1665
01:13:06,330 --> 01:13:10,430
Όταν τα αποτελέσματα που έρχεται πίσω
διέλευσης των καλωδίων μπορεί να είναι μικρότερη,

1666
01:13:10,430 --> 01:13:11,890
αλλά είμαι πληρώνουν για την ανάγνωση.

1667
01:13:11,890 --> 01:13:14,340
Έτσι, καταλαβαίνω πώς
παίρνετε τα στοιχεία.

1668
01:13:14,340 --> 01:13:16,420
Αυτό είναι πολύ σημαντικό στην Ντιναμό ΣΠ.

1669
01:13:16,420 --> 01:13:19,710
>> Προϋπόθεση εκφράσεις, αυτό είναι ό, τι
θα μπορούσαμε να πούμε αισιόδοξο κλείδωμα.

1670
01:13:19,710 --> 01:13:28,470
Ενημέρωση αν υπάρχει, ή αν αυτή την τιμή
είναι ισοδύναμο με αυτό που καθορίζετε.

1671
01:13:28,470 --> 01:13:31,494
Και αν έχω μια σφραγίδα χρόνου σε ένα
ρεκόρ, θα μπορούσα να διαβάσει τα δεδομένα.

1672
01:13:31,494 --> 01:13:32,535
Θα μπορούσε να αλλάξει τα δεδομένα.

1673
01:13:32,535 --> 01:13:35,030
Θα ήθελα να πάω γράφουν ότι
πίσω τα δεδομένα στη βάση δεδομένων.

1674
01:13:35,030 --> 01:13:38,100
Αν κάποιος έχει αλλάξει το ρεκόρ,
η σφραγίδα χρόνου μπορεί να έχουν αλλάξει.

1675
01:13:38,100 --> 01:13:40,370
Και με αυτόν τον τρόπο εξαρτάται μου
ενημερωμένη έκδοση θα μπορούσε να πει την ενημέρωση

1676
01:13:40,370 --> 01:13:42,340
αν η χρονική σήμανση ισούται με αυτό.

1677
01:13:42,340 --> 01:13:46,290
Ή η ενημέρωση θα αποτύχει επειδή κάποιος
ενημερώθηκε το ρεκόρ στο μεταξύ.

1678
01:13:46,290 --> 01:13:48,290
>> Αυτό είναι αυτό που λέμε αισιόδοξο κλείδωμα.

1679
01:13:48,290 --> 01:13:50,670
Αυτό σημαίνει ότι κάποιος
μπορεί να έρθει και να το αλλάξετε,

1680
01:13:50,670 --> 01:13:53,100
και πάω να το εντοπίσει
όταν πάω πίσω για να γράψει.

1681
01:13:53,100 --> 01:13:56,106
Και τότε μπορώ να διαβάσει πραγματικά ότι
δεδομένα και να πει, OH, αυτό άλλαξε.

1682
01:13:56,106 --> 01:13:57,230
Θα πρέπει να λογοδοτήσουν γι 'αυτό.

1683
01:13:57,230 --> 01:14:00,490
Και μπορώ να αλλάξω τα στοιχεία μου
να καταγράφει και να εφαρμόσει μια άλλη ενημέρωση.

1684
01:14:00,490 --> 01:14:04,330
Έτσι, μπορείτε να πιάσει τα στοιχειώδη
ενημερώσεις που γίνονται μεταξύ του χρόνου

1685
01:14:04,330 --> 01:14:08,740
ότι έχετε διαβάσει τα δεδομένα και η
φορά που θα μπορούσε να γράψει τα δεδομένα.

1686
01:14:08,740 --> 01:14:11,520
>> Κοινό: Και το φίλτρο
έκφραση δεν σημαίνει στην πραγματικότητα

1687
01:14:11,520 --> 01:14:13,020
τον αριθμό ή not--

1688
01:14:13,020 --> 01:14:14,316
>> [Παρεμβολή ΦΩΝΕΣ]

1689
01:14:14,316 --> 01:14:16,232
RICK Houlihan: Δεν θα το κάνω
να πάρει πάρα πολύ σε αυτό.

1690
01:14:16,232 --> 01:14:17,700
Αυτή είναι μια δεσμευμένη λέξη-κλειδί.

1691
01:14:17,700 --> 01:14:20,130
Η θέα λίρα είναι ένα κατοχυρωμένα
λέξη-κλειδί στην Ντιναμό ΣΠ.

1692
01:14:20,130 --> 01:14:24,500
Κάθε βάση δεδομένων έχει τη δική του επιφυλάχθηκε
ονόματα για τις συλλογές που δεν μπορείτε να χρησιμοποιήσετε.

1693
01:14:24,500 --> 01:14:27,240
Ντιναμό DB, εάν καθορίσετε
ένα κιλό μπροστά από αυτό,

1694
01:14:27,240 --> 01:14:29,310
μπορείτε να ορίσετε αυτά τα ονόματα από πάνω.

1695
01:14:29,310 --> 01:14:31,840
Αυτή είναι μια τιμή αναφοράς.

1696
01:14:31,840 --> 01:14:34,880
Δεν είναι ίσως η καλύτερη σύνταξη για να
έχουν εκεί για αυτή τη συζήτηση,

1697
01:14:34,880 --> 01:14:38,090
επειδή παίρνει σε ορισμένες real--
Θα είχα μιλήσει περισσότερο

1698
01:14:38,090 --> 01:14:41,360
γι 'αυτό σε ένα βαθύτερο επίπεδο.

1699
01:14:41,360 --> 01:14:46,130
>> Αλλά αρκεί να πούμε ότι αυτό θα μπορούσε να
είναι το ερώτημα σαρώσει όπου views--

1700
01:14:46,130 --> 01:14:50,190
ούτε τις απόψεις λίβρα είναι μεγαλύτερη από 10.

1701
01:14:50,190 --> 01:14:54,660
Είναι μια αριθμητική τιμή, ναι.

1702
01:14:54,660 --> 01:14:57,322
Αν θέλετε, μπορούμε να μιλήσουμε για
ότι μετά τη συζήτηση.

1703
01:14:57,322 --> 01:15:00,030
Εντάξει, έτσι είμαστε μπουν
κάποια σενάρια σε βέλτιστες πρακτικές

1704
01:15:00,030 --> 01:15:02,000
όπου θα πάμε να μιλήσουμε
για ορισμένες εφαρμογές εδώ.

1705
01:15:02,000 --> 01:15:03,810
Ποιες είναι οι περιπτώσεις χρήσης για Ντιναμό DB.

1706
01:15:03,810 --> 01:15:06,120
Τι είναι ο σχεδιασμός
πρότυπα στην Ντιναμό ΣΠ.

1707
01:15:06,120 --> 01:15:09,110
>> Και ο πρώτος που θα πάμε να
μιλήσουμε για το Διαδίκτυο των πραγμάτων.

1708
01:15:09,110 --> 01:15:15,010
Έτσι, έχουμε μια πολύ of-- υποθέτω,
τι είναι it-- περισσότερο από 50%

1709
01:15:15,010 --> 01:15:19,370
της κίνησης στο διαδίκτυο αυτές τις μέρες
είναι στην πραγματικότητα δημιουργούνται από μηχανές,

1710
01:15:19,370 --> 01:15:21,930
αυτοματοποιημένες διαδικασίες, όχι από τον άνθρωπο.

1711
01:15:21,930 --> 01:15:25,140
Θέλω να πω αυτό το πράγμα αυτό το πράγμα που
που κουβαλάς στην τσέπη σας,

1712
01:15:25,140 --> 01:15:28,840
πόσα δεδομένα ότι αυτό το πράγμα είναι
στην πραγματικότητα γύρω από την αποστολή χωρίς να

1713
01:15:28,840 --> 01:15:30,550
γνωρίζοντας ότι είναι απολύτως εκπληκτικό.

1714
01:15:30,550 --> 01:15:34,970
Η τοποθεσία σας, πληροφορίες
για το πόσο γρήγορα θα πάμε.

1715
01:15:34,970 --> 01:15:38,400
Πώς νομίζετε ότι το Google Maps έργα
όταν σας πω ποια είναι η κίνηση είναι.

1716
01:15:38,400 --> 01:15:41,275
Είναι επειδή υπάρχουν εκατομμύρια και
εκατομμύρια άνθρωποι γύρω από την οδήγηση

1717
01:15:41,275 --> 01:15:44,667
με τα τηλέφωνα που στέλνουν
δεδομένων σε όλη την χώρα όλο το χρόνο.

1718
01:15:44,667 --> 01:15:46,500
Έτσι ένα από τα πράγματα
για αυτό το είδος των δεδομένων

1719
01:15:46,500 --> 01:15:50,980
ότι έρχεται, τα δεδομένα παρακολούθησης, καταγραφής
δεδομένα, δεδομένα χρονολογικών σειρών, είναι ότι είναι

1720
01:15:50,980 --> 01:15:53,540
συνήθως μόνο ενδιαφέρον
για λίγο χρόνο.

1721
01:15:53,540 --> 01:15:55,580
Μετά από εκείνη τη στιγμή, είναι
δεν είναι τόσο ενδιαφέρουσα.

1722
01:15:55,580 --> 01:15:58,390
Έτσι μιλήσαμε για, μην αφήνετε
οι πίνακες αυτοί μεγαλώνουν χωρίς όρια.

1723
01:15:58,390 --> 01:16:03,410
Η ιδέα εδώ είναι ότι ίσως έχω 24
ώρες αξίας των γεγονότων σε ζεστό τραπέζι μου.

1724
01:16:03,410 --> 01:16:06,160
Και το καυτό τραπέζι θα είναι
τροφοδοτείται σε ένα πολύ υψηλό ποσοστό,

1725
01:16:06,160 --> 01:16:07,950
διότι πρόκειται για τη λήψη πολλά δεδομένα.

1726
01:16:07,950 --> 01:16:10,920
Είναι λαμβάνοντας πολλά δεδομένα
και να διαβάζω το πολύ.

1727
01:16:10,920 --> 01:16:14,560
Έχω πολλή λειτουργίας
ερωτήματα τρέχει κατά της εν λόγω δεδομένα.

1728
01:16:14,560 --> 01:16:18,120
>> Μετά από 24 ώρες, hey,
Ξέρεις τι, δεν με νοιάζει.

1729
01:16:18,120 --> 01:16:21,150
Έτσι ίσως κάθε ρολό μεσάνυχτα
τραπέζι μου πάνω σε ένα νέο τραπέζι

1730
01:16:21,150 --> 01:16:22,430
και εγώ deprovision αυτόν τον πίνακα.

1731
01:16:22,430 --> 01:16:26,440
Και θα πάρω και το τηλεχειριστήριο του
Κάτω του αναπηρικού αμαξιδίου, διότι μετά από 24 ώρες

1732
01:16:26,440 --> 01:16:28,630
Δεν είμαι τρέχει σαν πολλές
ερωτήματα από αυτά τα δεδομένα.

1733
01:16:28,630 --> 01:16:30,200
Έτσι, Πάω να εξοικονομήσουν χρήματα.

1734
01:16:30,200 --> 01:16:32,940
Και ίσως 30 ημέρες αργότερα δεν το κάνω
πρέπει ακόμη να φροντίσει για όλα.

1735
01:16:32,940 --> 01:16:35,020
Θα μπορούσα να πάρω το αναπηρικού αμαξιδίου του
σε όλη τη διαδρομή προς ένα,

1736
01:16:35,020 --> 01:16:36,990
γιατί ξέρετε τι, είναι
Ποτέ δεν πρόκειται να πάρει γράψει.

1737
01:16:36,990 --> 01:16:38,300
Τα δεδομένα είναι 30 ημερών.

1738
01:16:38,300 --> 01:16:40,000
Ποτέ δεν αλλάζει.

1739
01:16:40,000 --> 01:16:44,200
>> Και είναι σχεδόν ποτέ δεν πρόκειται να πάρει διαβάσετε,
οπότε ας πάρει ότι τηλεχειριστήριο μέχρι 10.

1740
01:16:44,200 --> 01:16:49,372
Και είμαι εξοικονόμηση έναν τόνο των χρημάτων για το θέμα αυτό
δεδομένων, και μόνο να πληρώνουν για το ζεστό δεδομένα μου.

1741
01:16:49,372 --> 01:16:52,330
Έτσι, αυτό είναι το σημαντικό πράγμα που πρέπει να εξετάσουμε
σε όταν κοιτάς μια χρονολογική σειρά

1742
01:16:52,330 --> 01:16:54,716
δεδομένα έρχονται σε όγκο.

1743
01:16:54,716 --> 01:16:55,590
Πρόκειται για στρατηγικές.

1744
01:16:55,590 --> 01:16:58,010
Τώρα, θα μπορούσα απλά να το αφήσουμε
όλα να πηγαίνουν στο ίδιο τραπέζι

1745
01:16:58,010 --> 01:16:59,461
και να την αφήσουμε να αυξηθεί πίνακα.

1746
01:16:59,461 --> 01:17:01,460
Τελικά, Πάω να
δείτε ζητήματα επιδόσεων.

1747
01:17:01,460 --> 01:17:04,060
Πάω να πρέπει να αρχίσουμε να αρχειοθετήσετε
μερικά από αυτά τα δεδομένα από το τραπέζι,

1748
01:17:04,060 --> 01:17:04,720
οτιδήποτε.

1749
01:17:04,720 --> 01:17:07,010
>> Ας πολύ καλύτερα
σχεδιάσετε την εφαρμογή σας

1750
01:17:07,010 --> 01:17:08,900
έτσι ώστε να μπορεί να λειτουργεί με αυτόν τον τρόπο το δικαίωμα.

1751
01:17:08,900 --> 01:17:11,460
Έτσι είναι ακριβώς η αυτόματη
στον κώδικα εφαρμογής.

1752
01:17:11,460 --> 01:17:13,580
Τα μεσάνυχτα κάθε βράδυ
κυλάει το τραπέζι.

1753
01:17:13,580 --> 01:17:17,170
Ίσως αυτό που χρειάζεται είναι ένα συρόμενο
παράθυρο 24 ώρα δεδομένων.

1754
01:17:17,170 --> 01:17:20,277
Στη συνέχεια, σε τακτική βάση, είμαι
καλώντας τα δεδομένα από το τραπέζι.

1755
01:17:20,277 --> 01:17:22,360
Είμαι το κλάδεμα με ένα
Cron δουλειά και είμαι το θέτει

1756
01:17:22,360 --> 01:17:24,160
σε αυτά τα άλλα τραπέζια,
ό, τι χρειάζεστε.

1757
01:17:24,160 --> 01:17:25,940
Έτσι, αν ένας ανατροπής λειτουργεί, αυτό είναι υπέροχο.

1758
01:17:25,940 --> 01:17:27,080
Αν όχι, τελειώματα.

1759
01:17:27,080 --> 01:17:29,640
Αλλά ας κρατήσουμε το καυτό δεδομένων
μακριά από το κρύο τα δεδομένα σας.

1760
01:17:29,640 --> 01:17:32,535
Θα σας εξοικονομήσει πολλά χρήματα και
κάνουν τραπέζια σας πιο απόδοσης.

1761
01:17:32,535 --> 01:17:35,960

1762
01:17:35,960 --> 01:17:38,210
Έτσι, το επόμενο πράγμα θα μιλήσουμε
περίπου είναι ο κατάλογος προϊόντων.

1763
01:17:38,210 --> 01:17:42,000
Κατάλογος προϊόντων
αρκετά συνηθισμένη περίπτωση χρήσης.

1764
01:17:42,000 --> 01:17:46,600
Αυτό είναι πραγματικά ένα πολύ συνηθισμένο μοτίβο
ότι θα δούμε σε μια ποικιλία από πράγματα.

1765
01:17:46,600 --> 01:17:48,870
Ξέρεις, το Twitter για
Παραδείγματος χάριν, ένα καυτό tweet.

1766
01:17:48,870 --> 01:17:51,280
Ο καθένας έρχεται και
αρπάζοντας ότι tweet.

1767
01:17:51,280 --> 01:17:52,680
Κατάλογος προϊόντων, πήρα μια πώληση.

1768
01:17:52,680 --> 01:17:54,120
Πήρα ένα ζεστό πώληση.

1769
01:17:54,120 --> 01:17:57,277
Πήρα 70.000 αιτήσεις ανά
δεύτερο ερχομό ενός προϊόντος

1770
01:17:57,277 --> 01:17:58,860
περιγραφή από τον κατάλογο των προϊόντων μου.

1771
01:17:58,860 --> 01:18:02,384
Το βλέπουμε αυτό στη λιανική
λειτουργία αρκετά.

1772
01:18:02,384 --> 01:18:03,550
Επομένως, πώς θα ασχοληθεί με αυτό;

1773
01:18:03,550 --> 01:18:04,924
Δεν υπάρχει κανένας τρόπος για να ασχοληθεί με αυτό.

1774
01:18:04,924 --> 01:18:07,110
Όλοι οι χρήστες μου θέλω να δω
το ίδιο κομμάτι των δεδομένων.

1775
01:18:07,110 --> 01:18:09,410
Είναι έρχονται σε, ταυτόχρονα.

1776
01:18:09,410 --> 01:18:11,920
Και είναι όλα υποβολής αιτήσεων
για το ίδιο κομμάτι των δεδομένων.

1777
01:18:11,920 --> 01:18:16,240
Αυτό μου δίνει το καυτό κλειδί, ότι μεγάλο κόκκινο
λωρίδα στο διάγραμμά μου που δεν μας αρέσουν.

1778
01:18:16,240 --> 01:18:17,720
Και αυτό είναι ό, τι αυτό μοιάζει.

1779
01:18:17,720 --> 01:18:22,290
Έτσι, σε όλους τους σημαντικούς χώρο μου παίρνω
σφυρήλατο στα σημεία πώλησης.

1780
01:18:22,290 --> 01:18:24,070
Παίρνω τίποτα οπουδήποτε αλλού.

1781
01:18:24,070 --> 01:18:26,050
>> Πώς μπορώ να αμβλύνουν το πρόβλημα αυτό;

1782
01:18:26,050 --> 01:18:28,410
Λοιπόν, έχουμε να ανακουφίσει αυτό με cache.

1783
01:18:28,410 --> 01:18:33,630
Cache, θα θέσει ουσιαστικά ένα in-memory
χώρισμα μπροστά της βάσης δεδομένων.

1784
01:18:33,630 --> 01:18:37,260
Καταφέραμε
[Δεν ακούγεται] cache, πώς θα

1785
01:18:37,260 --> 01:18:40,260
μπορεί να δημιουργήσει το δικό σας cache, [δεν ακούγεται]
κρύπτη [? δ,?] ό, τι θέλετε.

1786
01:18:40,260 --> 01:18:42,220
Βάλτε ότι μπροστά της βάσης δεδομένων.

1787
01:18:42,220 --> 01:18:47,250
Και με αυτόν τον τρόπο μπορείτε να αποθηκεύσετε τα δεδομένα
από τα πλήκτρα σε αυτό το cache

1788
01:18:47,250 --> 01:18:49,390
χώρο και να διαβάσετε μέσα από τη μνήμη cache.

1789
01:18:49,390 --> 01:18:51,962
>> Και τότε οι περισσότεροι από σας διαβάζει
να αρχίσει να ψάχνει σαν αυτό.

1790
01:18:51,962 --> 01:18:54,920
Πήρα όλα αυτά cache χτυπά εδώ
και πήρα τίποτα συμβαίνει εδώ κάτω

1791
01:18:54,920 --> 01:18:59,330
επειδή η βάση δεδομένων που κάθεται πίσω από το
cache και το ποτέ δεν διαβάζει έρθει κατευθείαν.

1792
01:18:59,330 --> 01:19:02,520
Αν μπορώ να αλλάξω τα δεδομένα στο
βάση δεδομένων, θα πρέπει να ενημερώσετε τη μνήμη cache.

1793
01:19:02,520 --> 01:19:04,360
Μπορούμε να χρησιμοποιήσουμε κάτι
όπως ατμών για να το κάνουμε αυτό.

1794
01:19:04,360 --> 01:19:07,360
Και θα εξηγήσω πώς λειτουργεί.

1795
01:19:07,360 --> 01:19:09,060
Εντάξει, μηνυμάτων.

1796
01:19:09,060 --> 01:19:11,180
Email, όλοι χρησιμοποιούμε ηλεκτρονικού ταχυδρομείου.

1797
01:19:11,180 --> 01:19:12,540
>> Αυτό είναι ένα πολύ καλό παράδειγμα.

1798
01:19:12,540 --> 01:19:14,950
Έχουμε κάποια μηνύματα πίνακα.

1799
01:19:14,950 --> 01:19:17,040
Και πήραμε εισερχόμενα και εξερχόμενα.

1800
01:19:17,040 --> 01:19:19,760
Αυτό είναι ό, τι το SQL θα
μοιάσει να χτίσει αυτό το inbox.

1801
01:19:19,760 --> 01:19:23,350
Είμαστε είδος χρησιμοποιούν το ίδιο είδος
της στρατηγικής για τη χρήση του GSI, GSI του

1802
01:19:23,350 --> 01:19:25,320
για inbox μου και εξερχόμενα μου.

1803
01:19:25,320 --> 01:19:27,600
Έτσι πήρα πρώτες μηνύματα που έρχονται
στα μηνύματα τραπέζι μου.

1804
01:19:27,600 --> 01:19:30,194
Και η πρώτη προσέγγιση σε αυτό
μπορεί να είναι, ας πούμε, εντάξει, δεν υπάρχει πρόβλημα.

1805
01:19:30,194 --> 01:19:31,110
Έχω πρώτες μηνύματα.

1806
01:19:31,110 --> 01:19:33,710
Μηνύματα που έρχονται [δεν ακούγεται],
ID μηνύματος, αυτό είναι υπέροχο.

1807
01:19:33,710 --> 01:19:35,070
Αυτό είναι το μοναδικό hash μου.

1808
01:19:35,070 --> 01:19:38,280
Πάω να δημιουργήσετε δύο GSI, η μία
για inbox μου, ένα για εξερχόμενα μου.

1809
01:19:38,280 --> 01:19:40,530
Και το πρώτο πράγμα που θα κάνω
είναι θα πω το κλειδί κατακερματισμού μου

1810
01:19:40,530 --> 01:19:43,310
πρόκειται να είναι ο αποδέκτης και
Πάω να οργανώσει την ημερομηνία.

1811
01:19:43,310 --> 01:19:44,220
Αυτό είναι φανταστικό.

1812
01:19:44,220 --> 01:19:45,890
Πήρα ωραία θέα μου εδώ.

1813
01:19:45,890 --> 01:19:47,780
Αλλά υπάρχει ένα μικρό πρόβλημα εδώ.

1814
01:19:47,780 --> 01:19:50,891
Και τρέχετε σε αυτό
σχεσιακές βάσεις δεδομένων, καθώς και.

1815
01:19:50,891 --> 01:19:52,390
Κάλεσαν κάθετα στεγανοποίηση.

1816
01:19:52,390 --> 01:19:55,840
Θέλετε να διατηρήσετε τα δεδομένα σας μεγάλα
μακριά από λίγο τα δεδομένα σας.

1817
01:19:55,840 --> 01:20:00,470
>> Και ο λόγος είναι επειδή πήρα
πάει να διαβάσει τα στοιχεία για να πάρει τα χαρακτηριστικά.

1818
01:20:00,470 --> 01:20:05,570
Και αν μου σώμα είναι όλα εδώ,
στη συνέχεια ανάγνωση μερικά μόνο στοιχεία

1819
01:20:05,570 --> 01:20:08,560
εάν το μήκος το σώμα μου
κατά μέσο όρο 256 kilobytes καθένα,

1820
01:20:08,560 --> 01:20:10,991
τα μαθηματικά παίρνει πολύ άσχημο.

1821
01:20:10,991 --> 01:20:12,490
Έτσι λένε θέλω να διαβάσω inbox του Δαβίδ.

1822
01:20:12,490 --> 01:20:14,520
Εισερχόμενα του Δαβίδ έχει 50 αντικείμενα.

1823
01:20:14,520 --> 01:20:17,880
Ο μέσος όρος και το μέγεθος είναι 256 kilobytes.

1824
01:20:17,880 --> 01:20:21,730
Εδώ είναι λόγος μετατροπής μου
για τηλεχειριστήριο είναι τέσσερις kilobytes.

1825
01:20:21,730 --> 01:20:24,450
>> Εντάξει, ας πάμε με
τελικά συνεπής διαβάζει.

1826
01:20:24,450 --> 01:20:28,640
Είμαι ακόμα τρώει τηλεχειριστήριο του 1600
απλά για να διαβάσετε εισερχόμενα του Δαβίδ.

1827
01:20:28,640 --> 01:20:29,950
Ωχ.

1828
01:20:29,950 --> 01:20:31,980
Εντάξει, τώρα ας σκεφτούμε
για το πώς λειτουργεί η εφαρμογή.

1829
01:20:31,980 --> 01:20:35,340
Αν είμαι σε μια εφαρμογή ηλεκτρονικού ταχυδρομείου και
Ψάχνω στο inbox μου,

1830
01:20:35,340 --> 01:20:39,680
και κοιτάζω το σώμα του κάθε μηνύματος,
Όχι, κοιτάω τις περιλήψεις.

1831
01:20:39,680 --> 01:20:41,850
Ψάχνω στο μόνο τις κεφαλίδες.

1832
01:20:41,850 --> 01:20:46,310
Ας οικοδομήσουμε μια δομή πίνακα
ότι μοιάζει περισσότερο με αυτό.

1833
01:20:46,310 --> 01:20:49,470
>> Έτσι, εδώ είναι οι πληροφορίες
ότι η ροή εργασίας μου χρειάζεται.

1834
01:20:49,470 --> 01:20:50,890
Είναι στο inbox μου GSI.

1835
01:20:50,890 --> 01:20:53,800
Είναι η ημερομηνία, ο αποστολέας,
το θέμα, και στη συνέχεια

1836
01:20:53,800 --> 01:20:56,790
το αναγνωριστικό μήνυμα, το οποίο επισημαίνει
πίσω στο τραπέζι των μηνυμάτων

1837
01:20:56,790 --> 01:20:57,850
όπου μπορώ να πάρω το σώμα.

1838
01:20:57,850 --> 01:21:01,260

1839
01:21:01,260 --> 01:21:04,420
Λοιπόν, αυτά θα είναι ρεκόρ ταυτότητες.

1840
01:21:04,420 --> 01:21:09,850
Θα επισημάνω πίσω στο
αναγνωριστικά σημείο πάνω στο τραπέζι Ντιναμό DB.

1841
01:21:09,850 --> 01:21:12,220
Κάθε δείκτης πάντα creates--
έχει πάντα το στοιχείο

1842
01:21:12,220 --> 01:21:15,750
ID ως μέρος of-- ότι
έρχεται με το δείκτη.

1843
01:21:15,750 --> 01:21:17,414
>> Εντάξει.

1844
01:21:17,414 --> 01:21:19,080
Κοινό: Είναι το λέει όπου είναι αποθηκευμένο;

1845
01:21:19,080 --> 01:21:21,420
RICK Houlihan: Ναι, αυτό λέει
exactly-- αυτό είναι ακριβώς αυτό που κάνει.

1846
01:21:21,420 --> 01:21:22,644
Λέει εδώ είναι εκ νέου ρεκόρ μου.

1847
01:21:22,644 --> 01:21:24,310
Και αυτό θα το σημείο πίσω στην εγγραφή νέου μου.

1848
01:21:24,310 --> 01:21:26,460
Ακριβώς.

1849
01:21:26,460 --> 01:21:29,490
Εντάξει, έτσι και τώρα inbox μου είναι
πράγματι πολύ μικρότερες.

1850
01:21:29,490 --> 01:21:32,210
Και αυτό όντως υποστηρίζει
η ροή εργασίας της εφαρμογή ηλεκτρονικού ταχυδρομείου.

1851
01:21:32,210 --> 01:21:34,230
Έτσι inbox μου, κάνω κλικ.

1852
01:21:34,230 --> 01:21:38,160
Έχω πάει μαζί και κάνω κλικ στο μήνυμα,
αυτό είναι όταν πρέπει να πάει να πάρει το σώμα,

1853
01:21:38,160 --> 01:21:40,180
γιατί πάω να
πάει σε μια διαφορετική άποψη.

1854
01:21:40,180 --> 01:21:43,870
Έτσι, εάν σκέφτεστε για το είδος της MVC
πλαισίου, ενόψει μοντέλο ελεγκτή.

1855
01:21:43,870 --> 01:21:46,120
>> Το μοντέλο περιέχει την
στοιχεία ότι οι ανάγκες άποψη

1856
01:21:46,120 --> 01:21:48,130
και ο ελεγκτής αλληλεπιδρά με.

1857
01:21:48,130 --> 01:21:51,670
Όταν μπορώ να αλλάξω το πλαίσιο, όταν
Έχω αλλάξει την προοπτική,

1858
01:21:51,670 --> 01:21:55,080
είναι εντάξει για να πάει πίσω στο
server και ανασυστήσουν το μοντέλο,

1859
01:21:55,080 --> 01:21:56,860
γιατί αυτό είναι που αναμένει ο χρήστης.

1860
01:21:56,860 --> 01:22:00,530
Όταν αλλάζουν απόψεις, ότι όταν
μπορούμε να πάμε πίσω στη βάση δεδομένων.

1861
01:22:00,530 --> 01:22:02,480
Έτσι ηλεκτρονικού ταχυδρομείου, κάντε κλικ στο κουμπί.

1862
01:22:02,480 --> 01:22:03,710
Ψάχνω για το σώμα.

1863
01:22:03,710 --> 01:22:04,330
Ταξίδι μετ 'επιστροφής.

1864
01:22:04,330 --> 01:22:05,680
Πηγαίνετε να πάρετε το σώμα.

1865
01:22:05,680 --> 01:22:06,950
>> Διάβασα πολύ λιγότερα δεδομένα.

1866
01:22:06,950 --> 01:22:09,960
Είμαι μόνο την ανάγνωση των φορέων που
Ο David χρειάζεται, όταν τις χρειάζεται.

1867
01:22:09,960 --> 01:22:14,230
Και δεν είμαι κάψει το 1600
Τηλεχειριστήριο μόνο για να δείξει inbox του.

1868
01:22:14,230 --> 01:22:17,670
Έτσι τώρα that-- αυτός είναι ο τρόπος
ότι LSI ή GSI-- Λυπάμαι,

1869
01:22:17,670 --> 01:22:19,900
GSI, θα μπορούσε να λειτουργήσει έξω.

1870
01:22:19,900 --> 01:22:25,450
Έχουμε κατακερματισμού μας στον αποδέκτη.

1871
01:22:25,450 --> 01:22:27,030
Έχουμε το ευρύ φάσμα που καλύπτει από την ημερομηνία αυτή.

1872
01:22:27,030 --> 01:22:31,380
Και έχουμε τα προβλεπόμενα χαρακτηριστικά
ότι χρειαζόμαστε μόνο να στηρίξουν την άποψη.

1873
01:22:31,380 --> 01:22:34,300
>> Εμείς περιστρέψτε ότι για εξερχόμενα.

1874
01:22:34,300 --> 01:22:35,770
Κατακερματισμού αποστολέα.

1875
01:22:35,770 --> 01:22:39,612
Και στην ουσία, έχουμε
η πολύ ωραία, ανεμπόδιστη θέα.

1876
01:22:39,612 --> 01:22:41,570
Και είναι basically-- εμείς
έχουν αυτό το ωραίο μηνύματα

1877
01:22:41,570 --> 01:22:45,870
πίνακα που είναι να εξαπλωθεί πολύ καλά γιατί
είναι μόνο χασίς, κατακερματίζεται αναγνωριστικό μήνυμα.

1878
01:22:45,870 --> 01:22:51,750
Και έχουμε δύο δείκτες ότι
Τα περιστρεφόμενα εκτός του εν λόγω πίνακα.

1879
01:22:51,750 --> 01:22:57,411
Εντάξει, έτσι η ιδέα εδώ είναι να μην κάνουμε
να κρατήσει τα μεγάλα στοιχεία και αυτό το μικρό δεδομένα

1880
01:22:57,411 --> 01:22:57,910
μαζί.

1881
01:22:57,910 --> 01:23:00,700
Κατανέμουμε κατακόρυφα,
στεγανοποιήσει τους πίνακες αυτούς.

1882
01:23:00,700 --> 01:23:03,150
Μην διαβάζετε τα δεδομένα δεν χρειάζεται να.

1883
01:23:03,150 --> 01:23:04,850
Εντάξει, τυχερών παιχνιδιών.

1884
01:23:04,850 --> 01:23:06,990
Όλοι μας αρέσουν τα παιχνίδια.

1885
01:23:06,990 --> 01:23:10,902
Τουλάχιστον Μου αρέσουν τα παιχνίδια στη συνέχεια.

1886
01:23:10,902 --> 01:23:12,735
Έτσι μερικά από τα πράγματα
ότι ασχολούμαστε με όταν

1887
01:23:12,735 --> 01:23:14,193
σκεφτόμαστε τυχερών παιχνιδιών, σωστά;

1888
01:23:14,193 --> 01:23:16,999
Gaming αυτές τις μέρες, ειδικά κινητά
τυχερών παιχνιδιών, είναι όλα σχετικά με τη σκέψη.

1889
01:23:16,999 --> 01:23:19,540
Και Πάω να περιστρέφεται εδώ ένα
λίγο μακριά από DynamoDB.

1890
01:23:19,540 --> 01:23:21,373
Πάω να φέρει σε
μερικές από τη συζήτηση

1891
01:23:21,373 --> 01:23:24,240
γύρω ορισμένα από τα
άλλες τεχνολογίες AWS.

1892
01:23:24,240 --> 01:23:28,930
>> Αλλά η ιδέα για gaming είναι να σκεφτεί
για την άποψη των API, API που είναι,

1893
01:23:28,930 --> 01:23:31,730
σε γενικές γραμμές, HTTP και JSON.

1894
01:23:31,730 --> 01:23:34,550
Είναι το πώς τα κινητά παιχνίδια είδος
αλληλεπιδρούν με πλάτη άκρα τους.

1895
01:23:34,550 --> 01:23:35,850
Κάνουν JSON απόσπαση.

1896
01:23:35,850 --> 01:23:40,660
Παίρνουν τα δεδομένα, και αυτό είναι όλο,
σε γενικές γραμμές, σε ωραία APIs JSON.

1897
01:23:40,660 --> 01:23:44,950
>> Τα πράγματα όπως να πάρει τους φίλους, να πάρει
τα δεδομένα leaderboard, ανταλλαγή,

1898
01:23:44,950 --> 01:23:47,699
χρήστη περιεχόμενο που δημιουργείται,
Σπρώξτε πίσω στο σύστημα,

1899
01:23:47,699 --> 01:23:49,740
αυτά είναι τα είδη των πραγμάτων
ότι θα πάμε να κάνουμε.

1900
01:23:49,740 --> 01:23:52,542
Δυαδικά δεδομένα περιουσιακό στοιχείο, τα δεδομένα αυτά
μπορεί να μην καθίσει στη βάση δεδομένων.

1901
01:23:52,542 --> 01:23:54,250
Αυτό θα μπορούσε να καθίσει σε ένα
κατάστημα αντικείμενο, σωστά;

1902
01:23:54,250 --> 01:23:56,541
Όμως, η βάση δεδομένων πρόκειται να
καταλήγουν λέγοντας το σύστημα,

1903
01:23:56,541 --> 01:23:59,140
λέει την εφαρμογή
πού να πάτε να το πάρετε.

1904
01:23:59,140 --> 01:24:03,550
Και αναπόφευκτα, multiplayer
servers, πίσω τέλος υποδομής,

1905
01:24:03,550 --> 01:24:06,180
και έχουν σχεδιαστεί για υψηλές
διαθεσιμότητα και επεκτασιμότητα.

1906
01:24:06,180 --> 01:24:09,400
Έτσι, αυτά είναι πράγματα που όλοι θέλουμε
στην υποδομή του παιχνιδιού σήμερα.

1907
01:24:09,400 --> 01:24:12,160
>> Έτσι, ας ρίξουμε μια ματιά
τι μοιάζει.

1908
01:24:12,160 --> 01:24:16,070
Πήρε έναν πυρήνα πίσω άκρο,
πολύ απλό.

1909
01:24:16,070 --> 01:24:19,880
Έχουμε ένα σύστημα εδώ με
πολλαπλές ζώνες διαθεσιμότητα.

1910
01:24:19,880 --> 01:24:23,780
Μιλήσαμε για Azs ως being-- νομίζετε
από αυτούς ξεχωριστά κέντρα δεδομένων.

1911
01:24:23,780 --> 01:24:26,040
Κέντρο περισσότερα από ένα δεδομένα
ανά Ω, αλλά αυτό είναι εντάξει,

1912
01:24:26,040 --> 01:24:28,831
απλά σκεφτείτε τους ως ξεχωριστά στοιχεία
κέντρα τα οποία είναι γεωγραφικά

1913
01:24:28,831 --> 01:24:30,090
και βλάβη που απομονώνονται.

1914
01:24:30,090 --> 01:24:32,172
>> Εμείς πάμε για να έχουν
περιπτώσεις ζευγάρι EC2.

1915
01:24:32,172 --> 01:24:33,880
Εμείς πάμε για να έχουν
κάποιοι πίσω τέλος διακομιστές.

1916
01:24:33,880 --> 01:24:35,800
Ίσως αν είστε μια κληρονομιά
αρχιτεκτονική, είμαστε

1917
01:24:35,800 --> 01:24:38,920
χρησιμοποιώντας αυτό που λέμε RDS,
σχεσιακή βάση δεδομένων υπηρεσιών.

1918
01:24:38,920 --> 01:24:42,040
Θα μπορούσε να είναι MSSQL, MySQL,
ή κατι τετοιο.

1919
01:24:42,040 --> 01:24:47,080
Αυτός είναι ο τρόπος μια πολύ εφαρμογές
έχουν σχεδιαστεί σήμερα.

1920
01:24:47,080 --> 01:24:49,594
>> Καλά θα μπορούσαμε να θέλουμε να πάμε με
Αυτό είναι όταν έχουμε κλίμακα έξω.

1921
01:24:49,594 --> 01:24:51,510
Θα προχωρήσει και να θέσει
ο κάδος S3 μέχρι εκεί.

1922
01:24:51,510 --> 01:24:54,200
Και αυτό κουβά S3, αντί να υπηρετούν
μέχρι αυτά τα αντικείμενα από servers-- μας

1923
01:24:54,200 --> 01:24:55,220
θα μπορούσαμε να το κάνουμε αυτό.

1924
01:24:55,220 --> 01:24:57,210
Βάζετε όλα τα δυαδικά σας
αντικείμενα στους διακομιστές σας

1925
01:24:57,210 --> 01:24:59,751
και μπορείτε να χρησιμοποιήσετε αυτές τις σέρβερ
περιπτώσεις που εξυπηρετούν αυτό των δεδομένων.

1926
01:24:59,751 --> 01:25:01,860
Αλλά αυτό είναι αρκετά ακριβό.

1927
01:25:01,860 --> 01:25:05,107
>> Καλύτερος τρόπος για να κάνετε είναι να πάτε μπροστά και
να θέσει αυτά τα αντικείμενα σε ένα κουβά S3.

1928
01:25:05,107 --> 01:25:06,315
S3 είναι ένα αντικείμενο αποθετήρια.

1929
01:25:06,315 --> 01:25:10,860
Είναι χτισμένο ειδικά για
εξυπηρετούν αυτά τα είδη των πραγμάτων.

1930
01:25:10,860 --> 01:25:13,690
Και ας αυτοί οι πελάτες ζητήσουν
απευθείας από τις κάδους αντικείμενο,

1931
01:25:13,690 --> 01:25:15,390
απαλλαγούν από τους διακομιστές.

1932
01:25:15,390 --> 01:25:17,020
Έτσι αρχίζουμε να αναβαθμίσουν εδώ.

1933
01:25:17,020 --> 01:25:19,140
>> Τώρα έχουμε τους χρήστες σε όλο τον κόσμο.

1934
01:25:19,140 --> 01:25:19,730
Πήρα χρήστες.

1935
01:25:19,730 --> 01:25:23,380
Θα πρέπει να έχουν περιεκτικότητα σε τοπικό επίπεδο
που βρίσκεται κοντά σε αυτούς τους χρήστες, έτσι δεν είναι;

1936
01:25:23,380 --> 01:25:26,200
Έχω δημιουργήσει ένα κουβά S3
ως αποθετήριο πηγή μου.

1937
01:25:26,200 --> 01:25:29,370
Και εγώ θα μπροστινό ότι με
η κατανομή CloudFront.

1938
01:25:29,370 --> 01:25:31,720
>> CloudFront είναι ένα CD και ένα
περιεχόμενο του δικτύου διανομής.

1939
01:25:31,720 --> 01:25:35,750
Βασικά παίρνει τα δεδομένα που εσείς καθορίζετε
και όλα αποθηκεύει μέσω του διαδικτύου

1940
01:25:35,750 --> 01:25:39,230
έτσι ώστε οι χρήστες μπορούν να έχουν παντού
μια πολύ γρήγορη απάντηση όταν

1941
01:25:39,230 --> 01:25:40,960
ζητούν αυτά τα αντικείμενα.

1942
01:25:40,960 --> 01:25:41,960
>> Έτσι, μπορείτε να πάρετε μια ιδέα.

1943
01:25:41,960 --> 01:25:48,230
Είσαι το είδος της μόχλευσης όλα τα
πτυχές της AWS εδώ για να γίνει αυτό.

1944
01:25:48,230 --> 01:25:50,790
Και τελικά, ρίχνουμε
σε μια ομάδα auto κλιμάκωση.

1945
01:25:50,790 --> 01:25:52,737
Έτσι περιπτώσεις AC2 μας
των servers του παιχνιδιού μας,

1946
01:25:52,737 --> 01:25:54,820
καθώς αρχίζουν να πάρει πιο απασχολημένος
και πιο πολυσύχναστα και πιο πολυσύχναστα,

1947
01:25:54,820 --> 01:25:57,236
που θα γυρίσετε ακριβώς ένα άλλο
παράδειγμα, γυρίστε ένα άλλο παράδειγμα,

1948
01:25:57,236 --> 01:25:58,210
γυρίσετε ένα άλλο παράδειγμα.

1949
01:25:58,210 --> 01:26:02,090
Έτσι, η τεχνολογία έχει AWS, το
σας επιτρέπει να ορίσετε τις παραμέτρους

1950
01:26:02,090 --> 01:26:04,650
γύρω από το οποίο οι διακομιστές σας θα αυξηθεί.

1951
01:26:04,650 --> 01:26:08,110
Έτσι, μπορείτε να έχετε τον αριθμό n των διακομιστών
από εκεί σε κάθε δεδομένη στιγμή.

1952
01:26:08,110 --> 01:26:11,870
Και αν το φορτίο σας πηγαίνει μακριά, θα
συρρικνώνονται, ο αριθμός θα συρρικνωθεί.

1953
01:26:11,870 --> 01:26:15,250
Και εάν το φορτίο έρχεται πίσω,
αυτό θα αυξηθεί πίσω, ελαστικά.

1954
01:26:15,250 --> 01:26:17,050
>> Έτσι, αυτό φαίνεται μεγάλη.

1955
01:26:17,050 --> 01:26:19,800
Έχουμε πολλά EC2 περιπτώσεις.

1956
01:26:19,800 --> 01:26:21,671
Μπορούμε να βάλουμε στο cache
μπροστά από τις βάσεις δεδομένων,

1957
01:26:21,671 --> 01:26:23,045
δοκιμάστε και να επιταχύνει τις βάσεις δεδομένων.

1958
01:26:23,045 --> 01:26:25,030
Το επόμενο σημείο πίεσης
συνήθως οι άνθρωποι βλέπουν

1959
01:26:25,030 --> 01:26:28,850
είναι να αναβαθμίσουν ένα παιχνίδι χρησιμοποιώντας μια
σχεσιακή βάση δεδομένων.

1960
01:26:28,850 --> 01:26:30,790
Χριστέ μου, η βάση δεδομένων
απόδοση είναι τρομερό.

1961
01:26:30,790 --> 01:26:31,932
Πώς μπορούμε να το βελτιώσουμε;

1962
01:26:31,932 --> 01:26:33,640
Ας προσπαθήσουμε θέση
cache μπροστά από αυτό.

1963
01:26:33,640 --> 01:26:36,780
>> Λοιπόν, cache δεν λειτουργεί
τόσο μεγάλη σε παιχνίδια, έτσι δεν είναι;

1964
01:26:36,780 --> 01:26:39,330
Για τα παιχνίδια, το γράψιμο είναι οδυνηρή.

1965
01:26:39,330 --> 01:26:40,930
Τα παιχνίδια είναι πολύ βαρύ γράφουν.

1966
01:26:40,930 --> 01:26:43,610
Cache δεν λειτουργεί όταν είστε
γράφετε βαρύ, επειδή έχετε πάντα

1967
01:26:43,610 --> 01:26:44,610
πήρε για να ενημερώσετε τη μνήμη cache.

1968
01:26:44,610 --> 01:26:47,780
Μπορείτε να ενημερώσετε τη μνήμη cache, είναι
άσχετο προς την προσωρινή αποθήκευση.

1969
01:26:47,780 --> 01:26:49,780
Είναι πραγματικά ακριβώς πρόσθετη εργασία.

1970
01:26:49,780 --> 01:26:51,970
>> Έτσι, πού πάμε εδώ;

1971
01:26:51,970 --> 01:26:54,400
Έχετε ένα μεγάλο εμπόδιο
εκεί κάτω στη βάση δεδομένων.

1972
01:26:54,400 --> 01:26:57,661
Και ο τόπος για να πάει
προφανώς είναι διχοτόμηση.

1973
01:26:57,661 --> 01:26:59,410
Διαμέριση δεν είναι
εύκολο να το κάνετε όταν είστε

1974
01:26:59,410 --> 01:27:01,900
που ασχολούνται με σχεσιακές βάσεις δεδομένων.

1975
01:27:01,900 --> 01:27:05,080
Με σχεσιακές βάσεις δεδομένων, είστε
υπεύθυνος για τη διαχείριση, την αποτελεσματική,

1976
01:27:05,080 --> 01:27:06,210
το πλήκτρο διαστήματος.

1977
01:27:06,210 --> 01:27:10,527
Λέτε χρήστες μεταξύ A και M
πηγαίνετε εδώ, μεταξύ Ν και Ζ πάει εκεί.

1978
01:27:10,527 --> 01:27:12,360
Και είστε μεταγωγής
σε όλη την εφαρμογή.

1979
01:27:12,360 --> 01:27:15,000
Έτσι, έχουμε να κάνουμε με
Αυτή η πηγή δεδομένων κατάτμηση.

1980
01:27:15,000 --> 01:27:18,670
Έχετε συναλλαγής περιορισμούς
ότι δεν εκτείνονται χωρίσματα.

1981
01:27:18,670 --> 01:27:20,560
Έχετε όλα τα είδη της
ακαταστασία που είστε

1982
01:27:20,560 --> 01:27:23,040
που ασχολούνται με την εκεί κάτω προσπαθώντας
να ασχοληθεί με την κλιμάκωση έξω

1983
01:27:23,040 --> 01:27:25,120
και την οικοδόμηση μιας μεγαλύτερης υποδομής.

1984
01:27:25,120 --> 01:27:27,284
Είναι απλά δεν είναι διασκέδαση.

1985
01:27:27,284 --> 01:27:30,930
>> Κοινό: Έτσι λέτε ότι
αυξάνοντας τα σημεία πηγή επιταχύνει

1986
01:27:30,930 --> 01:27:31,430
η διαδικασία?

1987
01:27:31,430 --> 01:27:32,513
RICK Houlihan: Αύξηση της;

1988
01:27:32,513 --> 01:27:33,520
Σημεία Πηγή: ακροατήριο.

1989
01:27:33,520 --> 01:27:34,410
RICK Houlihan: Πηγή σημεία;

1990
01:27:34,410 --> 01:27:37,500
Κοινό: Από τις πληροφορίες,
όταν οι πληροφορίες προέρχονται από;

1991
01:27:37,500 --> 01:27:38,250
RICK Houlihan: Όχι.

1992
01:27:38,250 --> 01:27:41,820
Αυτό που λέω είναι η αύξηση της
αριθμός των κατατμήσεων του χώρου αποθήκευσης δεδομένων

1993
01:27:41,820 --> 01:27:44,060
βελτιώνει την απόδοση.

1994
01:27:44,060 --> 01:27:48,300
Έτσι, αυτό που συμβαίνει εδώ είναι χρήστες
έρχονται στο παράδειγμα EC2 εδώ,

1995
01:27:48,300 --> 01:27:50,780
καλά, αν χρειάζεστε ένα χρήστη
αυτό είναι το Α έως Μ, θα πάω εδώ.

1996
01:27:50,780 --> 01:27:53,560
Από το Ν στη θέση P, θα πάω εδώ.

1997
01:27:53,560 --> 01:27:55,060
Από Ρ έως Ω, θα πάω εδώ.

1998
01:27:55,060 --> 01:27:57,120
>> Κοινό: Εντάξει, αυτοί έτσι ώστε αυτές είναι
αποθηκεύονται όλες σε διαφορετικούς κόμβους;

1999
01:27:57,120 --> 01:27:57,911
>> RICK Houlihan: Ναι.

2000
01:27:57,911 --> 01:28:00,210
Σκεφτείτε αυτές ως
διαφορετικά σιλό δεδομένων.

2001
01:28:00,210 --> 01:28:01,660
Έτσι, είστε υποχρεωμένοι να το κάνετε αυτό.

2002
01:28:01,660 --> 01:28:02,910
Εάν προσπαθείτε να κάνετε
αυτό, αν προσπαθείτε

2003
01:28:02,910 --> 01:28:05,730
να αναβαθμίσουν σε μια σχεσιακή πλατφόρμα,
Αυτό είναι αυτό που κάνεις.

2004
01:28:05,730 --> 01:28:08,100
Παίρνετε δεδομένων και
είστε το κόψιμο κάτω.

2005
01:28:08,100 --> 01:28:10,975
Και εσείς το κατακερματισμό σε όλη την
πολλές εμφανίσεις της βάσης δεδομένων.

2006
01:28:10,975 --> 01:28:13,580
Και είστε διαχείριση όλων ότι
στο επίπεδο εφαρμογής.

2007
01:28:13,580 --> 01:28:14,729
Δεν είναι διασκέδαση.

2008
01:28:14,729 --> 01:28:15,770
Έτσι, αυτό που θέλουμε να πάμε;

2009
01:28:15,770 --> 01:28:20,240
Θέλουμε να πάμε DynamoDB, πλήρη διαχείριση,
NoSQL χώρο αποθήκευσης δεδομένων, διακίνηση διάταξη.

2010
01:28:20,240 --> 01:28:22,680
Χρησιμοποιούμε δευτερεύοντα ευρετήρια.

2011
01:28:22,680 --> 01:28:26,154
Είναι βασικά HTTP API και
περιλαμβάνει την υποστήριξη εγγράφου.

2012
01:28:26,154 --> 01:28:28,570
Έτσι, δεν έχετε να ανησυχείτε
για οποιαδήποτε από τις εν λόγω διαχωρισμού.

2013
01:28:28,570 --> 01:28:30,740
Έχουμε κάνει όλα για εσάς.

2014
01:28:30,740 --> 01:28:33,260
Έτσι τώρα, αντ 'αυτού,
απλά γράψτε στο τραπέζι.

2015
01:28:33,260 --> 01:28:36,490
Εάν ο πίνακας θα πρέπει να κατανέμονται,
ότι συμβαίνει πίσω από τις σκηνές.

2016
01:28:36,490 --> 01:28:40,642
Είσαι εντελώς μονωμένα
από ότι ως προγραμματιστής.

2017
01:28:40,642 --> 01:28:42,350
Ας μιλήσουμε για
ορισμένες από τις περιπτώσεις χρήσης

2018
01:28:42,350 --> 01:28:47,564
ότι θα τρέχει σε στο gaming, κοινή
σενάρια παιχνίδια, leaderboard.

2019
01:28:47,564 --> 01:28:49,980
Έτσι έχετε χρήστες που έρχονται,
οι BoardNames ότι είναι

2020
01:28:49,980 --> 01:28:52,930
στο εξής, οι βαθμολογίες για αυτόν τον χρήστη.

2021
01:28:52,930 --> 01:28:57,700
Θα μπορούσαμε να κατακερματισμός στην UserID,
και τότε έχουμε εύρος στο παιχνίδι.

2022
01:28:57,700 --> 01:28:59,960
Έτσι, κάθε χρήστης θέλει να δει
όλο το παιχνίδι που έπαιξε

2023
01:28:59,960 --> 01:29:01,770
και όλα τα κορυφαία βαθμολογία του
σε όλες του παιχνιδιού.

2024
01:29:01,770 --> 01:29:04,000
Έτσι, αυτό είναι προσωπική του leaderboard.

2025
01:29:04,000 --> 01:29:10,010
>> Τώρα θέλω να πάω μέσα και θέλω να get--
ώστε να πάρω αυτά τα προσωπικά leaderboards.

2026
01:29:10,010 --> 01:29:12,827
Αυτό που θέλω να κάνετε είναι να πάτε να πάρετε
η κορυφαία βαθμολογία για όλους τους χρήστες.

2027
01:29:12,827 --> 01:29:13,660
Λοιπόν, πώς μπορώ να το κάνω;

2028
01:29:13,660 --> 01:29:18,070
Όταν το ρεκόρ μου κατακερματίζεται σε
το UserID, κυμάνθηκε στο παιχνίδι,

2029
01:29:18,070 --> 01:29:20,740
Καλά είμαι πρόκειται να πάει μπροστά
και την αναδιάρθρωση, δημιουργούν ένα GSI,

2030
01:29:20,740 --> 01:29:22,370
και θα πάω να αναδιαρθρώσει τα δεδομένα.

2031
01:29:22,370 --> 01:29:27,310
>> Τώρα Πάω να hash για το
BoardName, το οποίο είναι το παιχνίδι.

2032
01:29:27,310 --> 01:29:29,800
Και Πάω να κυμαίνονται σχετικά με την κορυφαία βαθμολογία.

2033
01:29:29,800 --> 01:29:31,540
Και τώρα που έχω δημιουργήσει διαφορετικές κουβάδες.

2034
01:29:31,540 --> 01:29:34,790
Είμαι χρησιμοποιώντας το ίδιο τραπέζι,
τα ίδια δεδομένα στοιχείο.

2035
01:29:34,790 --> 01:29:39,870
Αλλά είμαι δημιουργώντας έναν κουβά που δίνει
με μία συγκέντρωση κορυφαία βαθμολογία από το παιχνίδι.

2036
01:29:39,870 --> 01:29:43,180
>> Και μπορώ να ερώτημα που τραπέζι
για να πάρει αυτές τις πληροφορίες.

2037
01:29:43,180 --> 01:29:50,890
Έτσι έχω δημιουργήσει αυτό το μοτίβο μέχρι ερώτημα
να υποστηρίζεται από ένα δευτερεύον ευρετήριο.

2038
01:29:50,890 --> 01:29:54,556
Τώρα μπορούν να ταξινομηθούν ανά BoardName
και κατατάσσονται σύμφωνα με τη TopScore, ανάλογα με.

2039
01:29:54,556 --> 01:29:57,180
Έτσι μπορείτε να δείτε, αυτά είναι τα είδη
από τις περιπτώσεις χρήσης μπορείτε να πάρετε στο gaming.

2040
01:29:57,180 --> 01:30:02,190
Μια άλλη καλή περίπτωση χρήσης φτάσουμε στο gaming
είναι βραβεία και ποιος κέρδισε τα βραβεία.

2041
01:30:02,190 --> 01:30:05,340
Και αυτό είναι μια μεγάλη υπόθεση χρήσης
όπου λέμε αραιά ευρετήρια.

2042
01:30:05,340 --> 01:30:07,340
Αραιή δείκτες είναι η
ικανότητα να παράγουν

2043
01:30:07,340 --> 01:30:10,850
ένας δείκτης που δεν οδηγεί υποχρεωτικά
περιέχει κάθε μεμονωμένο στοιχείο στο τραπέζι.

2044
01:30:10,850 --> 01:30:11,470
Και γιατί όχι;

2045
01:30:11,470 --> 01:30:14,540
Επειδή το χαρακτηριστικό που έχει είναι
ευρετήριο δεν υπάρχει για κάθε αντικείμενο.

2046
01:30:14,540 --> 01:30:16,460
>> Έτσι, σε αυτή τη συγκεκριμένη
χρησιμοποιήστε την περίπτωση, λέω,

2047
01:30:16,460 --> 01:30:19,240
ξέρετε τι, Πάω να
δημιουργήσετε ένα χαρακτηριστικό, που ονομάζεται βραβείο.

2048
01:30:19,240 --> 01:30:22,970
Και Πάω να δώσει σε κάθε χρήστη
ότι έχει ένα βραβείο που αποδίδουν.

2049
01:30:22,970 --> 01:30:25,950
Οι χρήστες που δεν έχουν βραβεία
δεν πρόκειται να έχουν αυτό το χαρακτηριστικό.

2050
01:30:25,950 --> 01:30:27,800
Έτσι, όταν μπορώ να δημιουργήσω το
δείκτη, οι μόνοι χρήστες

2051
01:30:27,800 --> 01:30:28,960
που πρόκειται να δείξουν
στο ευρετήριο είναι

2052
01:30:28,960 --> 01:30:31,050
εκείνοι που πραγματικά έχουν κερδίσει βραβεία.

2053
01:30:31,050 --> 01:30:34,440
Έτσι, αυτό είναι ένας πολύ καλός τρόπος για να είναι σε θέση
για να δημιουργήσετε ευρετήρια ότι φιλτραρισμένα

2054
01:30:34,440 --> 01:30:40,580
είναι πολύ, πολύ επιλεκτική που δεν
Πρέπει να δείκτη ολόκληρο τον πίνακα.

2055
01:30:40,580 --> 01:30:43,050
>> Έτσι παίρνουμε χαμηλά για την ώρα εδώ.

2056
01:30:43,050 --> 01:30:49,190
Πάω να προχωρήσει και να παραλείψετε
και να παραλείψετε αυτό το σενάριο.

2057
01:30:49,190 --> 01:30:52,625
Μιλήσουμε λίγο about--

2058
01:30:52,625 --> 01:30:54,460
>> Κοινό: Μπορώ να κάνω μια γρήγορη ερώτηση;

2059
01:30:54,460 --> 01:30:56,722
Ένας είναι να γράψετε βαριά;

2060
01:30:56,722 --> 01:30:57,680
RICK Houlihan: Τι είναι;

2061
01:30:57,680 --> 01:30:58,596
Κοινό: Γράψτε βαρύ.

2062
01:30:58,596 --> 01:31:01,270
RICK Houlihan: Γράψτε βαρύ.

2063
01:31:01,270 --> 01:31:03,460
Άσε με να δω.

2064
01:31:03,460 --> 01:31:06,220
>> Κοινό: Ή είναι ότι δεν
κάτι που μπορείτε απλά

2065
01:31:06,220 --> 01:31:08,809
φωνή στο θέμα δευτερολέπτων;

2066
01:31:08,809 --> 01:31:10,850
RICK Houlihan: Πάμε
μέσα από το σενάριο της ψηφοφορίας.

2067
01:31:10,850 --> 01:31:11,670
Δεν είναι τόσο άσχημα.

2068
01:31:11,670 --> 01:31:14,580
Μήπως εσείς έχετε μερικά λεπτά;

2069
01:31:14,580 --> 01:31:15,860
ΕΝΤΆΞΕΙ.

2070
01:31:15,860 --> 01:31:17,890
>> Έτσι, θα μιλήσουμε για την ψηφοφορία.

2071
01:31:17,890 --> 01:31:20,250
Έτσι ψήφου σε πραγματικό χρόνο, έχουμε
απαιτήσεις για την ψηφοφορία.

2072
01:31:20,250 --> 01:31:25,250
Απαιτήσεις είναι ότι επιτρέπουμε
κάθε πρόσωπο να ψηφίσει μόνο μια φορά.

2073
01:31:25,250 --> 01:31:28,060
Θέλουμε κανείς να είναι σε θέση
να αλλάξουν την ψήφο τους.

2074
01:31:28,060 --> 01:31:31,045
Θέλουμε πραγματικό χρόνο συνάθροισης
και analytics για τη δημογραφία

2075
01:31:31,045 --> 01:31:34,210
ότι θα πάμε να είναι
που δείχνει προς τους χρήστες στο site.

2076
01:31:34,210 --> 01:31:35,200
>> Σκεφτείτε αυτό το σενάριο.

2077
01:31:35,200 --> 01:31:37,550
Δουλεύουμε πολύ της πραγματικότητας
Τηλεόραση δείχνει πού είναι

2078
01:31:37,550 --> 01:31:38,960
κάνει αυτά ακριβές είδος των πραγμάτων.

2079
01:31:38,960 --> 01:31:41,584
Έτσι, μπορείτε να σκεφτείτε το σενάριο,
έχουμε εκατομμύρια και τα εκατομμύρια

2080
01:31:41,584 --> 01:31:43,959
των έφηβων κοριτσιών εκεί
με τα κινητά τους

2081
01:31:43,959 --> 01:31:46,250
και την ψηφοφορία, καθώς και δικαίωμα ψήφου, και
ψηφίζοντας όποιοι κι αν είναι

2082
01:31:46,250 --> 01:31:48,610
βρείτε να είναι η πιο δημοφιλής.

2083
01:31:48,610 --> 01:31:50,830
Έτσι, αυτά είναι μερικά από τα
απαιτήσεις θα εξαντληθεί.

2084
01:31:50,830 --> 01:31:52,990
>> Και έτσι η πρώτη να λάβει
σε επίλυση αυτού του προβλήματος

2085
01:31:52,990 --> 01:31:55,090
θα ήταν να κατασκευαστεί ένα
πολύ απλή εφαρμογή.

2086
01:31:55,090 --> 01:31:56,490
Έτσι έχω αυτό το app.

2087
01:31:56,490 --> 01:31:57,950
Έχω κάποιες ψηφοφόρους εκεί έξω.

2088
01:31:57,950 --> 01:31:59,980
Έρχονται σε χτυπούν την εφαρμογή της ψηφοφορίας.

2089
01:31:59,980 --> 01:32:03,440
Έχω κάποιες πρώτες ψηφοφορίες τραπέζι
Θα χωματερή μόνο αυτές τις ψήφους σε.

2090
01:32:03,440 --> 01:32:05,780
Θα έχω κάποιο συνολικά
ψήφοι πίνακα που

2091
01:32:05,780 --> 01:32:09,490
θα κάνει analytics και τα δημογραφικά στοιχεία μου,
και θα βάλουμε όλα αυτά εκεί.

2092
01:32:09,490 --> 01:32:11,420
>> Και αυτό είναι μεγάλη.

2093
01:32:11,420 --> 01:32:12,332
Η ζωή είναι ωραία.

2094
01:32:12,332 --> 01:32:15,040
Η ζωή είναι καλή μέχρι να βρούμε ότι
υπάρχει πάντα μόνο ένα ή δύο

2095
01:32:15,040 --> 01:32:16,879
οι άνθρωποι που είναι δημοφιλείς σε εκλογές.

2096
01:32:16,879 --> 01:32:19,420
Υπάρχει μόνο ένα ή δύο πράγματα
ότι οι άνθρωποι ενδιαφέρονται πραγματικά για.

2097
01:32:19,420 --> 01:32:22,340
Και αν είστε ψήφου σε
κλίμακα, ξαφνικά είμαι

2098
01:32:22,340 --> 01:32:26,360
πρόκειται να σφυρηλάτηση την κόλαση έξω από
δύο υποψήφιοι, μία ή δύο υποψηφίους.

2099
01:32:26,360 --> 01:32:29,390
Μια πολύ περιορισμένο αριθμό τεμαχίων
άνθρωποι βρίσκουν να είναι δημοφιλής.

2100
01:32:29,390 --> 01:32:31,710
>> Αυτό δεν είναι ένα καλό πρότυπο σχεδιασμού.

2101
01:32:31,710 --> 01:32:33,549
Αυτό είναι στην πραγματικότητα μια
πολύ κακό πρότυπο σχεδιασμού

2102
01:32:33,549 --> 01:32:36,340
γιατί δημιουργεί ακριβώς αυτό που
μίλησε για το οποίο ήταν πλήκτρα.

2103
01:32:36,340 --> 01:32:38,960
Hot πλήκτρα είναι κάτι που δεν μας αρέσει.

2104
01:32:38,960 --> 01:32:40,470
>> Επομένως, πώς θα το διορθώσουμε;

2105
01:32:40,470 --> 01:32:47,640
Και πραγματικά, ο τρόπος για να διορθωθεί αυτό είναι
με τη λήψη των εν λόγω υποψήφιος κουβάδες

2106
01:32:47,640 --> 01:32:51,490
και για κάθε υποψήφιο που έχουμε,
θα πάμε να προσθέσετε μια τυχαία τιμή,

2107
01:32:51,490 --> 01:32:54,192
κάτι που ξέρουμε, τυχαία
τιμή μεταξύ ενός και 100,

2108
01:32:54,192 --> 01:32:56,620
μεταξύ 100 και 1000,
ή μεταξύ ενός και 1000,

2109
01:32:56,620 --> 01:32:59,940
Ωστόσο, πολλές τυχαίες τιμές που θέλετε να
επισυνάπτει στο τέλος του εν λόγω υποψηφίου.

2110
01:32:59,940 --> 01:33:01,330
>> Και τι έχω πραγματικά κάνει τότε;

2111
01:33:01,330 --> 01:33:05,830
Αν είμαι χρησιμοποιώντας το αναγνωριστικό υποψηφίου ως
ο κουβάς με το σύνολο των ψήφων,

2112
01:33:05,830 --> 01:33:08,780
αν έχω προσθέσει ένα τυχαίο
αριθμό στο τέλος του ότι,

2113
01:33:08,780 --> 01:33:12,000
Έχω δημιουργήσει τώρα 10 κουβάδες, ένα
εκατό κουβάδες, χίλια κουβάδες

2114
01:33:12,000 --> 01:33:14,160
ότι είμαι άθροιση ψήφων σε ολόκληρη.

2115
01:33:14,160 --> 01:33:18,030
>> Γι 'αυτό και έχουν εκατομμύρια και εκατομμύρια,
και τα εκατομμύρια των αρχείων που έρχονται σε

2116
01:33:18,030 --> 01:33:22,050
για αυτούς τους υποψηφίους, είμαι τώρα εξαπλώνεται
και αυτές οι ψήφοι σε όλη την υποψήφια A_1

2117
01:33:22,050 --> 01:33:24,630
μέσω υποψήφιες A_100, επειδή
κάθε φορά που μια ψηφοφορία έρχεται,

2118
01:33:24,630 --> 01:33:26,530
Είμαι παραγωγή ενός τυχαίου
τιμή μεταξύ ενός και 100.

2119
01:33:26,530 --> 01:33:29,446
Είμαι αυτό που στερέωση πάνω στο άκρο του
υποψηφίου που προσώπου ψηφίζουν.

2120
01:33:29,446 --> 01:33:31,120
Είμαι το ντάμπινγκ στην εν λόγω κουβά.

2121
01:33:31,120 --> 01:33:33,910
>> Τώρα στο πίσω μέρος, το ξέρω
ότι πήρα εκατό κουβάδες.

2122
01:33:33,910 --> 01:33:36,350
Έτσι, όταν θέλω να πάω μπροστά
και συγκεντρώνουν τις ψήφους,

2123
01:33:36,350 --> 01:33:38,244
Διάβασα από όλους αυτούς τους κάδους.

2124
01:33:38,244 --> 01:33:39,160
Γι 'αυτό να προχωρήσει και να προσθέσετε.

2125
01:33:39,160 --> 01:33:42,410
Και τότε εγώ η διασπορά συγκεντρώσει
όπου πάω έξω και να πω hey,

2126
01:33:42,410 --> 01:33:45,399
ξέρετε τι, το κλειδί της υποψήφιας αυτής χώρας
χώρων είναι πάνω από εκατό κουβάδες.

2127
01:33:45,399 --> 01:33:47,940
Πάω να συγκεντρώσει όλα τα
ψήφους από εκείνες τις εκατό κουβάδες.

2128
01:33:47,940 --> 01:33:49,981
Πάω να συσσωματώνονται
τους και θα πάω να πω,

2129
01:33:49,981 --> 01:33:53,830
Υποψήφιος Α έχει τώρα
συνολική καταμέτρηση των ψήφων του x.

2130
01:33:53,830 --> 01:33:55,690
>> Τώρα τόσο η διαγραφή
το ερώτημα και το ερώτημα ανάγνωσης

2131
01:33:55,690 --> 01:33:58,160
Τα όμορφα διανέμονται
γιατί γράφω σε όλη

2132
01:33:58,160 --> 01:34:00,320
και διαβάζω σε εκατοντάδες κλειδιών.

2133
01:34:00,320 --> 01:34:03,500
Δεν γράφω και
διατρέχοντας ένα κλειδί τώρα.

2134
01:34:03,500 --> 01:34:04,950
Οπότε αυτό είναι ένα μεγάλο σχέδιο.

2135
01:34:04,950 --> 01:34:08,090
>> Αυτό είναι στην πραγματικότητα πιθανώς ένα
από τα πιο σημαντικά σχεδιασμού

2136
01:34:08,090 --> 01:34:10,420
πρότυπα για την κλίμακα στην NoSQL.

2137
01:34:10,420 --> 01:34:14,470
Θα δείτε αυτό το είδος του
πρότυπο σχεδιασμού σε κάθε γεύση.

2138
01:34:14,470 --> 01:34:19,100
MongoDB, DynamoDB, αυτό δεν γίνεται
θέμα, όλοι πρέπει να το κάνουμε αυτό.

2139
01:34:19,100 --> 01:34:21,840
Διότι όταν έχεις να κάνεις
με αυτές τις τεράστιες συναθροίσεις,

2140
01:34:21,840 --> 01:34:26,650
θα πρέπει να βρουν έναν τρόπο για να
εξαπλωθεί σε όλη τους κουβάδες.

2141
01:34:26,650 --> 01:34:29,512
Έτσι, αυτός είναι ο τρόπος να το κάνεις αυτό.

2142
01:34:29,512 --> 01:34:31,220
Εντάξει, έτσι τι
κάνεις τώρα είμαστε

2143
01:34:31,220 --> 01:34:35,252
Είναι έχετε λογαριασμό στα ανοικτά ανάγνωσης
κόστος για επεκτασιμότητα εγγραφής.

2144
01:34:35,252 --> 01:34:37,085
Το κόστος της ανάγνωσης μου
λίγο πιο περίπλοκη

2145
01:34:37,085 --> 01:34:40,220
και έχω να πάω διαβάσει από μια
εκατό κουβάδες αντί για μία.

2146
01:34:40,220 --> 01:34:41,310
Αλλά είμαι σε θέση να γράψω.

2147
01:34:41,310 --> 01:34:44,860
Και τη δυναμικότητα μου, μου γράφουν
διεκπεραίωσης είναι απίστευτο.

2148
01:34:44,860 --> 01:34:49,450
Γι 'αυτό είναι συνήθως μια πολύτιμη
τεχνική για την κλιμάκωση DynamoDB,

2149
01:34:49,450 --> 01:34:51,350
ή οποιαδήποτε βάση δεδομένων NoSQL για το θέμα αυτό.

2150
01:34:51,350 --> 01:34:53,824

2151
01:34:53,824 --> 01:34:55,240
Έτσι καταλάβαμε πώς να την περιορίσουμε.

2152
01:34:55,240 --> 01:34:56,930
Και καταλάβαμε πώς να
εξάλειψη των hot keys μας.

2153
01:34:56,930 --> 01:34:57,820
Και αυτό είναι φανταστικό.

2154
01:34:57,820 --> 01:34:58,960
Και πήραμε αυτό το ωραίο σύστημα.

2155
01:34:58,960 --> 01:35:02,043
Και αυτό είναι μας έχει δώσει πολύ σωστή ψήφου
επειδή έχουμε ρεκόρ ψηφοφορία de-κοροϊδεύω.

2156
01:35:02,043 --> 01:35:03,130
Είναι χτισμένο σε DynamoDB.

2157
01:35:03,130 --> 01:35:05,380
Μιλήσαμε για υπό όρους δικαιωμάτων.

2158
01:35:05,380 --> 01:35:08,170
>> Όταν ένας ψηφοφόρος έρχεται, puts
ένα ένθετο στο τραπέζι,

2159
01:35:08,170 --> 01:35:11,220
παρεμβάλλουν με ταυτοποίησης των ψηφοφόρων τους,
αν προσπαθήσουν να εισαχθεί μια άλλη ψηφοφορία,

2160
01:35:11,220 --> 01:35:13,320
Να κάνω μια υπό όρους εγγραφής.

2161
01:35:13,320 --> 01:35:16,960
Πείτε μόνο γράψω αυτό
αν αυτό δεν υπάρχει.

2162
01:35:16,960 --> 01:35:19,270
Έτσι μόλις βλέπω ότι
ότι η ψήφος του χτύπησε το τραπέζι,

2163
01:35:19,270 --> 01:35:20,460
κανείς άλλος δεν πρόκειται να είναι
είναι σε θέση να βάλει την ψήφο τους.

2164
01:35:20,460 --> 01:35:21,634
Και αυτό είναι φανταστικό.

2165
01:35:21,634 --> 01:35:23,550
Και είμαστε προσαύξηση
υποψήφιος μετρητές μας.

2166
01:35:23,550 --> 01:35:25,466
Και κάνουμε μας
δημογραφικά στοιχεία και όλα αυτά.

2167
01:35:25,466 --> 01:35:29,110
Αλλά τι θα συμβεί αν μου
εφαρμογή πέφτει πάνω;

2168
01:35:29,110 --> 01:35:31,350
Τώρα ξαφνικά ψήφων
έρχονται σε, και εγώ

2169
01:35:31,350 --> 01:35:34,840
Δεν ξέρω αν είναι να πάρει τα μεταποιημένα
σε analytics και δημογραφικά στοιχεία μου

2170
01:35:34,840 --> 01:35:36,040
πια.

2171
01:35:36,040 --> 01:35:38,462
Και όταν η εφαρμογή
έρχεται πίσω, πώς

2172
01:35:38,462 --> 01:35:41,420
η κόλαση μπορώ να ξέρω τι έχουν ψήφοι
υποβληθεί σε επεξεργασία και όπου μπορώ να ξεκινήσω;

2173
01:35:41,420 --> 01:35:44,530
>> Έτσι, αυτό είναι ένα πραγματικό πρόβλημα, όταν
να αρχίσουμε να εξετάζουμε σε αυτό το σενάριο.

2174
01:35:44,530 --> 01:35:45,571
Και πώς μπορούμε να λύσουμε αυτό;

2175
01:35:45,571 --> 01:35:48,070
Θα το λύσουμε με αυτό που
καλέστε DynamoDB ρεύματα.

2176
01:35:48,070 --> 01:35:53,470
Ρευμάτων είναι ένας χρόνος και διέταξε
κατανεμήθηκε καταγραφής της πρόσβασης κάθε αλλαγή

2177
01:35:53,470 --> 01:35:55,700
στο τραπέζι, κάθε γράφουν
πρόσβαση στο τραπέζι.

2178
01:35:55,700 --> 01:35:58,810
Όλα τα δεδομένα που είναι γραμμένο στην
πίνακας παρουσιάζει στο ρεύμα.

2179
01:35:58,810 --> 01:36:01,815
>> Είναι βασικά μια ουρά 24 ώρες.

2180
01:36:01,815 --> 01:36:03,690
Είδη χτυπήσει το ρεύμα,
ζουν για 24 ώρες.

2181
01:36:03,690 --> 01:36:05,990
Μπορούν να διαβάσει πολλές φορές.

2182
01:36:05,990 --> 01:36:09,400
Εγγυημένη για να παραδοθεί
μόνο μία φορά στο ρεύμα,

2183
01:36:09,400 --> 01:36:11,180
θα μπορούσε να διαβάσει τον αριθμό n φορές.

2184
01:36:11,180 --> 01:36:14,910
Έτσι, ωστόσο πολλές διαδικασίες που θέλετε να
καταναλώνουν αυτά τα δεδομένα, μπορείτε να το καταναλώνουν.

2185
01:36:14,910 --> 01:36:16,350
Θα εμφανίζεται κάθε ενημέρωση.

2186
01:36:16,350 --> 01:36:18,455
Κάθε γράφετε θα μόνο
εμφανίζονται μία φορά στο ρεύμα.

2187
01:36:18,455 --> 01:36:20,621
Έτσι, δεν έχετε να ανησυχείτε
σχετικά με την επεξεργασία δύο φορές

2188
01:36:20,621 --> 01:36:22,500
από την ίδια διαδικασία.

2189
01:36:22,500 --> 01:36:25,350
>> Είναι αυστηρά διέταξε ανά τεμάχιο.

2190
01:36:25,350 --> 01:36:28,180
Όταν λέμε του χρόνου
διέταξε και κατανεμήθηκε,

2191
01:36:28,180 --> 01:36:30,680
θα δείτε ανά διαμέρισμα στο ρεύμα.

2192
01:36:30,680 --> 01:36:33,169
Θα δείτε τα στοιχεία, ενημερώσεις σε τάξη.

2193
01:36:33,169 --> 01:36:35,210
Δεν εγγυάται
για το ρεύμα που είστε

2194
01:36:35,210 --> 01:36:40,240
πρόκειται να πάρει κάθε συναλλαγή
με τη σειρά κατά μήκος αντικείμενα.

2195
01:36:40,240 --> 01:36:42,440
>> Έτσι, τα ρεύματα είναι idempotent.

2196
01:36:42,440 --> 01:36:44,037
Μήπως όλοι γνωρίζουμε τι σημαίνει idempotent;

2197
01:36:44,037 --> 01:36:46,620
Idempotent σημαίνει ότι μπορείτε να το κάνετε
πάνω, και πάνω, και ξανά.

2198
01:36:46,620 --> 01:36:48,200
Το αποτέλεσμα πρόκειται να είναι το ίδιο.

2199
01:36:48,200 --> 01:36:49,991
>> Ρεύματα είναι idempotent,
αλλά θα πρέπει να είναι

2200
01:36:49,991 --> 01:36:54,860
έπαιξε από το σημείο εκκίνησης,
όπου κι αν επιλέξετε, στο τέλος,

2201
01:36:54,860 --> 01:36:57,950
ή δεν θα οδηγήσει
στις ίδιες τιμές.

2202
01:36:57,950 --> 01:36:59,727
>> Το ίδιο πράγμα με MongoDB.

2203
01:36:59,727 --> 01:37:01,560
MongoDB έχει ένα κατασκεύασμα
καλούν την oplog.

2204
01:37:01,560 --> 01:37:04,140
Είναι ακριβώς το ίδιο κατασκεύασμα.

2205
01:37:04,140 --> 01:37:06,500
Πολλές βάσεις δεδομένων NoSQL
έχουν αυτό το κατασκεύασμα.

2206
01:37:06,500 --> 01:37:08,790
Το χρησιμοποιούμε για να κάνουμε τα πράγματα
όπως αντιγραφή, η οποία

2207
01:37:08,790 --> 01:37:10,475
Είναι ακριβώς αυτό που κάνουμε με τα ρεύματα.

2208
01:37:10,475 --> 01:37:12,350
Κοινό: Ίσως
αιρετική ερώτηση, αλλά θα

2209
01:37:12,350 --> 01:37:13,975
μιλάμε για εφαρμογές κάνει τα κάτω μια ούτω καθεξής.

2210
01:37:13,975 --> 01:37:16,089
Τα ρεύματα σίγουρη
ποτέ ενδεχομένως να πάει κάτω;

2211
01:37:16,089 --> 01:37:18,630
RICK Houlihan: Ναι, ρέματα
είναι εγγυημένο ποτέ να πάει κάτω.

2212
01:37:18,630 --> 01:37:21,040
Έχουμε τη διαχείριση της υποδομής
πίσω. ρέματα αυτόματα

2213
01:37:21,040 --> 01:37:22,498
αναπτύξετε σε ομάδα αυτόματη κλιμάκωση τους.

2214
01:37:22,498 --> 01:37:25,910
Θα περάσουν από μια μικρή
λίγο για το τι συμβαίνει.

2215
01:37:25,910 --> 01:37:30,060
>> Δεν θα πρέπει να πω ότι δεν είναι
εγγυημένο ποτέ να πάει κάτω.

2216
01:37:30,060 --> 01:37:33,110
Τα στοιχεία εγγυημένες
να εμφανιστεί στο ρεύμα.

2217
01:37:33,110 --> 01:37:36,740
Και το ρεύμα θα είναι προσβάσιμη.

2218
01:37:36,740 --> 01:37:40,580
Έτσι, αυτό που κατεβαίνει ή έρχεται πίσω
up, αυτό συμβαίνει από κάτω.

2219
01:37:40,580 --> 01:37:43,844
Είναι covers-- είναι εντάξει.

2220
01:37:43,844 --> 01:37:46,260
Εντάξει, έτσι μπορείτε να πάρετε διαφορετικά
τύπων θέα από την οθόνη.

2221
01:37:46,260 --> 01:37:51,040
Οι τύποι άποψη ότι είναι σημαντικό να α
προγραμματιστής συνήθως είναι, τι ήταν;

2222
01:37:51,040 --> 01:37:52,370
Παίρνω την παλιά άποψη.

2223
01:37:52,370 --> 01:37:55,630
Όταν μια ενημερωμένη έκδοση χτυπά το τραπέζι, αυτό θα
πιέστε το παλιό θέα στο ρεύμα

2224
01:37:55,630 --> 01:38:02,070
έτσι ώστε τα δεδομένα να αρχειοθετήσετε, ή αλλαγή
ελέγχου, την αναγνώριση αλλαγή, αλλαγή

2225
01:38:02,070 --> 01:38:03,600
διαχείριση.

2226
01:38:03,600 --> 01:38:07,160
>> Η νέα εικόνα, τι είναι τώρα, μετά
η ενημέρωση, η οποία είναι ένας άλλος τύπος άποψη

2227
01:38:07,160 --> 01:38:07,660
μπορείς να πάρεις.

2228
01:38:07,660 --> 01:38:09,660
Μπορείτε να πάρετε τόσο τα παλαιά και τα νέα εικόνες.

2229
01:38:09,660 --> 01:38:10,660
Ισως και τα δύο θέλετε.

2230
01:38:10,660 --> 01:38:11,790
Θέλω να δω τι ήταν.

2231
01:38:11,790 --> 01:38:13,290
Θέλω να δω τι άλλαξε σε.

2232
01:38:13,290 --> 01:38:15,340
>> Έχω ένα είδος συμμόρφωσης
της διαδικασίας που εκτελείται.

2233
01:38:15,340 --> 01:38:17,430
Πρέπει να βεβαιωθείτε ότι
όταν αλλάζουν αυτά τα πράγματα,

2234
01:38:17,430 --> 01:38:21,840
ότι είναι εντός ορισμένων ορίων
ή εντός ορισμένων παραμέτρων.

2235
01:38:21,840 --> 01:38:23,840
>> Και τότε ίσως μόνο
Πρέπει να ξέρετε τι άλλαξε.

2236
01:38:23,840 --> 01:38:26,240
Δεν με νοιάζει τι στοιχείο αλλάξει.

2237
01:38:26,240 --> 01:38:28,580
Δεν χρειάζεται να πρέπει να ξέρετε
τι αποδίδει αλλάξει.

2238
01:38:28,580 --> 01:38:30,882
Απλά πρέπει να γνωρίζουν ότι
τα στοιχεία που άγγιξε.

2239
01:38:30,882 --> 01:38:33,340
Έτσι, αυτά είναι τα είδη των απόψεων
ότι μπορείτε να πάρετε από το ρεύμα

2240
01:38:33,340 --> 01:38:35,960
και μπορείτε να αλληλεπιδράσετε με.

2241
01:38:35,960 --> 01:38:37,840
>> Η εφαρμογή που
καταναλώνει το ρεύμα,

2242
01:38:37,840 --> 01:38:39,298
αυτό είναι το είδος της τρόπο αυτό λειτουργεί.

2243
01:38:39,298 --> 01:38:42,570
DynamoDB πελάτης ζητήσει να
ωθήσει τα δεδομένα στους πίνακες.

2244
01:38:42,570 --> 01:38:44,750
Ρεύματα αναπτύξετε σε αυτό που ονομάζουμε θραύσματα.

2245
01:38:44,750 --> 01:38:47,380
Οι Shards κλίμακα
ανεξάρτητα από το τραπέζι.

2246
01:38:47,380 --> 01:38:50,660
Δεν παρατάξει εντελώς
στα χωρίσματα του τραπεζιού σας.

2247
01:38:50,660 --> 01:38:52,540
Και ο λόγος είναι
επειδή παρατάξει

2248
01:38:52,540 --> 01:38:55,430
με την ικανότητα, η τρέχουσα
ικανότητα του πίνακα.

2249
01:38:55,430 --> 01:38:57,600
>> Αναπτύσσονται σε τους
τη δική του ομάδα κλιμάκωση αυτοκινήτων,

2250
01:38:57,600 --> 01:39:00,800
και αρχίζουν να γυρνάνε έξω, ανάλογα
σχετικά με το πόσες εγγραφές έρχονται σε,

2251
01:39:00,800 --> 01:39:03,090
πόσα reads-- πραγματικά είναι, γράφει.

2252
01:39:03,090 --> 01:39:05,820
Δεν υπάρχει reads-- αλλά πώς
Οι πολλές εγγραφές που έρχονται.

2253
01:39:05,820 --> 01:39:08,200
>> Και στη συνέχεια στο πίσω μέρος
τέλος, έχουμε αυτό που

2254
01:39:08,200 --> 01:39:11,390
καλέσετε έναν KCL, ή το Kinesis πελάτη Βιβλιοθήκη.

2255
01:39:11,390 --> 01:39:19,190
Kinesis είναι ένα δεδομένο ρεύμα
τεχνολογία επεξεργασίας από το Amazon.

2256
01:39:19,190 --> 01:39:22,040
Και ρεύματα είναι χτισμένο πάνω σε αυτό.

2257
01:39:22,040 --> 01:39:25,670
>> Έτσι, μπορείτε να χρησιμοποιήσετε ένα KCL ενεργοποιημένη
αίτηση για να διαβάσετε το ρεύμα.

2258
01:39:25,670 --> 01:39:28,752
Ο Πελάτης Βιβλιοθήκη Kinesis πραγματικότητα
διαχειρίζεται τους εργαζομένους για εσάς.

2259
01:39:28,752 --> 01:39:30,460
Και το κάνει επίσης κάποια
ενδιαφέροντα πράγματα.

2260
01:39:30,460 --> 01:39:35,630
Θα δημιουργήσει κάποιους πίνακες μέχρι
στο DynamoDB tablespace σας

2261
01:39:35,630 --> 01:39:38,410
να παρακολουθείτε ποια στοιχεία
έχουν υποβληθεί σε επεξεργασία.

2262
01:39:38,410 --> 01:39:41,190
Έτσι, με αυτόν τον τρόπο, αν πέφτει πίσω, αν
πέφτει πάνω και έρχεται και παίρνει

2263
01:39:41,190 --> 01:39:45,570
στάθηκε πίσω επάνω, μπορεί να προσδιοριστεί ο τόπος όπου
ήταν στην επεξεργασία του ρεύματος.

2264
01:39:45,570 --> 01:39:48,360
>> Αυτό είναι πολύ σημαντικό όταν
μιλάτε για αντιγραφή.

2265
01:39:48,360 --> 01:39:50,350
Πρέπει να ξέρω τι
δεδομένα υποβληθεί σε επεξεργασία

2266
01:39:50,350 --> 01:39:52,810
και ποια δεδομένα έχει ακόμη να υποβληθούν σε επεξεργασία.

2267
01:39:52,810 --> 01:39:57,380
Έτσι, η βιβλιοθήκη KCL για ρεύματα θα
να σας δώσει μια πολύ αυτήν τη λειτουργία.

2268
01:39:57,380 --> 01:39:58,990
Θα φροντίζει για όλα τα καθαριότητας.

2269
01:39:58,990 --> 01:40:01,140
Βρίσκεται επάνω από τον εργαζόμενο για κάθε θραύσμα.

2270
01:40:01,140 --> 01:40:04,620
Δημιουργεί μια διοικητική τραπέζι
για κάθε θραύσμα, για κάθε εργαζόμενο.

2271
01:40:04,620 --> 01:40:07,560
Και καθώς οι εν λόγω εργαζόμενοι φωτιά,
να διατηρούν τα εν λόγω πίνακες

2272
01:40:07,560 --> 01:40:10,510
έτσι ώστε να γνωρίζουν αυτό το αρχείο
η ανάγνωση και επεξεργασία.

2273
01:40:10,510 --> 01:40:13,850
Και τότε με αυτόν τον τρόπο, αν η διαδικασία
πεθαίνει και επανέρχεται σε απευθείας σύνδεση,

2274
01:40:13,850 --> 01:40:17,940
μπορεί να συνεχίσει ακριβώς εκεί που απογειώθηκε.

2275
01:40:17,940 --> 01:40:20,850
>> Γι 'αυτό και χρησιμοποιούν αυτό για
αντιγραφής cross-περιοχή.

2276
01:40:20,850 --> 01:40:24,680
Πολλοί πελάτες έχουν την ανάγκη να
μετακίνηση δεδομένων ή τμημάτων τους πίνακες δεδομένων

2277
01:40:24,680 --> 01:40:25,920
γύρω στις διάφορες περιοχές.

2278
01:40:25,920 --> 01:40:29,230
Υπάρχουν εννέα περιφέρειες
σε όλο τον κόσμο.

2279
01:40:29,230 --> 01:40:32,100
Έτσι, ίσως να υπάρξει μια need-- μου
θα μπορούσαν να έχουν οι χρήστες στην Ασία, οι χρήστες

2280
01:40:32,100 --> 01:40:34,150
στην Ανατολική Ακτή των Ηνωμένων Πολιτειών.

2281
01:40:34,150 --> 01:40:38,980
Έχουν διαφορετικά δεδομένα τα οποία
θα πρέπει να διανέμονται τοπικά.

2282
01:40:38,980 --> 01:40:42,510
Και ίσως ένας χρήστης πετά από
Την Ασία προς τις Ηνωμένες Πολιτείες,

2283
01:40:42,510 --> 01:40:45,020
και θέλω να αναπαράγουν
τα στοιχεία του μαζί του.

2284
01:40:45,020 --> 01:40:49,340
Έτσι, όταν παίρνει από το αεροπλάνο, που έχει
μια καλή εμπειρία χρησιμοποιώντας το κινητό του app.

2285
01:40:49,340 --> 01:40:52,360
>> Μπορείτε να χρησιμοποιήσετε τη διασυνοριακή περιοχή
βιβλιοθήκη αντιγραφής για να γίνει αυτό.

2286
01:40:52,360 --> 01:40:55,730
Βασικά έχουμε
παρέχονται δύο τεχνολογίες.

2287
01:40:55,730 --> 01:40:59,400
Ένα είναι μια εφαρμογή κονσόλας μπορείτε
σηκωθούν για τη δική σας περίπτωση EC2.

2288
01:40:59,400 --> 01:41:01,240
Τρέχει καθαρή αντιγραφή.

2289
01:41:01,240 --> 01:41:02,720
Και τότε σας έδωσε τη βιβλιοθήκη.

2290
01:41:02,720 --> 01:41:06,070
Η βιβλιοθήκη που μπορείτε να χρησιμοποιήσετε για να χτίσετε
τη δική σας εφαρμογή, αν

2291
01:41:06,070 --> 01:41:10,740
θέλουν να κάνουν τρελά πράγματα με το ότι data--
φίλτρο, αναπαράγουν μόνο μέρος της,

2292
01:41:10,740 --> 01:41:14,120
περιστρέψετε τα δεδομένα, μετακινήστε το σε μια
διαφορετικά τραπέζι, ούτω καθεξής και ούτω καθεξής.

2293
01:41:14,120 --> 01:41:18,700

2294
01:41:18,700 --> 01:41:20,520
Έτσι, αυτό είναι το είδος του τι μοιάζει.

2295
01:41:20,520 --> 01:41:23,690
>> DynamoDB ρεύματα μπορούν να
επεξεργασία από αυτό που ονομάζουμε Λάμδα.

2296
01:41:23,690 --> 01:41:27,394
Είπαμε λίγο για εκδήλωση
οδηγείται αρχιτεκτονικές εφαρμογών.

2297
01:41:27,394 --> 01:41:28,810
Λ είναι μια βασική συνιστώσα αυτού.

2298
01:41:28,810 --> 01:41:32,840
Λάμδα είναι ο κωδικός που οι πυρκαγιές στη ζήτηση
σε απάντηση σε ένα συγκεκριμένο γεγονός.

2299
01:41:32,840 --> 01:41:36,020
Ένα από αυτά τα γεγονότα θα μπορούσαν να είναι μια
ρεκόρ που εμφανίζονται στη ροή.

2300
01:41:36,020 --> 01:41:39,100
Εάν μια εγγραφή εμφανίζεται στο ρεύμα,
θα καλέσουμε αυτή τη λειτουργία Java.

2301
01:41:39,100 --> 01:41:44,980
Λοιπόν, αυτή είναι η JavaScript, και Λάμδα
υποστηρίζει Node.js, Java, Python,

2302
01:41:44,980 --> 01:41:47,820
και θα υποστηρίξει σύντομα
άλλες γλώσσες.

2303
01:41:47,820 --> 01:41:50,940
Και αρκεί να πούμε, ότι είναι καθαρό κώδικα.

2304
01:41:50,940 --> 01:41:53,610
Γράψτε στο Java, πρέπει να ορίσετε μια κατηγορία.

2305
01:41:53,610 --> 01:41:55,690
Μπορείτε να ωθήσει το βάζο επάνω σε Λάμδα.

2306
01:41:55,690 --> 01:42:00,200
Και τότε θα καθορίσετε ποια κατηγορία
να καλέσει ως απάντηση στην οποία περίπτωση.

2307
01:42:00,200 --> 01:42:04,770
Και τότε η υποδομή Λάμδα
πίσω από ότι θα τρέξει τον εν λόγω κώδικα.

2308
01:42:04,770 --> 01:42:06,730
>> Αυτός ο κώδικας μπορεί να επεξεργαστεί
αρχεία έξω από το ρεύμα.

2309
01:42:06,730 --> 01:42:08,230
Μπορεί να κάνει οτιδήποτε θέλει με αυτό.

2310
01:42:08,230 --> 01:42:11,650
Σε αυτό το συγκεκριμένο παράδειγμα, όλοι είμαστε
κάνει πραγματικά είναι η υλοτομία τα χαρακτηριστικά.

2311
01:42:11,650 --> 01:42:13,480
Αλλά αυτό είναι μόνο κωδικό.

2312
01:42:13,480 --> 01:42:15,260
Κωδικός μπορεί να κάνει τίποτα, σωστά;

2313
01:42:15,260 --> 01:42:16,600
>> Έτσι, μπορείτε να περιστρέψετε τα δεδομένα.

2314
01:42:16,600 --> 01:42:18,160
Μπορείτε να δημιουργήσετε ένα παράγωγο άποψη.

2315
01:42:18,160 --> 01:42:21,160
Εάν είναι μια δομή του εγγράφου,
μπορείτε να ισοπεδώνω τη δομή.

2316
01:42:21,160 --> 01:42:24,300
Μπορείτε να δημιουργήσετε εναλλακτική ευρετήρια.

2317
01:42:24,300 --> 01:42:27,100
Όλα τα είδη των πραγμάτων που μπορείτε να
κάνει με τις DynamoDB ρεύματα.

2318
01:42:27,100 --> 01:42:28,780
>> Και πραγματικά, αυτό είναι ό, τι αυτό μοιάζει.

2319
01:42:28,780 --> 01:42:29,940
Έτσι, μπορείτε να πάρετε τις ενημερωμένες εκδόσεις που έρχονται.

2320
01:42:29,940 --> 01:42:31,190
Έρχονται από το κορδόνι.

2321
01:42:31,190 --> 01:42:32,720
Είναι διαβάσει από τη λειτουργία Λάμδα.

2322
01:42:32,720 --> 01:42:37,480
Είναι εκ περιτροπής τα δεδομένα και
ωθώντας επάνω σε παράγωγα πίνακες,

2323
01:42:37,480 --> 01:42:42,200
κοινοποίηση εξωτερικά συστήματα της αλλαγής,
και σπρώχνοντας δεδομένα σε ElastiCache.

2324
01:42:42,200 --> 01:42:45,900
>> Μιλήσαμε για το πώς να βάλει τη μνήμη cache
μπροστά από το εν λόγω βάσης δεδομένων για τις πωλήσεις

2325
01:42:45,900 --> 01:42:46,450
σενάριο.

2326
01:42:46,450 --> 01:42:50,049
Λοιπόν, τι θα συμβεί εάν
ενημερώσετε την περιγραφή του στοιχείου;

2327
01:42:50,049 --> 01:42:52,340
Λοιπόν, αν είχα ένα λάμδα
Λειτουργία τρέχει στον εν λόγω πίνακα,

2328
01:42:52,340 --> 01:42:55,490
αν μπορώ να ενημερώσω την περιγραφή του είδους, αυτό θα
σηκώστε το ρεκόρ έξω από το ρεύμα,

2329
01:42:55,490 --> 01:42:58,711
και θα ενημερώσει το ElastiCache
παράδειγμα με τα νέα δεδομένα.

2330
01:42:58,711 --> 01:43:00,460
Οπότε αυτό είναι ένα πολύ
τι κάνουμε με λάμδα.

2331
01:43:00,460 --> 01:43:02,619
Είναι κώδικα κόλλα, συνδετήρες.

2332
01:43:02,619 --> 01:43:04,410
Και αυτό δίνει πραγματικά
η δυνατότητα να ξεκινήσει

2333
01:43:04,410 --> 01:43:07,930
και να τρέχει πολύ σύνθετες εφαρμογές
χωρίς αποκλειστικό διακομιστή

2334
01:43:07,930 --> 01:43:10,371
υποδομή, η οποία είναι πραγματικά δροσερό.

2335
01:43:10,371 --> 01:43:13,100
>> Ας πάμε πίσω στο μας
σε πραγματικό χρόνο αρχιτεκτονική ψήφου.

2336
01:43:13,100 --> 01:43:17,984
Αυτό είναι νέο και βελτιωμένο με μας
ρέματα και KCL ενεργοποιημένη εφαρμογή.

2337
01:43:17,984 --> 01:43:20,150
Ίδια όπως και πριν, μπορούμε
χειριστεί οποιαδήποτε κλίμακα των εκλογών.

2338
01:43:20,150 --> 01:43:21,100
Μας αρέσει αυτό.

2339
01:43:21,100 --> 01:43:24,770
Κάνουμε έξω συγκεντρώνει διασποράς
σε πολλούς κουβάδες.

2340
01:43:24,770 --> 01:43:26,780
Έχουμε αισιόδοξο κλείδωμα συμβαίνει.

2341
01:43:26,780 --> 01:43:30,192
Μπορούμε να κρατήσει τους ψηφοφόρους μας
από την αλλαγή του εκλογικού τους δικαιώματος.

2342
01:43:30,192 --> 01:43:31,400
Μπορούν μόνο να ψηφίσει μόνο μία φορά.

2343
01:43:31,400 --> 01:43:32,880
Αυτό είναι φανταστικό.

2344
01:43:32,880 --> 01:43:35,895
Σε πραγματικό χρόνο ανοχή σε σφάλματα,
επεκτάσιμη συνάθροιση τώρα.

2345
01:43:35,895 --> 01:43:38,270
Αν το πράγμα πέφτει πάνω, το
ξέρει πού να επανεκκινήσετε τον ίδιο

2346
01:43:38,270 --> 01:43:41,300
όταν πρόκειται για αντίγραφα ασφαλείας, επειδή
είμαστε χρησιμοποιώντας την εφαρμογή KCL.

2347
01:43:41,300 --> 01:43:45,700
Και τότε μπορούμε επίσης να χρησιμοποιήσουμε
Εφαρμογή KCL να ωθήσει τα δεδομένα από

2348
01:43:45,700 --> 01:43:48,820
με ερυθρή μετατόπιση για άλλους
analytics app, ή χρήση

2349
01:43:48,820 --> 01:43:51,990
Η ελαστική MapReduce να τρέξει
σε πραγματικό χρόνο ροής συναθροίσεις εκτός

2350
01:43:51,990 --> 01:43:53,180
των εν λόγω δεδομένων.

2351
01:43:53,180 --> 01:43:55,480
>> Έτσι, αυτά είναι πράγματα που
δεν έχω μιλήσει για πολύ.

2352
01:43:55,480 --> 01:43:57,375
Αλλά είναι συμπληρωματικές
τεχνολογίες που έρχονται

2353
01:43:57,375 --> 01:44:00,310
να φέρει όταν ψάχνετε
σε αυτούς τους τύπους των σεναρίων.

2354
01:44:00,310 --> 01:44:03,160
>> Εντάξει, έτσι ώστε να είναι περίπου
analytics με DynamoDB ρεύματα.

2355
01:44:03,160 --> 01:44:05,340
Μπορείτε να συλλέξετε de-κοροϊδεύω
δεδομένα, κάνουμε όλα τα είδη

2356
01:44:05,340 --> 01:44:09,490
ωραία πράγματα, τα συγκεντρωτικά δεδομένα
μνήμη, τη δημιουργία αυτών των πινάκων παράγωγο.

2357
01:44:09,490 --> 01:44:13,110
Αυτό είναι μια τεράστια υπόθεση χρήσης
ότι πολλοί πελάτες

2358
01:44:13,110 --> 01:44:16,950
συμμετέχουν, παίρνοντας το ένθετο
ιδιότητες των εν λόγω εγγράφων JSON

2359
01:44:16,950 --> 01:44:18,946
και τη δημιουργία πρόσθετων δεικτών.

2360
01:44:18,946 --> 01:44:21,680

2361
01:44:21,680 --> 01:44:23,150
>> Είμαστε στο τέλος.

2362
01:44:23,150 --> 01:44:26,689
Σας ευχαριστούμε για την κάλυψη μαζί μου.

2363
01:44:26,689 --> 01:44:28,480
Ας μιλήσουμε για
αρχιτεκτονική αναφοράς.

2364
01:44:28,480 --> 01:44:33,440
DynamoDB βρίσκεται στη μέση του, έτσι
μεγάλο μέρος της υποδομής AWS.

2365
01:44:33,440 --> 01:44:37,090
Βασικά μπορείτε να το συνδέσετε
μέχρι ό, τι θέλετε.

2366
01:44:37,090 --> 01:44:45,600
Εφαρμογές που έχουν δημιουργηθεί χρησιμοποιώντας Ντιναμό περιλαμβάνουν
Λάμδα, ElastiCache, CloudSearch,

2367
01:44:45,600 --> 01:44:49,890
ωθήσει τα δεδομένα έξω σε ελαστική
MapReduce, εισαγωγές εξαγωγές από DynamoDB

2368
01:44:49,890 --> 01:44:52,370
σε S3, όλα τα είδη των ροών εργασίας.

2369
01:44:52,370 --> 01:44:54,120
Αλλά ίσως το καλύτερο
πράγμα που πρέπει να μιλήσουμε για,

2370
01:44:54,120 --> 01:44:56,119
και αυτό είναι ό, τι είναι πραγματικά
ενδιαφέρον είναι όταν εμείς

2371
01:44:56,119 --> 01:44:58,350
μιλάμε για περίπτωση με γνώμονα τις εφαρμογές.

2372
01:44:58,350 --> 01:45:00,300
>> Αυτό είναι ένα παράδειγμα του
ένα εσωτερικό σχέδιο

2373
01:45:00,300 --> 01:45:04,850
ότι έχουμε όταν στην πραγματικότητα είμαστε
εκδοτική να συγκεντρωθούν τα αποτελέσματα της έρευνας.

2374
01:45:04,850 --> 01:45:07,700
Έτσι, σε ένα σύνδεσμο ηλεκτρονικού ταχυδρομείου που
στέλνουμε έξω, θα υπάρξει

2375
01:45:07,700 --> 01:45:11,350
είναι λίγο σύνδεσμο λέγοντας κλικ
εδώ για να απαντήσουν στα ερωτηματολόγια.

2376
01:45:11,350 --> 01:45:14,070
Και όταν κάποιος κάνει κλικ
ο σύνδεσμος, τι συμβαίνει

2377
01:45:14,070 --> 01:45:18,020
Είναι αυτοί γκρεμίζουν ένα ασφαλές
Έντυπο της έρευνας HTML από το S3.

2378
01:45:18,020 --> 01:45:18,980
Δεν υπάρχει διακομιστή.

2379
01:45:18,980 --> 01:45:20,600
Αυτό είναι απλά ένα αντικείμενο S3.

2380
01:45:20,600 --> 01:45:22,770
>> Το έντυπο αυτό έρχεται,
φορτώνει στο πρόγραμμα περιήγησης.

2381
01:45:22,770 --> 01:45:24,240
Είναι πήρε Backbone.

2382
01:45:24,240 --> 01:45:30,160
Είναι πήρε συγκρότημα JavaScript
ότι τρέχει.

2383
01:45:30,160 --> 01:45:33,557
Έτσι είναι πολύ πλούσια εφαρμογή
εκτελείται στον browser του πελάτη.

2384
01:45:33,557 --> 01:45:36,390
Δεν ξέρουν ότι δεν είναι
αλληλεπιδρά με ένα πίσω άκρο του διακομιστή.

2385
01:45:36,390 --> 01:45:38,220
Σε αυτό το σημείο, είναι όλα του προγράμματος περιήγησης.

2386
01:45:38,220 --> 01:45:41,780
>> Θα δημοσιεύσει τα αποτελέσματα σε ό, τι
καλούμε το API πύλη του Αμαζονίου.

2387
01:45:41,780 --> 01:45:46,270
API Gateway είναι απλά ένα web API
ότι μπορείτε να ορίσετε και να συνδέω

2388
01:45:46,270 --> 01:45:47,760
σε ό, τι θέλετε.

2389
01:45:47,760 --> 01:45:50,990
Στη συγκεκριμένη περίπτωση, είμαστε
συνδεδεμένο με μια λειτουργία Lambda.

2390
01:45:50,990 --> 01:45:54,797
>> Έτσι ώστε η λειτουργία POST μου
συμβαίνει με κανένα διακομιστή.

2391
01:45:54,797 --> 01:45:56,380
Βασικά ότι API πύλη κάθεται εκεί.

2392
01:45:56,380 --> 01:45:58,770
Μου κοστίζει τίποτα μέχρι οι άνθρωποι
Αρχίστε να υποβάλλετε σε αυτό, έτσι δεν είναι;

2393
01:45:58,770 --> 01:46:00,269
Η λειτουργία Lambda κάθεται ακριβώς εκεί.

2394
01:46:00,269 --> 01:46:03,760
Και αυτό μου κοστίζει τίποτα μέχρι
άνθρωποι αρχίζουν το χτύπημα.

2395
01:46:03,760 --> 01:46:07,270
Έτσι μπορείτε να δείτε, καθώς ο όγκος
αυξήσεις, ότι όταν έρθουν οι χρεώσεις.

2396
01:46:07,270 --> 01:46:09,390
Δεν είμαι λειτουργία ενός διακομιστή 7/24.

2397
01:46:09,390 --> 01:46:12,310
>> Γι 'αυτό και τραβήξτε τη μορφή
κάτω από τον κάδο,

2398
01:46:12,310 --> 01:46:15,719
και εγώ μετά μέσω του API
Πύλη στη λειτουργία Λάμδα.

2399
01:46:15,719 --> 01:46:17,510
Και τότε ο Lambda
Λειτουργία λέει, ξέρετε

2400
01:46:17,510 --> 01:46:20,600
τι, έχω κάποιες PIIs, μερικοί
προσωπικά στοιχεία

2401
01:46:20,600 --> 01:46:21,480
σε αυτές τις απαντήσεις.

2402
01:46:21,480 --> 01:46:23,020
Πήρα τα σχόλια που προέρχονται από τους χρήστες.

2403
01:46:23,020 --> 01:46:24,230
Έχω διευθύνσεις ηλεκτρονικού ταχυδρομείου.

2404
01:46:24,230 --> 01:46:26,190
Έχω ονόματα.

2405
01:46:26,190 --> 01:46:27,810
>> Επιτρέψτε μου να χωρίσει αυτό μακριά.

2406
01:46:27,810 --> 01:46:30,280
Πάω να δημιουργήσει κάποια
μεταδεδομένα από αυτό το ρεκόρ.

2407
01:46:30,280 --> 01:46:32,850
Και Πάω να πιέσει το
μεταδεδομένα σε DynamoDB.

2408
01:46:32,850 --> 01:46:36,059
Και θα μπορούσα να κρυπτογραφήσει όλα τα δεδομένα
και να ωθήσει στο DynamoDB αν θέλω.

2409
01:46:36,059 --> 01:46:38,600
Αλλά είναι πιο εύκολο για μένα, σε αυτό το
χρησιμοποιήστε την περίπτωση, για να προχωρήσει μια ας πούμε,

2410
01:46:38,600 --> 01:46:42,800
Πάω να ωθήσει την πρωτογενή δεδομένα
σε ένα κρυπτογραφημένο S3 κάδου.

2411
01:46:42,800 --> 01:46:47,240
Έτσι μπορώ να χρησιμοποιήσω χτισμένο στην πλαγιά του server S3
κρυπτογράφησης και διαχείρισης κλειδιού της Amazon

2412
01:46:47,240 --> 01:46:51,600
Υπηρεσία έτσι ώστε να έχω ένα κλειδί που
μπορεί να περιστραφεί σε τακτά χρονικά διαστήματα,

2413
01:46:51,600 --> 01:46:55,010
και μπορώ να προστατεύσουν τα δεδομένα ΠΑΠ
ως μέρος όλης αυτής της ροής εργασίας.

2414
01:46:55,010 --> 01:46:55,870
>> Λοιπόν, τι έκανα;

2415
01:46:55,870 --> 01:47:00,397
Έχω μόλις αναπτυχθεί μια ολόκληρη
εφαρμογή, και δεν έχω κανένα server.

2416
01:47:00,397 --> 01:47:02,980
Έτσι, είναι ό, τι εκδήλωση γνώμονα την εφαρμογή
αρχιτεκτονική κάνει για σας.

2417
01:47:02,980 --> 01:47:05,730
>> Τώρα, αν το σκεφτείτε
η περίπτωση χρήσης για this--

2418
01:47:05,730 --> 01:47:08,730
έχουμε άλλους πελάτες μιλάω
περίπου σ 'αυτή ακριβώς την αρχιτεκτονική που

2419
01:47:08,730 --> 01:47:14,560
τρέχει φαινομενικά μεγάλες εκστρατείες, που
εξετάζουμε αυτό και φεύγουν, Θεέ μου.

2420
01:47:14,560 --> 01:47:17,840
Επειδή τώρα, μπορούν να
Βασικά ωθήσει εκεί έξω,

2421
01:47:17,840 --> 01:47:21,900
ας ότι η εκστρατεία κάτσε
εκεί μέχρι να λανσάρει, και δεν

2422
01:47:21,900 --> 01:47:24,400
έχετε να ανησυχείτε για ένα σύκο
τι είδους υποδομή

2423
01:47:24,400 --> 01:47:26,120
πρόκειται να είναι εκεί για να την υποστηρίξει.

2424
01:47:26,120 --> 01:47:28,600
Και στη συνέχεια το συντομότερο
ότι η εκστρατεία γίνεται,

2425
01:47:28,600 --> 01:47:31,520
είναι σαν την υποδομή
μόλις πηγαίνει αμέσως μακριά

2426
01:47:31,520 --> 01:47:33,680
γιατί πραγματικά εκεί
δεν είναι υποδομών.

2427
01:47:33,680 --> 01:47:35,660
Είναι απλά κώδικα που βρίσκεται στην Λ.

2428
01:47:35,660 --> 01:47:38,560
Είναι απλά τα δεδομένα που κάθεται στο DynamoDB.

2429
01:47:38,560 --> 01:47:41,340
Είναι ένας καταπληκτικός τρόπος
για τη δημιουργία εφαρμογών.

2430
01:47:41,340 --> 01:47:43,970
>> Κοινό: Έτσι είναι πιο
εφήμερη από ό, τι θα ήταν

2431
01:47:43,970 --> 01:47:45,740
αν ήταν αποθηκευμένα σε ένα πραγματικό server;

2432
01:47:45,740 --> 01:47:46,823
>> RICK Houlihan: Απολύτως.

2433
01:47:46,823 --> 01:47:49,190
Επειδή εκείνη την περίπτωση σέρβερ
θα πρέπει να είναι 7/24.

2434
01:47:49,190 --> 01:47:51,954
Πρέπει να είναι διαθέσιμο για
κάποιος να ανταποκριθεί.

2435
01:47:51,954 --> 01:47:52,620
Λοιπόν μαντέψτε τι;

2436
01:47:52,620 --> 01:47:55,410
S3 είναι διαθέσιμη 7/24.

2437
01:47:55,410 --> 01:47:57,100
S3 ανταποκρίνεται πάντα.

2438
01:47:57,100 --> 01:47:59,320
Και S3 είναι πολύ, πολύ καλό
να εξυπηρετήσει τα αντικείμενα.

2439
01:47:59,320 --> 01:48:02,590
Αυτά τα αντικείμενα μπορεί να είναι αρχεία HTML, ή
JavaScript αρχεία, ή οτιδήποτε άλλο θέλετε.

2440
01:48:02,590 --> 01:48:07,430
Μπορείτε να τρέχουν πολύ πλούσιες εφαρμογές web
από S3 κουβάδες, και οι άνθρωποι κάνουν.

2441
01:48:07,430 --> 01:48:10,160
>> Και έτσι αυτή είναι η ιδέα εδώ
είναι να ξεφύγουμε από τον τρόπο

2442
01:48:10,160 --> 01:48:11,270
θα χρησιμοποιηθούν για να το σκεφτώ.

2443
01:48:11,270 --> 01:48:14,270
Είμαστε όλοι χρησιμοποιούνται για να σκεφτόμαστε
όρους των servers και φιλοξενεί.

2444
01:48:14,270 --> 01:48:16,580
Δεν είναι γι 'αυτό πια.

2445
01:48:16,580 --> 01:48:19,310
Πρόκειται για την υποδομή ως κωδικός.

2446
01:48:19,310 --> 01:48:22,470
Αναπτύξτε τον κώδικα στο cloud και
αφήστε το σύννεφο που τρέχει για εσάς.

2447
01:48:22,470 --> 01:48:24,980
Και αυτό είναι ό, τι AWS προσπαθεί να κάνει.

2448
01:48:24,980 --> 01:48:29,690
>> Κοινό: Έτσι κουτί χρυσό στη μέση
του API πύλη δεν είναι server-όπως,

2449
01:48:29,690 --> 01:48:30,576
αλλά, αντίθετα, είναι just--

2450
01:48:30,576 --> 01:48:32,850
>> RICK Houlihan: Μπορείτε να σκεφτείτε
από το ως πρόσοψη του server.

2451
01:48:32,850 --> 01:48:38,040
Όλα είναι είναι ότι θα πάρετε μια HTTP
να ζητήσει και να χαρτογραφήσει σε μια άλλη διαδικασία.

2452
01:48:38,040 --> 01:48:39,192
Αυτό είναι το μόνο που κάνει.

2453
01:48:39,192 --> 01:48:41,525
Και σε αυτή την περίπτωση, είμαστε χαρτογράφηση
αυτό σε μια λειτουργία Lambda.

2454
01:48:41,525 --> 01:48:44,119

2455
01:48:44,119 --> 01:48:45,410
Εντάξει, έτσι ώστε να είναι όλα πήρα.

2456
01:48:45,410 --> 01:48:46,190
Ευχαριστώ πολύ.

2457
01:48:46,190 --> 01:48:46,800
Το εκτιμώ.

2458
01:48:46,800 --> 01:48:48,100
Ξέρω ότι θέλουμε λίγο την πάροδο του χρόνου.

2459
01:48:48,100 --> 01:48:49,980
Και ελπίζω σας παιδιά πήρα
ένα μικρό κομμάτι των πληροφοριών

2460
01:48:49,980 --> 01:48:51,410
ότι μπορείτε να πάρετε μακριά σήμερα.

2461
01:48:51,410 --> 01:48:53,520
Και ζητώ συγγνώμη αν πήγα
πάνω από τα κεφάλια μερικών από σας,

2462
01:48:53,520 --> 01:48:56,697
αλλά υπάρχει μια καλή πολλά
θεμελιώδη θεμελιώδη γνώση

2463
01:48:56,697 --> 01:48:58,280
Νομίζω ότι είναι πολύ πολύτιμη για εσάς.

2464
01:48:58,280 --> 01:48:59,825
Έτσι, σας ευχαριστώ που μου.

2465
01:48:59,825 --> 01:49:00,325
[ΧΕΙΡΟΚΡΟΤΉΜΑΤΑ]

2466
01:49:00,325 --> 01:49:02,619
Κοινό: [δεν ακούγεται]
είναι όταν λέγατε

2467
01:49:02,619 --> 01:49:05,160
θα έπρεπε να περάσει μέσα από το πράγμα
από την αρχή μέχρι το τέλος

2468
01:49:05,160 --> 01:49:07,619
να πάρει τις σωστές τιμές
ή τις ίδιες αξίες,

2469
01:49:07,619 --> 01:49:09,410
πώς θα ήταν οι τιμές
να αλλάξει αν [δεν ακούγεται].

2470
01:49:09,410 --> 01:49:10,480
>> RICK Houlihan: Ω, idempotent;

2471
01:49:10,480 --> 01:49:11,800
Πώς θα αλλάξουν οι τιμές;

2472
01:49:11,800 --> 01:49:15,180
Λοιπόν, γιατί αν δεν είχα τρέξει
όλη τη διαδρομή μέχρι το τέλος,

2473
01:49:15,180 --> 01:49:19,770
τότε δεν ξέρω τι αλλάζει
έγιναν το τελευταίο μίλι.

2474
01:49:19,770 --> 01:49:22,144
Δεν πρόκειται να είναι η
ίδια στοιχεία με αυτά που είδα.

2475
01:49:22,144 --> 01:49:24,560
Κοινό: Ω, έτσι απλά
δεν έχουν πάρει το σύνολο των εισροών.

2476
01:49:24,560 --> 01:49:24,770
RICK Houlihan: Δεξιά.

2477
01:49:24,770 --> 01:49:26,895
Θα πρέπει να πάμε από την αρχή
μέχρι το τέλος, και τότε είναι

2478
01:49:26,895 --> 01:49:29,280
πρόκειται να είναι μια σταθερή κατάσταση.

2479
01:49:29,280 --> 01:49:31,520
Δροσερός.

2480
01:49:31,520 --> 01:49:35,907
>> Κοινό: Έτσι μας έδειξε DynamoDB
μπορεί να κάνει έγγραφο ή την τιμή του κλειδιού.

2481
01:49:35,907 --> 01:49:38,740
Και περάσαμε πολύ χρόνο στο
βασική αξία με ένα hash και τους τρόπους

2482
01:49:38,740 --> 01:49:40,005
για να αναστρέψετε γύρω.

2483
01:49:40,005 --> 01:49:43,255
Όταν κοίταξε τους πίνακες αυτούς, είναι ότι
αφήνοντας πίσω την προσέγγιση του εγγράφου;

2484
01:49:43,255 --> 01:49:44,600
>> RICK Houlihan: Δεν θα
λένε αφήνοντας πίσω.

2485
01:49:44,600 --> 01:49:45,855
>> Κοινό: Είχαν διαχωριστεί από the--

2486
01:49:45,855 --> 01:49:49,140
>> RICK Houlihan: Με το έγγραφο
προσέγγιση, το είδος του εγγράφου στο DynamoDB

2487
01:49:49,140 --> 01:49:50,880
Είναι απλά σκεφτείτε ως μια άλλη ιδιότητα.

2488
01:49:50,880 --> 01:49:53,560
Είναι ένα χαρακτηριστικό που περιέχει
μια ιεραρχική δομή δεδομένων.

2489
01:49:53,560 --> 01:49:56,980
Και στη συνέχεια, τα ερωτήματα,
μπορείτε να χρησιμοποιήσετε τις ιδιότητες

2490
01:49:56,980 --> 01:49:59,480
των εν λόγω αντικειμένων με χρήση Object Notation.

2491
01:49:59,480 --> 01:50:03,562
Γι 'αυτό και μπορεί να φιλτράρει σε ένθετο
ιδιοκτησία του εγγράφου JSON.

2492
01:50:03,562 --> 01:50:05,520
Κοινό: Έτσι, κάθε φορά που
κάνει μια προσέγγιση έγγραφο,

2493
01:50:05,520 --> 01:50:07,906
I είδος μπορεί να φτάσει στο tabular--

2494
01:50:07,906 --> 01:50:08,780
Κοινό: Απολύτως.

2495
01:50:08,780 --> 01:50:09,800
Κοινό: --indexes και
πράγματα που μόλις μίλησα.

2496
01:50:09,800 --> 01:50:11,280
RICK Houlihan: Ναι, η
ευρετήρια και όλα αυτά,

2497
01:50:11,280 --> 01:50:13,363
όταν θέλετε να το δείκτη
ιδιότητες του JSON,

2498
01:50:13,363 --> 01:50:18,230
Ο τρόπος που θα πρέπει να το κάνουμε αυτό, αν είναι
μπορείτε να εισαγάγετε ένα αντικείμενο JSON ή ένα έγγραφο

2499
01:50:18,230 --> 01:50:20,780
στην Ντιναμό, που θα χρησιμοποιήσετε ρεύματα.

2500
01:50:20,780 --> 01:50:22,400
Ρεύματα θα διαβάζει τα δεδομένα.

2501
01:50:22,400 --> 01:50:24,340
Θα παίρνατε ότι JSON
αντιρρήσεις και θέλετε να πούμε, εντάξει,

2502
01:50:24,340 --> 01:50:26,030
ποια είναι η περιουσία που θέλω στο ευρετήριο;

2503
01:50:26,030 --> 01:50:28,717
>> Μπορείτε να δημιουργήσετε ένα παράγωγο πίνακα.

2504
01:50:28,717 --> 01:50:30,300
Τώρα αυτός είναι ο τρόπος που λειτουργεί αυτή τη στιγμή.

2505
01:50:30,300 --> 01:50:32,650
Εμείς δεν σας επιτρέπουν να δείκτη
άμεσα αυτές τις ιδιότητες.

2506
01:50:32,650 --> 01:50:33,520
>> Κοινό: Tabularizing τα έγγραφά σας.

2507
01:50:33,520 --> 01:50:36,230
>> RICK Houlihan: Ακριβώς, ισοπεδώνοντας
αυτό, tabularizing, ακριβώς.

2508
01:50:36,230 --> 01:50:37,415
Αυτό είναι ό, τι κάνετε με αυτό.

2509
01:50:37,415 --> 01:50:37,860
>> Κοινό: Σας ευχαριστώ.

2510
01:50:37,860 --> 01:50:39,609
>> RICK Houlihan: Ναι,
απολύτως, σας ευχαριστώ.

2511
01:50:39,609 --> 01:50:42,240
Κοινό: Έτσι είναι το είδος του
Mongo συναντά Redis classifers.

2512
01:50:42,240 --> 01:50:43,990
>> RICK Houlihan: Ναι,
είναι πολλά σαν αυτό.

2513
01:50:43,990 --> 01:50:45,940
Αυτό είναι μια καλή περιγραφή για αυτό.

2514
01:50:45,940 --> 01:50:47,490
Δροσερός.

2515
01:50:47,490 --> 01:50:49,102