🔵 عنوان مقاله
How and Why Netflix Built a Real-Time Distributed Graph: Part 3 — Querying the graph with gRPC execution API (20 minute read)

🟢 خلاصه مقاله:
در قسمت سوم مقاله “چگونه و چرا نتفلیکس یک گراف توزیع‌شده در زمان واقعی ساخت”، به بررسی نحوهٔ پرس‌وجو از این گراف با استفاده از API اجرای gRPC می‌پردازیم. در این بخش، تمرکز بر روی سازوکارهای تکنولوژیکی و کارایی سیستم است که نتفلیکس در پردازش میلیاردها نود و میلیاردها یال به کار می‌گیرد.

شبکه پرس‌وجوی لرزه‌نگار نتفلیکس (RDG) قادر است با بهره‌گیری از پارالل‌سازی مرحله‌ای، در هر نمونه سیستم، بین ۱۶ تا ۲۴ رشته‌ اجرای ناهمزمان (async) را فعال کند. این رویکرد باعث می‌شود عملیات پرس‌وجو بتواند بسیار سریع انجام شود و در عین حال، سیستم بتواند حجم گسترده‌ای از داده‌ها را در کوتاه‌ترین زمان ممکن مدیریت کند. این ساختار برای پاسخ‌دهی به درخواست‌ها، سطوح حافظه‌پنهان (کَش) را با توجه به نوسانات داده‌ها تنظیم می‌کند، به طوری که نرخ برخورد (hit rate) در موارد داده‌های پایدار به ۷۰ تا ۸۰ درصد می‌رسد. این امر در نتیجه باعث کاهش قابل توجه زمان پاسخ‌ها می‌شود؛ به عنوان نمونه، حتی پرس‌وجوهای چندهاپی (سه‌گام) در کمتر از ۱۵۰ میلی‌ثانیه در حالت معمول اجرایی می‌شوند، آن هم در مسیرهای دروازه‌زن (P99) که سخت‌ترین حالت‌ها را نشان می‌دهند.

در نتیجه، این معماری مقیاس‌پذیر و بهینه، نتفلیکس را قادر ساخته است که پرس‌وجوهای پیچیده در زمان واقعی را با کارایی بالا و کمترین تأخیر ممکن انجام دهد، که این دقیقا نیاز این پلتفرم بزرگ در ارائه خدمات بی‌وقفه و سریع است.

#گراف_پرس‌وجو #زمان_واقعی #پایگاه_داده #نتفلیکس

🟣لینک مقاله:
https://netflixtechblog.com/how-and-why-netflix-built-a-real-time-distributed-graph-part-3-querying-the-graph-with-grpc-0f3468349607?utm_source=tldrdata

➖➖➖➖➖➖➖➖
👑 @Database_Academy