सर्वरलेस का भ्रम
- Serverless क्लाउड तकनीक का एक प्रमुख ट्रेंड बन चुका है।
- यह डेवलपर्स को सिर्फ बिज़नेस लॉजिक पर फोकस करने देता है, बिना सर्वर मैनेजमेंट का बोझ उठाए।
- पेमेंट मॉडल: केवल उपयोग के अनुसार भुगतान करें, और ऑपरेशनल ओवरहेड लगभग शून्य के करीब रहता है।
- कई serverless डेटाबेस अब मार्केट में हैं; Elastic, Confluent, Pinecone जैसे पुराने लीडर्स और Neon, WarpStream, Upstash, Turbopuffer जैसे नए challengers प्रतिस्पर्धा कर रहे हैं।
मौजूदा serverless डेटाबेस की समस्याएँ
- कई serverless डेटाबेस वास्तव में serverless नहीं हैं।
- ज्यादातर सेवाएँ cloud-native architecture पर आधारित हैं, जो server-pool युग के लिए एक नवाचारी डिज़ाइन है।
- ये सर्वर क्लस्टर चलाती हैं और जटिल software तथा मानव हस्तक्षेप के जरिए लोड अनुमानित कर capacity का प्रबंधन करती हैं।
- यही भ्रम उपयोगकर्ताओं के लिए वास्तविक समस्या बन जाता है।
अप्रभावी आर्किटेक्चर का असर
- आर्किटेक्चर mismatch सिर्फ तकनीकी विवरण नहीं, बल्कि यूज़र्स के लिए वास्तविक समस्या बनता है।
- उपयोगकर्ता निष्क्रिय सर्वरों के खर्च का भुगतान करते हैं, क्योंकि सर्वर क्लस्टर हमेशा अलग-अलग उद्देश्यों के लिए रन होते रहते हैं।
- स्केलेबिलिटी issue: नए सर्वर को क्लस्टर में जोड़ने में कुछ मिनट लगते हैं, यानी तुरंत ट्रैफिक surge संभालना संभव नहीं होता।
- सीमित विकल्प: प्रत्येक क्लाउड क्षेत्र के लिए इन्फ्रास्ट्रक्चर मैनेजमेंट की जरूरत होने के कारण उपयोगकर्ता सेवा क्षेत्र चुनने में सीमित हो जाते हैं।
अस्थायी/असतत मॉडल
- server-pool architecture पर आधारित “serverless” डेटाबेस टिकाऊ नहीं हैं।
- प्रदाता को सर्वर क्लस्टर चलाने के लिए पर्याप्त निवेश की जरूरत होती है, जिससे pricing बदल सकती है।
- लाइटवेट यूज़र्स सिस्टम को सपोर्ट करने के लिए अतिरिक्त शुल्क चुकाते हैं और सफल उपयोगकर्ता अनपेक्षित कीमत वृद्धि का सामना करते हैं।
serverless-native आर्किटेक्चर की जरूरत
- क्लाउड कंप्यूटिंग के शुरुआती दौर में अधिकांश “cloud” डेटाबेस legacy डेटाबेस थे।
- serverless-native architecture इन्फ्रास्ट्रक्चर मैनेजमेंट का हर काम क्लाउड प्रदाता को सौंपती है और सर्वर क्लस्टर की जगह stateless functions तथा serverless सेवाओं का उपयोग करती है।
- यह तरीका cloud infrastructure को single large supercomputer की तरह लेकर immediate scalability और वास्तविक pay-per-request मॉडल को संभव बनाता है।
- लिटमस टेस्ट: जाँचने के लिए कि डेटाबेस सचमुच serverless-native है या नहीं, देखना चाहिए कि क्या उसे बिना Kubernetes cluster या VM provision किए सीधे क्लाउड खाते पर deploy किया जा सकता है।
LambdaDB का परिचय
- LambdaDB एक नया search engine है, जिसे serverless-native तरीके से बनाया गया है।
- यह सिस्टम serverless capabilities और resources का सेट बनकर चलता है, और database logic तथा infra को पूरी तरह अलग करता है।
- यूज़र रिक्वेस्ट रीज़नल गेटवे से गुजरती हैं और रिक्वेस्ट प्रकार के अनुसार Control Functions या Data Functions में route की जाती हैं।
- एंटरप्राइज फीचर्स: LambdaDB point-in-time restore और zero-copy cloning जैसी सुविधाएँ देता है, बिना किसी infrastructure management की जरूरत के।
LambdaDB कैसे काम करता है
- LambdaDB architecture: सभी घटक serverless क्लाउड सेवाओं से बने हैं।
- गेटवे प्रत्येक यूज़र रिक्वेस्ट के API key को validate करता है और उसे control function या data function की तरफ route करता है।
- Control functions CRUD operations और data-management requests को हैंडल करती हैं, जबकि data functions वास्तविक डेटा write/read करती हैं।
- Write path: Writer Function रिक्वेस्ट को record करती है, फिर इसे durable serverless write buffer में लिखकर client को response भेजती है।
खर्च का विरोधाभास
- LambdaDB server-pool डेटाबेस की तुलना में compute खर्च कम करता है।
- Lambda का प्रति-इकाई मूल्य EC2 instance से अधिक है, लेकिन उच्च उपलब्धता और fault tolerance सुनिश्चित करने के लिए आवश्यक redundancy के कारण कुल खर्च घटता है।
- फिक्स्ड capacity का waste: कंपनियों की औसत compute उपयोगिता सिर्फ 10-20% होती है, इसलिए serverless computing से 50-90% तक बचत संभव है।
प्रदर्शन और स्केलेबिलिटी
- Performance और scalability: LambdaDB ने 960-डायमेंशनल vectors से सैकड़ों मिलियन vectors जोड़ने के प्रयोग में अपनी performance साबित की।
- Write latency: प्रति सेकंड 10 upserts पर median latency 43ms रही, और ट्रैफिक 100x बढ़ने पर भी latency लगभग समान रही।
- Query latency: विविध लोड पर query latency स्थिर रही; 99वें percentile में यह 172ms से 210ms के बीच थी।
- Optimization efforts: query function की latency सुधारने के लिए लगातार optimization की जा रही है, और serverless infrastructure भी बेहतर हो रही है।
ग्राहकों के लिए लाभ
- Cost saving: LambdaDB में idle server नहीं होने के कारण यह 10x से भी अधिक सस्ता है।
- तत्काल और लगभग अनंत scalability: LambdaDB milliseconds में हजारों parallel functions तक scale कर सकता है।
- सरल शुरुआत और scale: मजबूत AI applications बनाना संभव है, और जैसे-जैसे business grow करता है, architecture अभी भी सरल और cost-efficient रहता है।
- एंटरप्राइज फीचर्स: point-in-time restore और zero-copy cloning जैसी सुविधाएँ उपलब्ध हैं, बिना अतिरिक्त complexity या खर्च के।
भविष्य की योजनाएँ और विजन
- LambdaDB पहले ही रोज़ाना सैकड़ों मिलियन requests को करोड़ों दस्तावेज़ों पर प्रोसेस कर रहा है।
- लॉन्ग-टर्म roadmap: रिलेशनल डेटा, streams, key-value, graph आदि अन्य data models को सपोर्ट करने की योजना है।
अभी कोई टिप्पणी नहीं है.