Схемы развертываний баз данных для обеспечения высокой доступности

Обложка

Цитировать

Полный текст

Аннотация

Повсеместная цифровизация и развитие технологий больших данных, требуют обеспечения высокого уровня доступности (24/7) информационных ресурсов. Обеспечение высокой доступности базы данных требует значительного объема работы по проектированию, тестированию и обслуживанию нескольких компонентов и конфигураций. Высокая доступность может быть достигнута или максимизирована для следующих вариантов развертывания: один экземпляр базы данных (с репликами чтения или без них) и несколько основных (с координатором или без него). Высокая доступность обеспечивает бесперебойную работу системы за счет устранения отдельных точек отказа, в то время как аварийное восстановление фокусируется на восстановлении нормальной работы после сбоя или простоя. Существует несколько вариантов развертывания, поскольку не существует универсального решения. Выбор наилучшего варианта зависит от вашего конкретного варианта использования и требований. В данной статье представлены основные концепции обеспечения высокой доступности и наиболее эффективные схемы для обеспечения высокодоступных развертываний баз данных.

Цель – определение эффективных схем развертываний серверов баз данных для обеспечения высокой доступности.

Метод или методология проведения работы. В работе используются результаты зарубежных и отечественных научных исследований. Автором применяются теоретические методы исследования, связанные с поиском и анализом информации для выявления связей и получения уникальных выводов.

Результаты. Выделены наиболее эффективные схемы развертывания для обеспечения высокой доступности и отказоустойчивости баз данных.

Область применения результатов. Полученные результаты целесообразно применять в области DevOps разработки с целью оптимизации процесса разработки и выпуска приложений путем устранения известного узкого места: изменений кода базы данных.

Об авторах

Ренат Минзашарифович Хамитов

ФГБОУ ВО «Казанский государственный энергетический университет»

Автор, ответственный за переписку.
Email: hamitov@gmail.com
ORCID iD: 0000-0002-9949-4404
SPIN-код: 7401-9166
Scopus Author ID: 57222149321

доцент кафедры «Информационные технологии и интеллектуальные системы», кандидат технических наук, доцент

 

Россия, ул. Красносельская, 51, г. Казань, 420066, Российская Федерация

Список литературы

  1. Бочаров А. А. Архитектура серверов корпоративных баз данных // Диалог культур: Материалы XVI Международной научно-практической конференции на английском языке. В 3-х частях, Санкт-Петербург, 17–19 мая 2023 года / Под общей редакцией В.В. Кирилловой. Том Часть I. Санкт-Петербург: Санкт-Петербургский государственный университет промышленных технологий и дизайна, 2023. С. 158-162.
  2. Будзко В. И. Развитие систем высокой доступности с применением технологии «большие данные» // Системы высокой доступности. 2013. Т. 9, № 4. С. 003-011.
  3. Смирнов А. А. Репликация и высокая доступность в Postgresql // Научный Лидер. 2023. № 30(128). С. 30-31.
  4. Хамитов Р. М. Цифровизация образования и ее аспекты // Современные проблемы науки и образования. 2021. № 3. С. 8. https://doi.org/10.17513/spno.30771
  5. Data Attack Surface Report Steve Morgan, Editor-in-Chief Northport, N.Y. June 8, 2020. URL: https://cybersecurityventures.com/wp-content/uploads/2020/12/ArcserveDataReport2020.pdf (дата обращения: 14.10.2023).
  6. Data Guard. URL: https://www.oracle.com/technical-resources/articles/smiley-fsfo.html (дата обращения: 14.10.2023).
  7. Mohamed Wadie Nsiri Patterns to achieve database High Availability. URL: https://ubuntu.com/blog/database-high-availability (дата обращения: 14.10.2023).
  8. Orchestrator. URL: https://github.com/openark/orchestrator (дата обращения: 14.10.2023).
  9. Patroni. URL: https://patroni.readthedocs.io/en/latest/ (дата обращения: 14.10.2023).
  10. Shevchenko O.M., Torkunova Yu.V., Upshinskaya A.E., Shorina T.V. Learning Data Visualization in Assessing Linguistic Competence in the International Baccalaureate // European Proceedings of Social and Behavioral Sciences. Conference proceedings. London, 2020. P. 1155-1164.
  11. System Failure - The Cost of Database Downtime. URL: https://www.manageforce.com/blog/dba-suffering-from-system-failure-infographic (дата обращения: 14.10.2023).
  12. WSFC. URL: https://docs.microsoft.com/en-us/sql/sql-server/failover- clusters/windows/windows-server-failover-clustering-wsfc-with-sql-server?view=sql-server-ver16 (дата обращения: 14.10.2023).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Хамитов Р.М., 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».