vault backup: 2024-06-20 21:59:23

.obsidian/plugins/home-tab/data.json

@@ -23,6 +23,10 @@
   "markdownOnly": false,
   "unresolvedLinks": false,
   "recentFilesStore": [
+    {
+      "filepath": "Партиционирование в БД.md",
+      "timestamp": 1718909771420
+    },
     {
       "filepath": "_inbox/Шардирование в БД.md",
       "timestamp": 1718909535878
@@ -35,10 +39,6 @@
       "filepath": "_inbox/Вертикальное масштабирование.md",
       "timestamp": 1718909525308
     },
-    {
-      "filepath": "Партиционирование в БД.md",
-      "timestamp": 1718909422727
-    },
     {
       "filepath": "_inbox/Шардирование - OTUS.md",
       "timestamp": 1718908901467

.obsidian/plugins/recent-files-obsidian/data.json

@@ -1,5 +1,9 @@
 {
   "recentFiles": [
+    {
+      "basename": "Партиционирование в БД",
+      "path": "Партиционирование в БД.md"
+    },
     {
       "basename": "Шардирование в БД",
       "path": "_inbox/Шардирование в БД.md"
@@ -12,10 +16,6 @@
       "basename": "Вертикальное масштабирование",
       "path": "_inbox/Вертикальное масштабирование.md"
     },
-    {
-      "basename": "Партиционирование в БД",
-      "path": "Партиционирование в БД.md"
-    },
     {
       "basename": "Шардирование - OTUS",
       "path": "_inbox/Шардирование - OTUS.md"

_inbox/Шардирование в БД.md

@@ -21,16 +21,15 @@ linked:
 Шардирование — это метод разделения и распределения больших объёмов данных по разным базам данных или узлам в рамках одной распределённой системы, чтобы облегчить их управление, обеспечить масштабируемость и повысить производительность. Каждая часть данных, или "шард", функционирует как отдельная база данных, и все шарды вместе образуют логически единую базу данных.
 
 Основные принципы шардирования включают в себя:
-- **Горизонтальное разделение данных**: Вместо того чтобы хранить все данные в одной таблице или базе данных, они разделяются на меньшие, более управляемые части. Каждый шард содержит часть данных, например, пользователей с идентификаторами от 1 до 1000 в одном шарде и от 1001 до 2000 в другом.
+- **Горизонтальное разделение данных**: Вместо того чтобы хранить все данные в одной таблице или базе данных, они разделяются на меньшие части. Каждый шард содержит часть данных, например, пользователей с идентификаторами от 1 до 1000 в одном шарде и от 1001 до 2000 в другом.
 - **Распределение нагрузки**: Поскольку запросы к данным могут обрабатываться параллельно разными шардами, это способствует балансировке нагрузки и увеличению производительности системы.
 - **Масштабируемость**: По мере роста объёмов данных новые шарды могут быть добавлены в систему, что позволяет масштабировать приложение горизонтально.
 - **Локализация данных**: Шардирование может быть использовано для локализации данных, чтобы уменьшить задержки, связанные с географическим расположением пользователей и баз данных.
 
 **Плюсы:**
 - [Горизонтальное масштабирование](Горизонтальное%20масштабирование.md)
-- **Улучшение производительности**: Единственный мет
+- **Улучшение производительности**: Единственный метод ускоряющий запись в БД.
 - **Высокая доступность и устойчивость к отказам**: Отказ одного шарда не приводит к полному сбою системы. Данные в остальных шардах остаются доступными, что повышает общую устойчивость системы к отказам.
-- **Географическое распределение данных**: Шардирование позволяет располагать данные ближе к пользователям, что может снижать задержки и улучшать взаимодействие с приложением.
 
 **Минусы:**
 - **Сложность управления**: Управление множеством шардов и обеспечение их синхронизации может быть сложной задачей, требующей продвинутых решений для мониторинга, резервного копирования и восстановления.

Партиционирование в БД.md

@@ -18,8 +18,10 @@ linked:
 **Минусы:**
 - Некоторые запросы могут замедлиться. Кросс-партиционные запросы.
 - Так как данные лежат на одном сервере, то если уперлись в производительность диска, партиционирование не поможет.
+- Кажется перестройка партиций дорогостоящая операция.
 
 **Плюсы:**
+- Простая реализация. Разработчик продолжает обращаться к таблице, а СУБД понимает в какую партицию ей стоит идти.
 - Некоторые типы запросов может ускорить за счет уменьшения объема данных в партиции.
 
 Основные типы разделения: