See the engineering behind real-time personalization at Tripadvisor’s massive (and rapidly growing) scale តើអ្នកជាអ្នកធ្វើដំណើរជាអ្វី? TripAdvisor បានធ្វើការដើម្បីកំណត់នេះនៅពេលដែលអ្នកចូលរួមជាមួយគេហទំព័រនេះហើយបន្ទាប់មកផ្តល់ឱ្យអ្នកនូវព័ត៌មានដែលមានប្រសិទ្ធិភាពខ្ពស់ជាងមុននៅពេលដែលអ្នកចុច – ក្នុងរយៈពេលគីមីសប្តាហ៍។ ការកំណត់ផ្ទាល់ខ្លួននេះត្រូវបានអនុវត្តដោយម៉ូដែល ML ខ្ពស់ដែលអនុវត្តលើទិន្នន័យដែលត្រូវបានរក្សាទុកនៅលើ ScyllaDB ដែលធ្វើដំណើរនៅលើ AWS ។ នៅក្នុងសៀវភៅនេះលោក Dean Poulin (Tripadvisor Data Engineering Lead on the AI Service and Products team) ផ្តល់នូវការពិនិត្យឡើងវិញអំពីរបៀបដែលពួកគេអនុញ្ញាតឱ្យការកំណត់ផ្ទាល់ខ្លួននេះ។ លោក Dean បានផ្លាស់ប្តូររូបភាពអំពីជម្រើសបច្ចេកទេសដែលមានរួមបញ្ចូលក្នុងការផ្តល់ជូននូវការកំណត់ផ្ទាល់ខ្លួនក្នុងអំឡុងពេលនៅលើទំហំធំ (និងកើនឡើងយ៉ាងឆាប់រហ័ស) នៃ TripAdvisor ។ វាត្រូវបានផ្អែកលើ AWS re:Invent talk នេះដូចខាងក្រោម: គោលបំណងធ្វើដំណើរមុន ដោយសារតែការនិយាយរបស់លោក Dean... សូមចាប់ផ្តើមជាមួយរូបថតយ៉ាងឆាប់រហ័សអំពី Tripadvisor គឺជាអ្វីនិងទំហំដែលយើងធ្វើការ។ បានបង្កើតឡើងក្នុងឆ្នាំ 2000 Tripadvisor បានក្លាយជាក្រុមហ៊ុននាំមុខគេនៅលើពិភពលោកក្នុងការធ្វើដំណើរនិងការអស្ចារ្យដែលជួយក្រុមហ៊ុន Tripadvisor បានរៀបចំការធ្វើដំណើរល្អឥតខ្ចោះរបស់ពួកគេ។ Tripadvisor បានបង្កើតប្រាក់រង្វាន់ជាង $ 1.8 លានដុល្លារនិងជាក្រុមហ៊ុនដែលមានទីផ្សារនៅលើទីផ្សារ NASDAQ ។ ឥឡូវនេះយើងមានក្រុមហ៊ុនដែលមានបទពិសោធជាង 2,800 អ្នកជំនាញក្នុងការបង្កើតថ្មីនិងវេទិការបស់យើងផ្តល់សេវាកម្មដល់បុគ្គលិកដែលមានគុណភាពខ្ពស់ជាង 400 លានដងក្នុងមួយខែ។ ក្នុងមួយថ្ងៃណាមួយប្រព័ន្ធរបស់យើងដំណើរការច្រើនជាង 2 លានតម្រូវការពី 25 ទៅ 50 លានអ្នកប្រើ។ ការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចែកចាយការចាយការចែកចាយការចាយការចែកចាយការចាយការចែកចាយការចាយការ . 425K operations per second on ScyllaDB with P99 latencies for reads and writes around 1-3 milliseconds ខ្ញុំនឹងបង្ហាញពីរបៀបដែល Tripadvisor បានប្រើសម្រាប់ ScyllaDB, AWS និងម៉ាស៊ីនអប់រំពេលវេលាដើម្បីផ្តល់នូវការណែនាំផ្ទាល់ខ្លួនសម្រាប់អ្នកប្រើទាំងអស់។ យើងនឹងស្រាវជ្រាវពីរបៀបដែលយើងអាចជួយអ្នកដំណើរការរកឃើញអ្វីគ្រប់យ៉ាងដែលពួកគេត្រូវការដើម្បីរៀបចំការធ្វើដំណើរដ៏ល្អបំផុតរបស់ពួកគេ: ដូចជាការរកឃើញគំនិតអស្ចារ្យដែលគួរតែមើលឃើញការពិសោធន៍ដែលគួរឱ្យចាប់អារម្មណ៍និងបទពិសោធន៍ដែលគួរឱ្យចាប់អារម្មណ៍ឬទីតាំងល្អបំផុតដើម្បីដំណើរការនិងអាហារ។ នេះ [អត្ថបទ] គឺអំពីការវិស្វកម្មដែលបង្ហាញពីការធ្វើដូចម្តេចដែលយើងផ្តល់ឱ្យអ្នកដំណើរការគួរឱ្យចាប់អារម្មណ៍និងតម្រូវការសម្រាប់អ្នកដ ការរចនាសម្ព័ន្ធ Trip ទោះបីជាអ្នកកំពុងរចនាការធ្វើដំណើរ។ នៅពេលដែលអ្នកចូលទៅក្នុងទំព័រដើមរបស់ Tripadvisor, Tripadvisor បានដឹងថាតើអ្នកគឺជាអ្នកចង់អាហារអាហារអាហារអស្ចារ្យឬអ្នកស្រស់ស្អាតស្អាត - ហើយអ្នកកំពុងមើលការផ្តល់អនុសាសន៍នៅពេលបច្ចុប្បន្នដែលមើលទៅជាការផ្ទាល់ខ្លួនសម្រាប់អារម្មណ៍របស់អ្នក។ ដូច្នេះធ្វើដូចម្តេចដែលធ្វើដូច្នេះក្នុងរយៈពេល ២ វិនាទី? នៅពេលដែលអ្នកទាញយក Tripadvisor យើងនឹងចាប់ផ្តើមធ្វើការផ្ទាល់ខ្លួនជាមួយនឹងអ្វីដែលអ្នកមើលដោយប្រើម៉ូដែលរៀនម៉ាស៊ីនដែលកំណត់កំណត់កំណត់ដោយផ្អែកលើកម្មវិធីទាញយករបស់អ្នកនៅពេលបច្ចុប្បន្ននិងមុន។ យើងផ្តល់អនុសាសន៍សម្រាប់ទីក្រុងនិងបទពិសោធន៍ដែលយើងគួរឱ្យចាប់អារម្មណ៍អ្នក។ យើងបញ្ជីទីក្រុងដោយផ្អែកលើលក្ខណៈពិសេសផ្ទាល់ខ្លួនរបស់អ្នក។ យើងផ្តល់អនុសាសន៍សម្រាប់ទីក្រុងដែលមានប្រជាប្រិយភាពនៅជុំវិញទីក្រុងដែលអ្នកទាញយក។ ទាំងអស់នេះត្រូវបានផ្អែកលើលក្ខណៈពិសេសផ្ទាល់ខ្លួនរបស់អ្នកនិងកម្មវិធីទាញយកមុនរបស់អ្នក។ គំរូ Tripadvisor ដែលផ្តល់សេវាកម្ម Tripadvisor បានធ្វើដំណើរការលើមីក្រូសេវាកម្មដែលអាចកាត់បន្ថយដោយខ្លួនឯងនៅក្នុង Kubernetes on-prem និង Amazon EKS ។ កម្មវិធី ML Model Serving Platform របស់យើងត្រូវបានបង្ហាញតាមរយៈមីក្រូសេវាកម្មទាំងនេះ។ ការសេវាកម្មបង្វិលនេះបង្វិលជាង 100 ម៉ូដែល ML ពីសេវាកម្មអតិថិជន - ដែលអនុញ្ញាតឱ្យយើងធ្វើតេស្ត A / B ដើម្បីរកឃើញម៉ូដែលល្អបំផុតតាមរយៈបណ្តាញពិសោធន៍របស់យើង។ ម៉ូដែល ML ត្រូវបានបង្កើតឡើងជាលើកដំបូងដោយអ្នកវិទ្យាសាស្រ្តទិន្នន័យនិងវិស្វករម៉ាស៊ីនអប់រំរបស់យើងដោយប្រើ Jupyter Notebooks នៅលើ Kubeflow ។ ពួកគេត្រូវបានគ្រប់គ្រងនិងបណ្តុះបណ្តាលដោយប្រើ ML Flow ហើយយើងដំឡើងពួកគេនៅលើ Seldon Core នៅក្នុង Kubernetes ។ ការផ្គត់ផ្គង់លក្ខណៈពិសេសរបស់យើងផ្តល់នូវលក្ខណៈពិសេសសម្រាប់ម៉ូដែល ML របស់យើងដែលអនុញ្ញាតឱ្យពួកគេធ្វើឱ្យប្រសិនប័ត្រត្រឹមត្រូវ។ ផលិតផល Custom Feature Store ការផ្គត់ផ្គង់ Feature Store ត្រូវបានផ្តល់នូវលក្ខណៈពិសេសអ្នកប្រើប្រាស់និងលក្ខណៈពិសេសធម្មតា។ លក្ខណៈពិសេសធម្មតាត្រូវបានផ្គត់ផ្គង់នៅក្នុង Redis ដោយសារតែពួកគេត្រូវបានផ្លាស់ប្តូរមិនមែនជាធម្មតា។ យើងដំណើរការបំពង់ទិន្នន័យប្រចាំថ្ងៃដើម្បីទាញយកទិន្នន័យពីការផ្គត់ផ្គង់ទិន្នន័យអ៊ីនធឺណិតរបស់យើងទៅកាន់លក្ខណៈពិសេសបណ្តាញរបស់យើងជាលក្ខណៈពិសេសធម្មតា។ អ្នកប្រើប្រាស់ត្រូវបានផ្គត់ផ្គង់នៅក្នុងពេលវេលាពិតប្រាកដតាមរយៈប្លាស្ទិចដែលគេស្គាល់ថា Visitor Platform. We execute dynamic CQL queries against ScyllaDB, and . we do not need a caching layer because ScyllaDB is so fast ផលិតផលរបស់យើងផ្តល់ជូននូវលក្ខណៈសម្បត្តិរហូតដល់ទៅ 5 លានលក្ខណៈសម្បត្តិរហូតដល់ទៅ 5 លានលក្ខណៈសម្បត្តិរហូតដល់ទៅ 50 លានលក្ខណៈសម្បត្តិរហូតដល់ទៅ 50 លានលក្ខណៈសម្បត្តិរហូតដល់ទៅ 50 លានលក្ខណៈសម្បត្តិរហូតដល់ទៅ 50 លានលក្ខណៈសម្បត្តិរហូតដល់ទៅ 50 លានលក្ខណៈសម្បត្តិរហូតដល់ទៅ 50 លានលក្ខណៈសម្បត្តិរហូតដល់ទៅ 50 លានលក្ខណៈសម្បត្តិរហូតដល់ទៅ 50 លាន។ អ្វីដែលមានលក្ខណៈពិសេស ML? លក្ខណៈពិសេសគឺជាការផ្លាស់ប្តូរចូលទៅក្នុងម៉ូដែល ML ដែលត្រូវបានប្រើដើម្បីធ្វើការអនុម័ត។ មានលក្ខណៈពិសេសស្ថានិងលក្ខណៈពិសេសអ្នកប្រើ។ លក្ខណៈពិសេស Static មួយចំនួនគឺជាប្រយោជន៍ដែលកន្លែងសណ្ឋាគារបានឈ្នះឬឧបករណ៍ដែលបានផ្តល់ជូនដោយសណ្ឋាគារ (ដូចជា Wi-Fi ដោយឥតគិតថ្លៃ, សត្វសត្វសត្វសត្វសត្វសត្វសត្វសត្វសត្វឬសត្វសត្វសត្វសត្វសត្វ) ។ អ្នកប្រយោជន៍របស់អ្នកត្រូវបានទាញយកនៅពេលដែលអ្នកប្រយោជន៍នៅលើគេហទំព័ររបស់អ្នក។ យើងរក្សាទុកវានៅក្នុង ScyllaDB ដូច្នេះយើងអាចទទួលបានសំណួរយ៉ាងឆាប់រហ័ស។ ឧទាហរណ៍អ្នកប្រយោជន៍នៃអ្នកប្រយោជន៍របស់អ្នកគឺសណ្ឋាគារដែលបានមើលឃើញក្នុងរយៈពេល 30 នាទីចុងក្រោយឬសណ្ឋាគារដែលបានមើលឃើញក្នុងរយៈពេល 24 ម៉ោងចុងក្រោយឬសេចក្តីអធិប្បាយដែលបានបញ្ជូនក្នុងរយៈពេល 30 ថ្ងៃចុងក្រោយ។ គម្រោងបច្ចេកវិទ្យានិងបច្ចេកវិទ្យានិងបច្ចេកវិទ្យាន ScyllaDB គឺជាមូលដ្ឋាននៃវេទិកាអ្នកទស្សនា។ យើងប្រើ microservices Spring Boot ដែលមានមូលដ្ឋាននៅលើ Java ដើម្បីបង្ហាញវេទិកាដល់អតិថិជនរបស់យើង។ វាត្រូវបានដំឡើងនៅលើ AWS ECS Fargate ។ យើងដំឡើង Apache Spark នៅលើ Kubernetes សម្រាប់ការងារការរក្សាទុកទិន្នន័យប្រចាំថ្ងៃរបស់យើង, សេវាកម្មអេឡិចត្រូនិចទៅលើអ៊ីនធឺណិតរបស់យើង។ បន្ទាប់មកយើងប្រើការងារទាំងនេះដើម្បីទាញយកទិន្នន័យពីការរក្សាទុកទិន្នន័យអេឡិចត្រូនិចរបស់យើងទៅ ScyllaDB ដូច្នេះពួកគេអាចរកបាននៅលើគេហទំព័រផ្ទាល់។ យើងក៏ប្រើ Amazon Kinesis ដើម្បីដំណើរការប្រវត្តិសាស្រ្តរក្សាទុកទិន្នន័យ ការផ្លាស់ប្តូរទិន្នន័យប្លាស្ទិចអ្នកទស្សនា រូបថតខាងក្រោមបង្ហាញពីរបៀបដែលទិន្នន័យដំណើរការតាមរយៈបណ្តាញរបស់យើងក្នុងរយៈពេលបួនដំណាក់កាល: ផលិត, ទាញយក, រៀបចំនិងអនុវត្ត។ ទិន្នន័យនេះត្រូវបានផលិតដោយគេហទំព័ររបស់យើងនិងកម្មវិធីទូរស័ព្ទដៃរបស់យើង។ មួយចំនួននៃទិន្នន័យនេះរួមបញ្ចូលទាំងក្រាហ្វិកអ្នកប្រើប្រាស់តាមរយៈឧបករណ៍របស់យើងទិន្នន័យការរក្សាទុកសកម្មភាព (ដូចជាការមើលទំព័រនិងការចុច) និងទិន្នន័យបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តាលរបស់យើង។ ឧបករណ៍ microservices របស់ Visitor Platform ត្រូវបានប្រើសម្រាប់ការទាញយកនិងរៀបចំទិន្នន័យនេះ។ ទិន្នន័យនៅក្នុង ScyllaDB ត្រូវបានរក្សាទុកនៅក្នុងខ្សែភាពយន្តពីរដង: អាសយដ្ឋានគោលបំណង Visitor Core, ដែលមានអាសយដ្ឋានគោលបំណងអ្នកទស្សនា ការបណ្តុះបណ្តាល Metric Visitor ដែលមានការបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តាល យើងប្រើដំណើរការ ETL ថ្ងៃសប្តាហ៍ដើម្បីរក្សាទុកនិងរក្សាទុកទិន្នន័យនៅលើប្លាស្ទិច។ យើងផលិតផលទិន្នន័យដែលត្រូវបានរក្សាទុកថ្ងៃសប្តាហ៍នៅក្នុងការផ្គត់ផ្គង់ទិន្នន័យអ៊ីនធឺណិតរបស់យើង - នៅពេលដែលពួកគេអាចប្រើបានសម្រាប់ការដំឡើងផ្សេងទៀតនិងបំពង់ទិន្នន័យផ្សេងទៀតដើម្បីប្រើនៅក្នុងការដំណើរការរបស់ពួកគេ។ Here is a look at Visitor Platform by the numbers: នេះគឺជាការមើលនៅលើបណ្តាញអ្នកទស្សនកិច្ចដោយទូទាត់: ហេតុអ្វីបានជាមូលដ្ឋានទិន្នន័យពីរ? ទិន្នន័យតាមអ៊ីនធឺណិតរបស់យើងត្រូវបានផ្តោតលើការដឹកជញ្ជូនតាមអ៊ីនធឺណិតក្នុងអ៊ីនធឺណិត។ ScyllaDB ផ្តល់នូវលក្ខណៈពិសេសនេះដោយផ្តល់នូវការរំខានទាបនិងការដឹកជញ្ជូនខ្ពស់។ យើងប្រើ TTLs ក្នុងអំឡុងពេលវេលាដើម្បីកាត់បន្ថយទិន្នន័យនៅក្នុងទិន្នន័យតាមអ៊ីនធឺណិតដើម្បីកើនឡើងដោយឥតគិតថ្លៃដោយឥតគិតថ្លៃហើយការងារការរក្សាទុកទិន្នន័យរបស់យើងធានាថាយើងគ្រាន់តែរក្សាទុកទិន្នន័យប្រតិបត្តិការរបស់អ្នកប្រើប្រាស់សម្រាប់អ្នកចូលចិត្តពិតប្រាកដ។ Tripadvisor.com បានទទួលបានការដឹកជញ្ជូន bot ច្រើនហើយយើងមិនចង់រ ទិន្នន័យដោយឥតគិតថ្លៃរបស់យើងរក្សាទុកទិន្នន័យប្រវត្តិសាស្រ្តដែលត្រូវបានប្រើសម្រាប់ការបង្ហាញការបង្កើតផលិតផលទិន្នន័យផ្សេងទៀតនិងការបណ្តុះបណ្តាលម៉ូដែល ML របស់យើង។ យើងមិនចង់ដំណើរការទិន្នន័យដោយឥតគិតថ្លៃធំទូលំទូលាយដែលមានប្រសិទ្ធិភាពក្នុងការអនុវត្តនៃគេហទំព័រផ្ទាល់របស់យើង, ដូច្នេះយើងមានមូលដ្ឋានទិន្នន័យពីរដងដែលត្រូវបានប្រើសម្រាប់គោលបំណងផ្សេងគ្នា។ ក្រុមហ៊ុន Microservices យើងប្រើ 5 microservices សម្រាប់ប្លាស្ទិចអ្នកទស្សនា: Visitor Core អនុញ្ញាតឱ្យគ្រប់គ្រងក្រាហ្វិកប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធប្រព័ន្ធ។ ឧបករណ៍ Metric Visitor គឺជាម៉ាស៊ីនសំណួររបស់យើងហើយវាផ្តល់ឱ្យយើងនូវសមត្ថភាពដើម្បីបង្ហាញទិន្នន័យនិងទិន្នន័យសម្រាប់អ្នកស្វែងរកពិសេស។ យើងប្រើសម្រាប់ភាសាដែលមានជំនាញវិជ្ជាជីវៈដែលគេហៅថាភាសាសំណួរអ្នកស្វែងរកឬ VQL ។ ឧបករណ៍ VQL នេះអនុញ្ញាតឱ្យអ្នកមើលទិន្នន័យចុងក្រោយបំផុតនៃការចុចពាណិជ្ជកម្មក្នុងរយៈពេលបី ម៉ោងមុន។ Visitor Publisher និង Visitor Saver បានគ្រប់គ្រងដំណើរការសរសេរនិងសរសេរទិន្នន័យទៅលើបណ្តាញ។ លើសពីការសរសេរទិន្នន័យនៅក្នុង ScyllaDB យើងក៏រក្សាទុកទិន្នន័យទៅក្នុងការរក្សាទុកទិន្នន័យអ៊ីនធឺណិត។ វាបានធ្វើជាមួយ Amazon Kinesis ។ Visitor Composite អនុញ្ញាតឱ្យការបោះពុម្ពទិន្នន័យយ៉ាងងាយស្រួលក្នុងការងារដំណើរការទិន្នន័យ។ វាត្រូវបានពិនិត្យឡើងវិញដោយ Visitor Saver និង Visitor Core ដើម្បីរកឃើញអ្នកចូលរួមនិងបោះពុម្ពទិន្នន័យនិងគំរូក្នុងការទូរស័ព្ទ API មួយ។ ប្រព័ន្ធប្រតិបត្តិការ Microservice Latency រូបថតនេះបានបង្ហាញពីរបៀបដែលទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យ។ ពេលវេលានៅក្នុងរយៈពេលប្រហែល 2.5 វិនាទី, និង P999 របស់យើងមានពេលវេលានៅក្នុងរយៈពេលប្រហែល 12.5 វិនាទី។ នេះគឺជាការសម្តែងដ៏អស្ចារ្យ, ជាពិសេសពេលដែលយើងដំណើរការជាង 1 លានតម្រូវការក្នុងមួយថ្ងៃ។ អ្នកអតិថិជន microservice របស់យើងមានតម្រូវការរំខានយ៉ាងតឹងរឹង។ 95% នៃការហៅទូរស័ព្ទត្រូវបញ្ចប់ក្នុង 12 មីលីសូត្រឬតិចជាងនោះទេ។ ប្រសិនបើពួកគេបានបញ្ចប់វា, បន្ទាប់មកយើងនឹងទទួលបានកំណត់និងត្រូវរកឃើញអ្វីដែលមានប្រសិទ្ធិភាពសម្រាប់រំខាននេះ។ កម្រិតខ្ពស់ ScyllaDB នេះគឺជារូបថតនៃការអនុវត្តរបស់ ScyllaDB ក្នុងរយៈពេលបីថ្ងៃ។ នៅពេលកម្រិតខ្ពស់ ScyllaDB បានដំណើរការ 340,000 ការប្រតិបត្តិការ ក្នុងមួយ វិនាទី (រួមបញ្ចូលទាំងការសរសេរនិងសរសេរនិងសរសេរ) និង CPU ដែលមានការបង្វិលនៅតែ 21% ។ នេះគឺជាកម្រិតខ្ពស់នៅក្នុងប្រតិបត្តិការ! ScyllaDB ផ្តល់នូវការសរសេរ microsecond និងការសរសេរ millisecond សម្រាប់យើង។ កម្រិតនៃការអនុវត្តយ៉ាងឆាប់រហ័សនេះគឺដូច្នេះយើងបានជ្រើសរើស ScyllaDB ។ ការផ្លាស់ប្តូរទិន្នន័យទៅ ScyllaDB រូបថតនេះបង្ហាញពីរបៀបដែលយើងផ្លាស់ប្តូរទិន្នន័យទៅ ScyllaDB ។ គំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិតគំនិត យើងប្រើ ScyllaDB គោលនយោបាយកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិតកម្រិត: វាត្រូវបានប្រសើរឡើងសម្រាប់សំណួរទំហំ វាគឺជាការដោះស្រាយជាមួយ cardinality ខ្ពស់យ៉ាងល្អ វាគឺជាការល្អបំផុតសម្រាប់ផ្ទុកការងារដែលមានអត្ថប្រយោជន៍ក្នុងការសរសេរនិងយើងមានប្រហែល 2-3X ច្រើនជាងការសរសេរ ហេតុអ្វីបានជា ScyllaDB? ការដោះស្រាយរបស់យើងត្រូវបានបង្កើតឡើងដោយប្រើ Cassandra on-prem ។ ប៉ុន្តែនៅពេលដែលទំហំបានកើនឡើងវាមានទំហំប្រតិបត្តិការ។ វាមានការគាំទ្រប្រតិបត្តិការដែលត្រូវការសម្រាប់យើងដើម្បីគ្រប់គ្រងការធ្វើឱ្យប្រសើរឡើងទិន្នន័យទិន្នន័យ, ការបង្វិល, ល។ លើសពីនេះទៀតការដោះស្រាយរបស់យើងតម្រូវឱ្យមានការបង្វិលទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទិន្នន័យទ យើងបានដំណើរការការសាកល្បងគំនិតជាមួយ ScyllaDB ហើយបានរកឃើញថ្នាំដំណើរការគឺល្អជាង Cassandra ហើយថ្នាំដំណើរការត្រូវបានបាត់បន្ថយ។ ScyllaDB បានផ្តល់ឱ្យយើងនូវទិន្នន័យដំណើរការផ្ទាល់ដែលមានល្បឿនលឿនយ៉ាងខ្លាំងជាមួយនឹងការឆ្លងកាត់បន្ថយដែលអាចមាន។ យើងចង់បានជម្រើសគ្រប់គ្រងពេញលេញដូច្នេះយើងបានផ្លាស់ប្តូរពី Cassandra ទៅ ScyllaDB Cloud បន្ទាប់ពីប្រព័ន្ធសរសេរពីរដង។ នេះអនុញ្ញាតឱ្យយើងដើម្បីផ្លាស់ប្តូរជាមួយនឹងការបញ្ឈប់ពេលវេលាដោយមិនមានពេលវេលាក្នុងការដំណើរការ 40,000 ការប្រតិបត្តិការឬតម្រូវការក្នុងមួយដង។ បន្ទាប់មកយើងបានផ្លាស់ប្តូរពី ScyllaDB Cloud ទៅម៉ូដែល ScyllaDB របស់អ្នកដែលអ្នកអាចធ្វើឱ្យក្រុម ScyllaDB បានផ្លាស់ប្តូរទិន្នន័យ ScyllaDB ទៅក្នុងគណនី AWS របស់អ្នក។ នេះបានផ្តល់ឱ្យយើងនូវសម្តែងដែលមានប្រសើរឡើងនិងការផ្ទេរទិន្នន័យល្អបំផុត។ រូបថតនេះបង្ហាញពីរបៀបដែលការដំឡើង BYOA នៃ ScyllaDB បានមើលឃើញ។ នៅមជ្ឈមណ្ឌលគំនិតនេះអ្នកអាចមើលឃើញក្លឹប ScyllaDB 6 node ដែលធ្វើការនៅលើ EC2 ។ ហើយបន្ទាប់មកមានការបញ្ចូលគ្នានៃការបញ្ចូលគ្នានៃ EC2 ។ ScyllaDB Monitor អនុញ្ញាតឱ្យយើងនូវ Grafana dashboards និង Prometheus metrics ។ ScyllaDB Manager អនុញ្ញាតឱ្យស្វ័យប្រវត្តិវិជ្ជាជីវៈដូចជាការកាត់បន្ថយការ backup និងការកាត់បន្ថយ។ ជាមួយនឹងការដំឡើងនេះ ScyllaDB អាចត្រូវបានដំឡើងនៅជិតនៅជិតនៃ microservices របស់យើងដើម្បីផ្តល់ឱ្យយើងនូវលទ្ធផលដែលមានទំហំទូលាយនិងមានល្បឿនលឿនជាងមុន។ ទោះជាយ៉ាងណា, ខ្ញុំចង់ឱ្យអ្នកមានការយល់ដឹងល្អជាងមុនអំពីអាកាសធាតុរបស់យើងនិងបច្ចេកវិទ្យាដែលអនុញ្ញាតប្លាស្ទិចរបស់យើងនិងរបៀបដែល ScyllaDB មានកំណត់សំខាន់ក្នុងការអនុញ្ញាតឱ្យយើងគ្រប់គ្រងទំហំខ្ពស់បំផុតនៃ TripAdvisor ។ អំពី លោក Cynthia Dunlop Cynthia គឺជាអ្នកគ្រប់គ្រងមជ្ឈមណ្ឌលវិជ្ជាជីវៈប្រព័ន្ធផ្សព្វផ្សាយនៅ ScyllaDB ។ គាត់បានសរសេរអំពីការអភិវឌ្ឍកម្មវិធីនិងវិស្វកម្មគុណភាពសម្រាប់ជាង 20 ឆ្នាំ។