পার্ট 1 এই দুই-অংশের সিরিজে বর্ণনা করা হয়েছে কীভাবে একটি ছদ্মনামাইজেশন পরিষেবা তৈরি করা যায় যা প্লেইন টেক্সট ডেটা অ্যাট্রিবিউটকে ছদ্মনাম বা তদ্বিপরীত রূপান্তরিত করে। একটি কেন্দ্রীভূত ছদ্মনামকরণ পরিষেবা ছদ্মনাম তৈরির জন্য একটি অনন্য এবং সর্বজনীনভাবে স্বীকৃত আর্কিটেকচার প্রদান করে। ফলস্বরূপ, একটি সংস্থা সমস্ত প্ল্যাটফর্ম জুড়ে সংবেদনশীল ডেটা পরিচালনা করার জন্য একটি আদর্শ প্রক্রিয়া অর্জন করতে পারে। উপরন্তু, এটি ডেভেলপমেন্ট টিম এবং বিশ্লেষণাত্মক ব্যবহারকারীদের কাছ থেকে বিভিন্ন সম্মতির প্রয়োজনীয়তা বোঝা এবং বাস্তবায়নের জন্য প্রয়োজনীয় যেকোন জটিলতা এবং দক্ষতা দূর করে, তাদের ব্যবসার ফলাফলের উপর ফোকাস করার অনুমতি দেয়।
একটি ডিকপলড পরিষেবা-ভিত্তিক পদ্ধতি অনুসরণ করার অর্থ হল, একটি সংস্থা হিসাবে, আপনি আপনার ব্যবসার সমস্যা সমাধানের জন্য কোনো নির্দিষ্ট প্রযুক্তির ব্যবহারের প্রতি নিরপেক্ষ। স্বতন্ত্র দলগুলি যে প্রযুক্তি পছন্দ করুক না কেন, তারা সংবেদনশীল ডেটা ছদ্মনাম করার জন্য ছদ্ম নামকরণ পরিষেবাকে কল করতে সক্ষম।
এই পোস্টে, আমরা সাধারণ নির্যাস, রূপান্তর এবং লোড (ETL) খরচের নিদর্শনগুলিতে ফোকাস করি যা ছদ্মনামকরণ পরিষেবা ব্যবহার করতে পারে। আপনার ETL চাকরিতে কীভাবে ছদ্মনামকরণ পরিষেবা ব্যবহার করবেন তা আমরা আলোচনা করি আমাজন ইএমআর (ব্যবহার EC2 এ আমাজন ইএমআর) স্ট্রিমিং এবং ব্যাচ ব্যবহারের ক্ষেত্রে। উপরন্তু, আপনি একটি খুঁজে পেতে পারেন অ্যামাজন অ্যাথেনা এবং এডাব্লুএস আঠালো ভিত্তিক খরচ প্যাটার্ন গিটহুব রেপো সমাধান।
সমাধান ওভারভিউ
নিম্নলিখিত চিত্রটি সমাধান আর্কিটেকচার বর্ণনা করে।
ডানদিকের অ্যাকাউন্টটি ছদ্মনামকরণ পরিষেবা হোস্ট করে, যা আপনি এই সিরিজের পার্ট 1-এ দেওয়া নির্দেশাবলী ব্যবহার করে স্থাপন করতে পারেন।
বাম দিকের অ্যাকাউন্টটি আপনি এই পোস্টের অংশ হিসাবে সেট আপ করেছেন, ছদ্মনামকরণ পরিষেবা ব্যবহার করে Amazon EMR ভিত্তিক ETL প্ল্যাটফর্মের প্রতিনিধিত্ব করে৷
আপনি একই অ্যাকাউন্টে ছদ্মনামকরণ পরিষেবা এবং ETL প্ল্যাটফর্ম স্থাপন করতে পারেন।
Amazon EMR আপনাকে দ্রুত এবং সাশ্রয়ীভাবে Apache Spark এর মতো বড় ডেটা ফ্রেমওয়ার্ক তৈরি, পরিচালনা এবং স্কেল করার ক্ষমতা দেয়।
এই সমাধানে, আমরা কীভাবে ছদ্মনামাইজেশন পরিষেবাটি ব্যবহার করতে হয় তা দেখাই আমাজন ইএমআর সঙ্গে আপা স্পার্ক ব্যাচ এবং স্ট্রিমিং ব্যবহারের ক্ষেত্রে। ব্যাচ অ্যাপ্লিকেশন একটি থেকে ডেটা পড়ে আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) বালতি, এবং স্ট্রিমিং অ্যাপ্লিকেশন থেকে রেকর্ড গ্রাস করে অ্যামাজন কিনসিস ডেটা স্ট্রিম.
PySpark কোড ব্যাচ এবং স্ট্রিমিং চাকরিতে ব্যবহৃত হয়
উভয় অ্যাপ্লিকেশন একটি সাধারণ ইউটিলিটি ফাংশন ব্যবহার করে যা ছদ্মনামকরণের সাথে সংযুক্ত API গেটওয়ের বিরুদ্ধে HTTP POST কল করে এডাব্লুএস ল্যাম্বদা ফাংশন REST API কলগুলি স্পার্ক RDD ব্যবহার করে প্রতি স্পার্ক পার্টিশনে করা হয় ম্যাপ পার্টিশন ফাংশন POST অনুরোধের মূল অংশে একটি প্রদত্ত ইনপুট কলামের অনন্য মানগুলির তালিকা রয়েছে৷ POST অনুরোধের উত্তরে সংশ্লিষ্ট ছদ্মনামযুক্ত মান রয়েছে। কোডটি একটি প্রদত্ত ডেটাসেটের জন্য ছদ্মনামযুক্ত মানগুলির সাথে সংবেদনশীল মানগুলিকে অদলবদল করে৷ ফলাফল Amazon S3 এবং সংরক্ষিত হয় এডাব্লুএস আঠালো ডেটা ক্যাটালগ, অ্যাপাচি ব্যবহার করে হিমশৈল টেবিল বিন্যাস।
আইসবার্গ হল একটি খোলা টেবিল বিন্যাস যা ACID লেনদেন, স্কিমা বিবর্তন এবং সময় ভ্রমণের প্রশ্নগুলিকে সমর্থন করে। আপনি বাস্তবায়ন করতে এই বৈশিষ্ট্য ব্যবহার করতে পারেন ভুলে যাওয়ার অধিকার (বা ডেটা ইরেজার) SQL স্টেটমেন্ট বা প্রোগ্রামিং ইন্টারফেস ব্যবহার করে সমাধান। আইসবার্গ 6.5.0 সংস্করণ, AWS গ্লু এবং এথেনা থেকে শুরু করে অ্যামাজন EMR দ্বারা সমর্থিত। ব্যাচ এবং স্ট্রিমিং নিদর্শন তাদের লক্ষ্য বিন্যাস হিসাবে আইসবার্গ ব্যবহার করে। আইসবার্গ ব্যবহার করে কীভাবে একটি ACID কমপ্লায়েন্ট ডেটা লেক তৈরি করা যায় তার একটি সংক্ষিপ্ত বিবরণের জন্য, পড়ুন অ্যামাজন ইএমআর-এ অ্যাপাচি আইসবার্গ ব্যবহার করে একটি উচ্চ-কার্যক্ষমতা সম্পন্ন, এসিআইডি সম্মত, বিকশিত ডেটা লেক তৈরি করুন.
পূর্বশর্ত
আপনার নিম্নলিখিত পূর্বশর্ত থাকতে হবে:
- An এডাব্লুএস অ্যাকাউন্ট.
- An এডাব্লুএস আইডেন্টিটি এবং অ্যাক্সেস ম্যানেজমেন্ট (আইএএম) অধ্যক্ষ মোতায়েন করার সুযোগ-সুবিধা সহ এডাব্লুএস ক্লাউডফর্মেশন স্ট্যাক এবং সম্পর্কিত সম্পদ।
- সার্জারির এডাব্লুএস কমান্ড লাইন ইন্টারফেস (AWS CLI) বিকাশ বা স্থাপনার মেশিনে ইনস্টল করা হয়েছে যা আপনি প্রদত্ত স্ক্রিপ্টগুলি চালানোর জন্য ব্যবহার করবেন।
- একই অ্যাকাউন্ট এবং AWS অঞ্চলে একটি S3 বালতি যেখানে সমাধানটি স্থাপন করা হবে৷
- Python3 স্থানীয় মেশিনে ইনস্টল করা যেখানে কমান্ড চালানো হয়।
- PYAML ব্যবহার করে ইনস্টল করা হয়েছে বীচি.
- ব্যাশ স্ক্রিপ্ট চালানোর জন্য একটি ব্যাশ টার্মিনাল যা ক্লাউডফরমেশন স্ট্যাক স্থাপন করে।
- Parquet ফাইলগুলিতে ইনপুট ডেটাসেট ধারণকারী একটি অতিরিক্ত S3 বালতি (শুধুমাত্র ব্যাচ অ্যাপ্লিকেশনের জন্য)। কপি করুন নমুনা ডেটাসেট S3 বালতিতে।
- একটি কপি সর্বশেষ কোড সংগ্রহস্থল স্থানীয় মেশিনে ব্যবহার করে
git clone
অথবা ডাউনলোড অপশন।
একটি নতুন ব্যাশ টার্মিনাল খুলুন এবং ক্লোন করা সংগ্রহস্থলের রুট ফোল্ডারে নেভিগেট করুন।
প্রস্তাবিত নিদর্শনগুলির জন্য উত্স কোডটি ক্লোন করা সংগ্রহস্থলে পাওয়া যাবে। এটি নিম্নলিখিত পরামিতি ব্যবহার করে:
- ARTEFACT_S3_BUCKET - S3 বালতি যেখানে অবকাঠামো কোড সংরক্ষণ করা হবে। বালতিটি অবশ্যই একই অ্যাকাউন্ট এবং অঞ্চলে তৈরি করতে হবে যেখানে সমাধানটি বাস করে।
- AWS_REGION G - যে অঞ্চলে সমাধানটি স্থাপন করা হবে।
- AWS_PROFILE - নামযুক্ত প্রোফাইল যা প্রয়োগ করা হবে AWS CLI কমান্ড. এতে সংশ্লিষ্ট সংস্থানগুলির ক্লাউডফরমেশন স্ট্যাক স্থাপন করার সুযোগ-সুবিধা সহ একজন IAM প্রিন্সিপালের জন্য শংসাপত্র থাকা উচিত।
- SUBNET_ID – সাবনেট আইডি যেখানে EMR ক্লাস্টার তৈরি করা হবে। সাবনেটটি পূর্ব-বিদ্যমান এবং প্রদর্শনের উদ্দেশ্যে, আমরা ডিফল্ট ভিপিসির ডিফল্ট সাবনেট আইডি ব্যবহার করি।
- EP_URL - ছদ্মনামকরণ পরিষেবার শেষ পয়েন্ট URL। হিসাবে স্থাপন করা সমাধান থেকে এই পুনরুদ্ধার করুন পার্ট 1 এই সিরিজের।
- API_SECRET - একটি অ্যামাজন এপিআই গেটওয়ে চাবি যে সংরক্ষণ করা হবে এডাব্লুএস সিক্রেটস ম্যানেজার. এপিআই কী চিত্রিত স্থাপনা থেকে তৈরি করা হয়েছে পার্ট 1 এই সিরিজের।
- S3_INPUT_PATH - S3 URI যে ফোল্ডারে ইনপুট ডেটাসেটকে Parquet ফাইল হিসেবে নির্দেশ করে।
- KINESIS_DATA_STREAM_NAME - ক্লাউডফর্মেশন স্ট্যাকের সাথে কাইনেসিস ডেটা স্ট্রিম নাম স্থাপন করা হয়েছে।
- ব্যাচ আকার - প্রতি ব্যাচে ডেটা স্ট্রীমে পুশ করা রেকর্ডের সংখ্যা।
- THREADS_NUM - ডেটা স্ট্রীমে ডেটা আপলোড করতে স্থানীয় মেশিনে ব্যবহৃত সমান্তরাল থ্রেডের সংখ্যা। আরো থ্রেড একটি উচ্চ বার্তা ভলিউম অনুরূপ.
- EMR_CLUSTER_ID – ইএমআর ক্লাস্টার আইডি যেখানে কোডটি চালানো হবে (ইএমআর ক্লাস্টারটি ক্লাউডফরমেশন স্ট্যাক দ্বারা তৈরি করা হয়েছিল)।
- STACK_NAME - ক্লাউডফরমেশন স্ট্যাকের নাম, যা স্থাপনার স্ক্রিপ্টে বরাদ্দ করা হয়েছে।
ব্যাচ স্থাপন পদক্ষেপ
পূর্বশর্তগুলিতে বর্ণিত হিসাবে, আপনি সমাধানটি স্থাপন করার আগে, এর Parquet ফাইলগুলি আপলোড করুন টেস্ট ডেটাসেট Amazon S3 থেকে তারপর প্যারামিটার হিসাবে ফাইল ধারণকারী ফোল্ডারের S3 পাথ প্রদান করুন <S3_INPUT_PATH>
.
আমরা AWS CloudFormation এর মাধ্যমে সমাধান সংস্থান তৈরি করি। আপনি চালানোর মাধ্যমে সমাধান স্থাপন করতে পারেন deploy_1.sh স্ক্রিপ্ট, যা ভিতরে আছে deployment_scripts
ফোল্ডার.
স্থাপনার পূর্বশর্তগুলি সন্তুষ্ট হওয়ার পরে, সমাধানটি স্থাপন করতে নিম্নলিখিত কমান্ডটি প্রবেশ করান:
sh ./deployment_scripts/deploy_1.sh
-a <ARTEFACT_S3_BUCKET>
-r <AWS_REGION>
-p <AWS_PROFILE>
-s <SUBNET_ID>
-e <EP_URL>
-x <API_SECRET>
-i <S3_INPUT_PATH>
আউটপুট নিম্নলিখিত স্ক্রিনশট মত হওয়া উচিত.
ক্লিনআপ কমান্ডের জন্য প্রয়োজনীয় প্যারামিটারগুলি রানের শেষে প্রিন্ট করা হয় deploy_1.sh
লিপি. এই মানগুলি নোট করতে ভুলবেন না।
ব্যাচ সমাধান পরীক্ষা করুন
ক্লাউডফর্মেশন টেমপ্লেটে ব্যবহার করে স্থাপন করা হয়েছে deploy_1.sh
স্ক্রিপ্ট, EMR ধাপ ধারণকারী স্পার্ক ব্যাচ অ্যাপ্লিকেশন EMR ক্লাস্টার সেটআপের শেষে যোগ করা হয়।
ফলাফল যাচাই করতে, ভেরিয়েবল সহ ক্লাউডফর্মেশন স্ট্যাক আউটপুটগুলিতে চিহ্নিত S3 বালতি পরীক্ষা করুন SparkOutputLocation
.
এছাড়াও আপনি এথেনা ব্যবহার করতে পারেন টেবিল জিজ্ঞাসা pseudo_table
ডাটাবেসে blog_batch_db
.
ব্যাচ সম্পদ পরিষ্কার করুন
এই অনুশীলনের অংশ হিসাবে তৈরি সম্পদ ধ্বংস করতে,
একটি ব্যাশ টার্মিনালে, ক্লোন করা সংগ্রহস্থলের রুট ফোল্ডারে নেভিগেট করুন। পূর্বে চালানোর আউটপুট হিসাবে দেখানো ক্লিনআপ কমান্ডটি লিখুন deploy_1.sh লিপি:
sh ./deployment_scripts/cleanup_1.sh
-a <ARTEFACT_S3_BUCKET>
-s <STACK_NAME>
-r <AWS_REGION>
-e <EMR_CLUSTER_ID>
আউটপুট নিম্নলিখিত স্ক্রিনশট মত হওয়া উচিত.
স্ট্রিমিং স্থাপনার ধাপ
আমরা AWS CloudFormation এর মাধ্যমে সমাধান সংস্থান তৈরি করি। আপনি চালানোর মাধ্যমে সমাধান স্থাপন করতে পারেন deploy_2.sh স্ক্রিপ্ট, যা ভিতরে আছে deployment_scripts
ফোল্ডার এই প্যাটার্নের জন্য CloudFormation স্ট্যাক টেমপ্লেট পাওয়া যায় গিটহুব রেপো.
স্থাপনার পূর্বশর্তগুলি সন্তুষ্ট হওয়ার পরে, সমাধানটি স্থাপন করতে নিম্নলিখিত কমান্ডটি প্রবেশ করান:
sh deployment_scripts/deploy_2.sh
-a <ARTEFACT_S3_BUCKET>
-r <AWS_REGION>
-p <AWS_PROFILE>
-s <SUBNET_ID>
-e <EP_URL>
-x <API_SECRET>
আউটপুট নিম্নলিখিত স্ক্রিনশট মত হওয়া উচিত.
ক্লিনআপ কমান্ডের জন্য প্রয়োজনীয় প্যারামিটারগুলি আউটপুটের শেষে প্রিন্ট করা হয় deploy_2.sh লিপি. পরে ব্যবহার করার জন্য এই মানগুলি সংরক্ষণ করতে ভুলবেন না।
স্ট্রিমিং সমাধান পরীক্ষা করুন
ক্লাউডফর্মেশন টেমপ্লেটে ব্যবহার করে স্থাপন করা হয়েছে deploy_2.sh
স্ক্রিপ্ট, EMR ধাপ ধারণকারী স্পার্ক স্ট্রিমিং অ্যাপ্লিকেশন EMR ক্লাস্টার সেটআপের শেষে যোগ করা হয়। এন্ড-টু-এন্ড পাইপলাইন পরীক্ষা করার জন্য, আপনাকে স্থাপন করা কাইনেসিস ডেটা স্ট্রীমে রেকর্ডগুলি পুশ করতে হবে। একটি ব্যাশ টার্মিনালে নিম্নলিখিত কমান্ডগুলির সাহায্যে, আপনি একটি কাইনেসিস প্রযোজক সক্রিয় করতে পারেন যা ক্রমাগতভাবে স্ট্রীমে রেকর্ড রাখবে, যতক্ষণ না প্রক্রিয়াটি ম্যানুয়ালি বন্ধ করা হয়। আপনি পরিবর্তন করে প্রযোজকের বার্তা ভলিউম নিয়ন্ত্রণ করতে পারেন BATCH_SIZE
এবং THREADS_NUM
ভেরিয়েবল।
এথেনা ক্যোয়ারী এডিটরে, ক্যোয়ারী করে ফলাফল চেক করুন table pseudo_table
ডাটাবেসে blog_stream_db
.
স্ট্রিমিং সংস্থানগুলি পরিষ্কার করুন
এই অনুশীলনের অংশ হিসাবে তৈরি সংস্থানগুলি ধ্বংস করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- Python Kinesis প্রযোজক বন্ধ করুন যা পূর্ববর্তী বিভাগে একটি ব্যাশ টার্মিনালে চালু হয়েছিল।
- নিম্নলিখিত কমান্ডটি লিখুন:
sh ./deployment_scripts/cleanup_2.sh
-a <ARTEFACT_S3_BUCKET>
-s <STACK_NAME>
-r <AWS_REGION>
-e <EMR_CLUSTER_ID>
আউটপুট নিম্নলিখিত স্ক্রিনশট মত হওয়া উচিত.
কর্মক্ষমতা বিশদ
ডেটা আকার, গণনার ক্ষমতা এবং খরচের ক্ষেত্রে ব্যবহারের ক্ষেত্রে প্রয়োজনীয়তার মধ্যে পার্থক্য হতে পারে। আমরা কিছু বেঞ্চমার্কিং এবং ফ্যাক্টর প্রদান করেছি যা কর্মক্ষমতা প্রভাবিত করতে পারে; যাইহোক, আমরা আপনাকে দৃঢ়ভাবে পরামর্শ দিই যে এটি আপনার নির্দিষ্ট প্রয়োজনীয়তা পূরণ করে কিনা তা দেখতে নিম্ন পরিবেশে সমাধানটি যাচাই করুন।
আপনি ছদ্মনামাইজেশন পরিষেবাতে সর্বাধিক সংখ্যক সমান্তরাল কল এবং প্রতিটি কলের জন্য পেলোড আকারের দ্বারা প্রস্তাবিত সমাধানের কার্যকারিতাকে প্রভাবিত করতে পারেন (যার লক্ষ্য অ্যামাজন EMR ব্যবহার করে একটি ডেটাসেটকে ছদ্মনাম করা)। সমান্তরাল কল পরিপ্রেক্ষিতে, বিবেচনা করার কারণগুলি হল GetSecretValue সিক্রেটস ম্যানেজার থেকে কল সীমা (10.000 প্রতি সেকেন্ডে, হার্ড লিমিট) এবং Lambda ডিফল্ট কনকারেন্সি প্যারালেলিজম (ডিফল্টরূপে 1,000; কোটা অনুরোধ দ্বারা বাড়ানো যেতে পারে)। আপনি নির্বাহকের সংখ্যা, ডেটাসেট রচনাকারী পার্টিশনের সংখ্যা এবং ক্লাস্টার কনফিগারেশন (নোডের সংখ্যা এবং প্রকার) সমন্বয় করে সর্বাধিক সমান্তরালতা নিয়ন্ত্রণ করতে পারেন। প্রতিটি কলের জন্য পেলোড আকারের পরিপ্রেক্ষিতে, বিবেচনা করার বিষয়গুলি হল API গেটওয়ে সর্বাধিক পেলোড আকার (6 MB) এবং Lambda ফাংশন সর্বোচ্চ রানটাইম (15 মিনিট)। আপনি ব্যাচের আকারের মান সামঞ্জস্য করে পেলোডের আকার এবং ল্যাম্বডা ফাংশন রানটাইম নিয়ন্ত্রণ করতে পারেন, যা PySpark স্ক্রিপ্টের একটি প্যারামিটার যা প্রতিটি API কলে ছদ্মনাম করা আইটেমের সংখ্যা নির্ধারণ করে। এই সমস্ত কারণের প্রভাব ক্যাপচার করতে এবং অ্যামাজন ইএমআর ব্যবহার করে খরচের নিদর্শনগুলির কার্যকারিতা মূল্যায়ন করতে, আমরা নিম্নলিখিত পরিস্থিতিগুলি ডিজাইন এবং পর্যবেক্ষণ করেছি।
ব্যাচ খরচ প্যাটার্ন কর্মক্ষমতা
ব্যাচ খরচ প্যাটার্নের কর্মক্ষমতা মূল্যায়ন করার জন্য, আমরা ছদ্মনামাইজেশন অ্যাপ্লিকেশনটি চালিয়েছি যার তিনটি ইনপুট ডেটাসেট 1, 10, এবং 100টি Parquet ফাইল রয়েছে যার প্রতিটি 97.7 MB। আমরা ব্যবহার করে ইনপুট ফাইল তৈরি করেছি dataset_generator.py লিপি.
ক্লাস্টার ক্ষমতার নোডগুলি ছিল ১টি প্রাথমিক (m1xlarge) এবং 5.4 core (m15d.5xlarge)। এই ক্লাস্টার কনফিগারেশনটি তিনটি পরিস্থিতির জন্যই একই ছিল এবং এটি স্পার্ক অ্যাপ্লিকেশনটিকে 8টি নির্বাহক ব্যবহার করার অনুমতি দিয়েছে। দ্য batch_size
, যা তিনটি পরিস্থিতির জন্যও একই ছিল, প্রতি API কলে 900 VIN-এ সেট করা হয়েছিল, এবং সর্বাধিক VIN আকার ছিল 5 বাইট৷
নিম্নলিখিত সারণী তিনটি পরিস্থিতির তথ্য ক্যাপচার করে।
এক্সিকিউশন আইডি | পুনর্বিভাজন | ডেটাসেটের আকার | নির্বাহক সংখ্যা | নির্বাহক প্রতি কোর | নির্বাহক মেমরি | রানটাইম |
A | 800 | 9.53 গিগাবাইট | 100 | 4 | 4 জিআইবি | 11 মিনিট, 10 সেকেন্ড |
B | 80 | 0.95 গিগাবাইট | 10 | 4 | 4 জিআইবি | 8 মিনিট, 36 সেকেন্ড |
C | 8 | 0.09 গিগাবাইট | 1 | 4 | 4 জিআইবি | 7 মিনিট, 56 সেকেন্ড |
আমরা দেখতে পাচ্ছি, আমাদের ছদ্মনামাইজেশন পরিষেবাতে কলগুলিকে সঠিকভাবে সমান্তরাল করা আমাদের সামগ্রিক রানটাইম নিয়ন্ত্রণ করতে সক্ষম করে।
নিম্নলিখিত উদাহরণগুলিতে, আমরা ছদ্মনামকরণ পরিষেবার জন্য তিনটি গুরুত্বপূর্ণ ল্যাম্বডা মেট্রিক্স বিশ্লেষণ করি: Invocations
, ConcurrentExecutions
, এবং Duration
.
নিম্নলিখিত গ্রাফ চিত্রিত Invocations
পরিসংখ্যান সহ মেট্রিক SUM
কমলা এবং RUNNING SUM
নীল
ক্রমবর্ধমান আহ্বানের শুরু এবং শেষ বিন্দুর মধ্যে পার্থক্য গণনা করে, আমরা প্রতিটি দৌড়ের সময় কতগুলি আহ্বান করা হয়েছিল তা বের করতে পারি।
আইডি চালান | ডেটাসেটের আকার | মোট আহ্বান |
A | 9.53 গিগাবাইট | 1.467.000 - 0 = 1.467.000 |
B | 0.95 গিগাবাইট | 1.467.000 - 1.616.500 = 149.500 |
C | 0.09 গিগাবাইট | 1.616.500 - 1.631.000 = 14.500 |
প্রত্যাশিত হিসাবে, আমন্ত্রণের সংখ্যা ডেটাসেটের আকারের সাথে আনুপাতিকভাবে 10 দ্বারা বৃদ্ধি পায়।
নিম্নলিখিত গ্রাফ মোট চিত্রিত ConcurrentExecutions
পরিসংখ্যান সহ মেট্রিক MAX
নীল
অ্যাপ্লিকেশনটি এমনভাবে ডিজাইন করা হয়েছে যাতে সর্বোচ্চ সংখ্যক সমসাময়িক ল্যাম্বডা ফাংশন চালানো হয় স্পার্ক টাস্কের পরিমাণ (স্পার্ক ডেটাসেট পার্টিশন), যা সমান্তরালভাবে প্রক্রিয়া করা যেতে পারে। এই সংখ্যা হিসাবে গণনা করা যেতে পারে MIN
(নির্বাহক এক্স executor_cores
, স্পার্ক ডেটাসেট পার্টিশন)।
পরীক্ষায়, প্রতিটি চারটি কোর সহ 800টি নির্বাহক ব্যবহার করে A প্রক্রিয়াকৃত 100টি পার্টিশন চালান। এটি সমান্তরালভাবে 400টি কাজকে প্রক্রিয়াজাত করে তাই ল্যাম্বডা ফাংশন সমবর্তী রান 400-এর উপরে হতে পারে না। একই যুক্তি B এবং C রানের জন্য প্রয়োগ করা হয়েছিল। আমরা এটি পূর্ববর্তী গ্রাফে প্রতিফলিত দেখতে পাচ্ছি, যেখানে সমবর্তী রানের পরিমাণ কখনই অতিক্রম করে না 400, 40, এবং 4 মান।
থ্রটলিং এড়াতে, নিশ্চিত করুন যে সমান্তরালভাবে প্রক্রিয়া করা যেতে পারে এমন স্পার্ক টাস্কগুলির পরিমাণ ল্যাম্বডা ফাংশন কনকারেন্সি সীমার উপরে নয়। যদি তা হয়, তাহলে আপনাকে হয় Lambda ফাংশন কনকারেন্সি লিমিট বাড়াতে হবে (যদি আপনি পারফরম্যান্স ধরে রাখতে চান) অথবা পার্টিশনের পরিমাণ বা উপলব্ধ এক্সিকিউটরের সংখ্যা কমাতে হবে (অ্যাপ্লিকেশনের কর্মক্ষমতাকে প্রভাবিত করে)।
নিম্নলিখিত গ্রাফটি ল্যাম্বডাকে চিত্রিত করেছে Duration
পরিসংখ্যান সহ মেট্রিক AVG
কমলা এবং MAX
সবুজে
প্রত্যাশিত হিসাবে, ডেটাসেটের আকার ছদ্মনামকরণ ফাংশন চালানোর সময়কালকে প্রভাবিত করে না, যা ঠান্ডা শুরুর সম্মুখীন হওয়া কিছু প্রাথমিক আহ্বান ছাড়াও তিনটি পরিস্থিতিতে গড়ে 3 মিলিসেকেন্ডে স্থির থাকে। এটি কারণ প্রতিটি ছদ্মনামাইজেশন কলে সর্বাধিক সংখ্যক রেকর্ড অন্তর্ভুক্ত থাকে ধ্রুবক (batch_size
মান)।
Lambda বিল করা হয় আহ্বানের সংখ্যার উপর ভিত্তি করে এবং আপনার কোডটি চালানোর জন্য সময় লাগে (সময়কাল)। ছদ্ম নামকরণ পরিষেবার খরচ অনুমান করতে আপনি গড় সময়কাল এবং আহ্বানের মেট্রিক্স ব্যবহার করতে পারেন।
স্ট্রিমিং খরচ প্যাটার্ন কর্মক্ষমতা
স্ট্রিমিং খরচ প্যাটার্নের জন্য কর্মক্ষমতা মূল্যায়ন করার জন্য, আমরা দৌড়েছি producer.py স্ক্রিপ্ট, যা একটি কাইনেসিস ডেটা প্রযোজককে সংজ্ঞায়িত করে যা ব্যাচে রেকর্ডগুলিকে কাইনেসিস ডেটা স্ট্রীমে ঠেলে দেয়।
স্ট্রিমিং অ্যাপ্লিকেশনটি 15 মিনিটের জন্য চলমান ছিল এবং এটি একটি দিয়ে কনফিগার করা হয়েছিল batch_interval
1 মিনিটের, যা সময়ের ব্যবধান যেখানে স্ট্রিমিং ডেটা ব্যাচে বিভক্ত করা হবে। নিম্নলিখিত সারণী প্রাসঙ্গিক কারণগুলি সংক্ষিপ্ত করে।
পুনর্বিভাজন | ক্লাস্টার ক্যাপাসিটি নোড | নির্বাহক সংখ্যা | নির্বাহকের মেমরি | ব্যাচ উইন্ডো | ব্যাচ আকার | ভিআইএন সাইজ |
17 |
1 প্রাথমিক (m5.xlarge), 3 কোর (m5.2x বড়) |
6 | 9 জিআইবি | 60 সেকেন্ড | 900 VINs/API কল। | 5 বাইট / ভিআইএন |
নিম্নলিখিত গ্রাফগুলি কাইনেসিস ডেটা স্ট্রীমস মেট্রিক্সকে চিত্রিত করে৷ PutRecords
(নীল রঙে) এবং GetRecords
(কমলা রঙে) 1-মিনিট সময়ের সাথে একত্রিত এবং পরিসংখ্যান ব্যবহার করে SUM
. প্রথম গ্রাফটি বাইটে মেট্রিক দেখায়, যা প্রতি মিনিটে 6.8 এমবি সর্বোচ্চ। দ্বিতীয় গ্রাফটি প্রতি মিনিটে 85,000 রেকর্ডের শীর্ষে রেকর্ড গণনার মেট্রিক দেখায়।
আমরা যে মেট্রিক্স দেখতে পারেন GetRecords
এবং PutRecords
প্রায় সমগ্র অ্যাপ্লিকেশন চালানোর জন্য ওভারল্যাপিং মান আছে। এর মানে হল যে স্ট্রিমিং অ্যাপ্লিকেশনটি স্ট্রিমের লোডের সাথে সামঞ্জস্য রাখতে সক্ষম হয়েছিল।
এর পরে, আমরা ছদ্মনামকরণ পরিষেবার জন্য প্রাসঙ্গিক ল্যাম্বডা মেট্রিক্স বিশ্লেষণ করি: Invocations,
ConcurrentExecutions
, এবং Duration
.
নিম্নলিখিত গ্রাফ চিত্রিত Invocations
পরিসংখ্যান সহ মেট্রিক SUM
(কমলা রঙে) এবং RUNNING SUM
নীল
ক্রমবর্ধমান আমন্ত্রণগুলির শুরু এবং শেষ বিন্দুর মধ্যে পার্থক্য গণনা করে, আমরা চালানোর সময় কতগুলি আহ্বান করা হয়েছিল তা বের করতে পারি। সুনির্দিষ্টভাবে, 15 মিনিটের মধ্যে, স্ট্রিমিং অ্যাপ্লিকেশনটি ছদ্মনামকরণ API 977 বার আহ্বান করেছে, যা প্রতি মিনিটে প্রায় 65টি কল।
নিম্নলিখিত গ্রাফ মোট চিত্রিত ConcurrentExecutions
পরিসংখ্যান সহ মেট্রিক MAX
নীল
পুনরায় বিভাজন এবং ক্লাস্টার কনফিগারেশন অ্যাপ্লিকেশনটিকে সমান্তরালভাবে সমস্ত স্পার্ক RDD পার্টিশন প্রক্রিয়া করার অনুমতি দেয়। ফলস্বরূপ, Lambda ফাংশনের সমবর্তী রানগুলি সর্বদা পুনঃবিভাগ সংখ্যার সমান বা নীচে থাকে, যা 17।
থ্রটলিং এড়াতে, নিশ্চিত করুন যে সমান্তরালভাবে প্রক্রিয়া করা যেতে পারে এমন স্পার্ক টাস্কের পরিমাণ ল্যাম্বডা ফাংশন কনকারেন্সি সীমার উপরে নয়। এই দিকটির জন্য, ব্যাচ ব্যবহারের ক্ষেত্রের মতো একই পরামর্শগুলি বৈধ।
নিম্নলিখিত গ্রাফটি ল্যাম্বডাকে চিত্রিত করেছে Duration
পরিসংখ্যান সহ মেট্রিক AVG
নীল এবং MAX
কমলা
প্রত্যাশিত হিসাবে, ল্যাম্বডা ফাংশনের কোল্ড স্টার্টের পাশাপাশি, ছদ্মনামাইজেশন ফাংশনের গড় সময়কাল পুরো রান জুড়ে কমবেশি স্থির ছিল। এই কারণ batch_size
মান, যা প্রতি কলে ছদ্মনাম করার জন্য ভিআইএন-এর সংখ্যা নির্ধারণ করে, 900-এ সেট করা হয়েছিল এবং স্থির থাকে৷
কাইনেসিস ডেটা স্ট্রিমের ইনজেশন রেট এবং আমাদের স্ট্রিমিং অ্যাপ্লিকেশনের খরচের হার হল এমন কারণ যা ছদ্মনামকরণ পরিষেবার বিরুদ্ধে করা API কলের সংখ্যা এবং সেইজন্য সম্পর্কিত খরচকে প্রভাবিত করে।
নিম্নলিখিত গ্রাফটি ল্যাম্বডাকে চিত্রিত করেছে Invocations
পরিসংখ্যান সহ মেট্রিক SUM
কমলা, এবং কাইনেসিস ডেটা স্ট্রিমগুলিতে GetRecords.Records
পরিসংখ্যান সহ মেট্রিক SUM
নীল আমরা দেখতে পাচ্ছি যে প্রতি মিনিটে স্ট্রীম থেকে পুনরুদ্ধার করা রেকর্ডের পরিমাণ এবং ল্যাম্বডা ফাংশন আহ্বানের পরিমাণের মধ্যে পারস্পরিক সম্পর্ক রয়েছে, যার ফলে স্ট্রিমিং চালানোর খরচ প্রভাবিত হয়।
ছাড়াও batch_interval
, আমরা ব্যবহার করে স্ট্রিমিং অ্যাপ্লিকেশনের খরচের হার নিয়ন্ত্রণ করতে পারি স্পার্ক স্ট্রিমিং বৈশিষ্ট্য মত spark.streaming.receiver.maxRate
এবং spark.streaming.blockInterval
. আরো বিস্তারিত জানার জন্য, পড়ুন স্পার্ক স্ট্রিমিং + কাইনেসিস ইন্টিগ্রেশন এবং স্পার্ক স্ট্রিমিং প্রোগ্রামিং গাইড.
উপসংহার
ডেটা গোপনীয়তা আইনের নিয়ম এবং প্রবিধানের মাধ্যমে নেভিগেট করা কঠিন হতে পারে। PII বৈশিষ্ট্যগুলির ছদ্মনামকরণ সংবেদনশীল ডেটা পরিচালনা করার সময় বিবেচনা করার জন্য অনেকগুলি পয়েন্টের মধ্যে একটি।
এই দুই-অংশের সিরিজে, আমরা অন্বেষণ করেছি যে আপনি কীভাবে একটি শক্তিশালী ডেটা প্ল্যাটফর্ম তৈরিতে আপনাকে সহায়তা করার জন্য বৈশিষ্ট্য সহ বিভিন্ন AWS পরিষেবা ব্যবহার করে একটি ছদ্মনামাইজেশন পরিষেবা তৈরি এবং ব্যবহার করতে পারেন। ভিতরে পার্ট 1, আমরা কীভাবে একটি ছদ্মনামকরণ পরিষেবা তৈরি করতে হয় তা দেখিয়ে ভিত্তি তৈরি করেছি৷ এই পোস্টে, আমরা ছদ্মনামকরণ পরিষেবাটি ব্যয়-দক্ষ এবং কার্যকরী পদ্ধতিতে ব্যবহার করার জন্য বিভিন্ন নিদর্শনগুলি প্রদর্শন করেছি। চেক আউট GitHub অতিরিক্ত খরচ নিদর্শন জন্য সংগ্রহস্থল.
লেখক সম্পর্কে
এডভিন হলভ্যাক্সিউ তিনি AWS প্রফেশনাল সার্ভিসেস সহ একজন সিনিয়র গ্লোবাল সিকিউরিটি আর্কিটেক্ট এবং সাইবার সিকিউরিটি এবং অটোমেশন সম্পর্কে আগ্রহী। তিনি গ্রাহকদের ক্লাউডে নিরাপদ এবং কমপ্লায়েন্ট সমাধান তৈরি করতে সাহায্য করেন। কাজের বাইরে, তিনি ভ্রমণ এবং খেলাধুলা পছন্দ করেন।
রাহুল শৌর্য AWS পেশাদার পরিষেবা সহ একজন প্রধান বিগ ডেটা আর্কিটেক্ট। তিনি গ্রাহকদের AWS-এ ডেটা প্ল্যাটফর্ম এবং বিশ্লেষণাত্মক অ্যাপ্লিকেশন তৈরি করতে সাহায্য করেন এবং ঘনিষ্ঠভাবে কাজ করেন। কাজের বাইরে, রাহুল তার কুকুর বার্নির সাথে দীর্ঘ হাঁটা পছন্দ করে।
আন্দ্রেয়া মন্টানারি AWS পেশাদার পরিষেবা সহ একজন সিনিয়র বিগ ডেটা আর্কিটেক্ট। তিনি AWS-এ স্কেলে অ্যানালিটিক্স সমাধান তৈরিতে গ্রাহক এবং অংশীদারদের সক্রিয়ভাবে সমর্থন করেন।
মারিয়া গুয়েরা AWS পেশাদার পরিষেবা সহ একজন বিগ ডেটা আর্কিটেক্ট৷ মারিয়ার ডেটা অ্যানালিটিক্স এবং মেকানিক্যাল ইঞ্জিনিয়ারিং এর পটভূমি রয়েছে। তিনি গ্রাহকদের ক্লাউডে ডেটা সম্পর্কিত কাজের চাপ স্থাপত্য এবং বিকাশে সহায়তা করেন।
পুষ্পরাজ সিং AWS পেশাদার পরিষেবা সহ একজন সিনিয়র ডেটা আর্কিটেক্ট। তিনি ডেটা এবং ডিওঅপস ইঞ্জিনিয়ারিং সম্পর্কে উত্সাহী। তিনি গ্রাহকদের স্কেলে ডেটা চালিত অ্যাপ্লিকেশন তৈরি করতে সহায়তা করেন।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
- প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
- প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/big-data/build-a-pseudonymization-service-on-aws-to-protect-sensitive-data-part-2/
- : আছে
- : হয়
- :না
- :কোথায়
- $ ইউপি
- 000
- 09
- 1
- 10
- 100
- 12
- 127
- 14
- 15%
- 17
- 2%
- 210
- 345
- 36
- 4
- 40
- 400
- 5
- 500
- 6
- 65
- 7
- 8
- 800
- 900
- 97
- a
- সক্ষম
- সম্পর্কে
- উপরে
- প্রবেশ
- হিসাব
- অর্জন করা
- দিয়ে
- সক্রিয় করা
- সক্রিয়ভাবে
- যোগ
- যোগ
- অতিরিক্ত
- উপরন্তু
- সামঞ্জস্য
- পরামর্শ
- প্রভাবিত
- বিরুদ্ধে
- সমষ্টিগত
- লক্ষ্য
- সব
- অনুমতি
- অনুমতি
- অনুমতি
- প্রায়
- এছাড়াও
- সর্বদা
- মর্দানী স্ত্রীলোক
- আমাজন ইএমআর
- অ্যামাজন ওয়েব সার্ভিসেস
- পরিমাণ
- an
- বিশ্লেষণাত্মক
- বৈশ্লেষিক ন্যায়
- বিশ্লেষণ করা
- এবং
- কোন
- এ্যাপাচি
- আপা স্পার্ক
- পৃথক্
- API
- আবেদন
- অ্যাপ্লিকেশন
- ফলিত
- অভিগমন
- স্থাপত্য
- রয়েছি
- কাছাকাছি
- AS
- সরাইয়া
- দৃষ্টিভঙ্গি
- পরিমাপ করা
- নির্ধারিত
- সাহায্য
- At
- বৈশিষ্ট্যাবলী
- স্বয়ংক্রিয়তা
- সহজলভ্য
- গড়
- এড়াতে
- দূরে
- ডেস্কটপ AWS
- এডাব্লুএস ক্লাউডফর্মেশন
- এডাব্লুএস আঠালো
- AWS প্রফেশনাল সার্ভিসেস
- b
- পটভূমি
- ভিত্তি
- সজোরে আঘাত
- BE
- কারণ
- হয়েছে
- আগে
- নিচে
- মাপকাঠিতে
- মধ্যে
- বিশাল
- বড় ডেটা
- বিল
- নীল
- শরীর
- নির্মাণ করা
- ভবন
- নির্মিত
- ব্যবসায়
- by
- বাইট
- গণিত
- গণক
- কল
- কল
- CAN
- ধারণক্ষমতা
- গ্রেপ্তার
- ক্যাচ
- কেস
- মামলা
- তালিকা
- কেন্দ্রীভূত
- চেক
- CLI
- ঘনিষ্ঠভাবে
- মেঘ
- গুচ্ছ
- কোড
- ঠান্ডা
- স্তম্ভ
- সাধারণ
- সম্পূর্ণ
- জটিলতা
- সম্মতি
- অনুবর্তী
- স্থিরীকৃত
- গনা
- সহগামী
- কনফিগারেশন
- কনফিগার
- অতএব
- বিবেচনা
- ধ্রুব
- গ্রাস করা
- খরচ
- ধারণ করা
- ধারণকারী
- ধারণ
- একটানা
- নিয়ন্ত্রণ
- ধর্মান্তরিত
- কপি
- মূল
- অনুবন্ধ
- ম্যাচ
- অনুরূপ
- মূল্য
- গণনা
- সৃষ্টি
- নির্মিত
- পরিচয়পত্র
- গ্রাহকদের
- সাইবার নিরাপত্তা
- উপাত্ত
- ডেটা বিশ্লেষণ
- ডেটা লেক
- ডেটা প্ল্যাটফর্ম
- তথ্য গোপনীয়তা
- ডেটাবেস
- ডেটাসেট
- decoupled
- ডিফল্ট
- সংজ্ঞায়িত
- ফোটানো
- স্থাপন
- মোতায়েন
- বিস্তৃতি
- বর্ণিত
- বর্ণনা
- পরিকল্পিত
- ধ্বংস
- বিস্তারিত
- নির্ধারণ করে
- উন্নয়নশীল
- উন্নয়ন
- উন্নয়ন দল
- DevOps
- নকশা
- ভিন্ন
- পার্থক্য
- কঠিন
- আলোচনা করা
- বিভক্ত
- না
- কুকুর
- নিচে
- ডাউনলোড
- চালিত
- স্থিতিকাল
- সময়
- প্রতি
- সম্পাদক
- পারেন
- ক্ষমতা
- সম্ভব
- শেষ
- সর্বশেষ সীমা
- শেষ
- শেষপ্রান্ত
- প্রকৌশল
- প্রবেশ করান
- সমগ্র
- পরিবেশের
- সমান
- হিসাব
- থার (eth)
- বিবর্তন
- নব্য
- উদাহরণ
- ব্যায়াম
- প্রত্যাশিত
- ল্যাপারোস্কোপিক পদ্ধতি
- অন্বেষণ করা
- নির্যাস
- সম্মুখ
- কারণের
- বৈশিষ্ট্য
- নথি পত্র
- আবিষ্কার
- প্রথম
- কেন্দ্রবিন্দু
- অনুসরণ
- জন্য
- বিন্যাস
- পাওয়া
- ভিত
- চার
- অবকাঠামো
- থেকে
- ক্রিয়া
- প্রবেশপথ
- উত্পন্ন
- উৎপাদিত
- প্রদত্ত
- বিশ্বব্যাপী
- চিত্রলেখ
- গ্রাফ
- Green
- হাতল
- হ্যান্ডলিং
- কঠিন
- আছে
- he
- সাহায্য
- উচ্চ পারদর্শিতা
- ঊর্ধ্বতন
- তার
- হোস্ট
- কিভাবে
- কিভাবে
- যাহোক
- এইচটিএমএল
- HTTP
- HTTPS দ্বারা
- আমি
- ID
- চিহ্নিত
- পরিচয়
- if
- হানিকারক
- বাস্তবায়ন
- গুরুত্বপূর্ণ
- in
- অন্তর্ভুক্ত
- বৃদ্ধি
- বর্ধিত
- বৃদ্ধি
- স্বতন্ত্র
- প্রভাব
- তথ্য
- পরিকাঠামো
- প্রারম্ভিক
- ইনপুট
- ভিতরে
- ইনস্টল
- ইনস্টল
- নির্দেশাবলী
- ইন্টারফেসগুলি
- অন্তর
- মধ্যে
- প্রার্থনা
- IT
- আইটেম
- জবস
- JPG
- রাখা
- চাবি
- কাইনেসিস ডেটা স্ট্রীম
- হ্রদ
- পরে
- চালু
- আইন
- বাম
- কম
- মত
- পছন্দ
- LIMIT টি
- লাইন
- সংযুক্ত
- তালিকা
- লাইভস
- বোঝা
- স্থানীয়
- যুক্তিবিদ্যা
- দীর্ঘ
- দেখুন
- মত চেহারা
- ভালবাসে
- নিম্ন
- মেশিন
- প্রণীত
- করা
- তৈরি করে
- পদ্ধতি
- ম্যানুয়ালি
- অনেক
- মেরি
- ব্যাপার
- সর্বাধিক
- মে..
- মানে
- যান্ত্রিক
- যন্ত্র প্রকৌশল
- পূরণ
- বার্তা
- ছন্দোময়
- ছন্দোবিজ্ঞান
- হতে পারে
- মিলিসেকেন্ড
- মিনিট
- মিনিট
- পর্যবেক্ষণ করা
- অধিক
- অবশ্যই
- নাম
- নামে
- নেভিগেট করুন
- প্রয়োজন
- প্রয়োজন
- না
- নতুন
- না।
- নোড
- বিঃদ্রঃ
- সংখ্যা
- of
- on
- ONE
- ওগুলো
- কেবল
- খোলা
- পরিচালনা করা
- পছন্দ
- or
- কমলা
- সংগঠন
- আমাদের
- বাইরে
- ফলাফল
- আউটপুট
- আউটপুট
- বাহিরে
- সামগ্রিক
- ওভারভিউ
- সমান্তরাল
- স্থিতিমাপ
- পরামিতি
- অংশ
- বিশেষ
- অংশীদারদের
- কামুক
- পথ
- প্যাটার্ন
- নিদর্শন
- প্রতি
- কর্মক্ষমতা
- কাল
- pii
- পাইপলাইন
- সমভূমি
- মাচা
- প্ল্যাটফর্ম
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- বিন্দু
- পয়েন্ট
- পোস্ট
- পছন্দের
- পূর্বশর্ত
- আগে
- পূর্বে
- প্রাথমিক
- অধ্যক্ষ
- গোপনীয়তা
- গোপনীয়তা আইন
- বিশেষাধিকার
- সমস্যা
- প্রক্রিয়া
- প্রক্রিয়াজাত
- সৃজনকর্তা
- পেশাদারী
- প্রোফাইল
- প্রোগ্রামিং
- সঠিকভাবে
- প্রস্তাবিত
- রক্ষা করা
- প্রদান
- প্রদত্ত
- উপলব্ধ
- উদ্দেশ্য
- ধাক্কা
- ধাক্কা
- পাহাড় জমে
- করা
- পাইথন
- প্রশ্নের
- প্রশ্ন
- দ্রুত
- দৌড়ে
- হার
- স্বীকৃত
- নথি
- রেকর্ড
- হ্রাস করা
- পড়ুন
- প্রতিফলিত
- এলাকা
- আইন
- সংশ্লিষ্ট
- প্রাসঙ্গিক
- রয়ে
- দেহাবশেষ
- সংগ্রহস্থলের
- প্রতিনিধিত্বমূলক
- অনুরোধ
- প্রয়োজনীয়
- আবশ্যকতা
- Resources
- সম্মান
- প্রতিক্রিয়া
- বিশ্রাম
- ফল
- ফলাফল
- অধিকার
- শক্তসমর্থ
- শিকড়
- নিয়ম
- চালান
- দৌড়
- রান
- রানটাইম
- একই
- সন্তুষ্ট
- সংরক্ষণ করুন
- সংরক্ষিত
- স্কেল
- পরিস্থিতিতে
- লিপি
- স্ক্রিপ্ট
- দ্বিতীয়
- অন্ধিসন্ধি
- অধ্যায়
- নিরাপদ
- নিরাপত্তা
- দেখ
- জ্যেষ্ঠ
- সংবেদনশীল
- ক্রম
- সেবা
- সেবা
- সেট
- সেটআপ
- সে
- উচিত
- প্রদর্শনী
- শোকেস
- দেখাচ্ছে
- প্রদর্শিত
- শো
- সহজ
- আয়তন
- So
- সমাধান
- সলিউশন
- সমাধান
- কিছু
- উৎস
- সোর্স কোড
- স্ফুলিঙ্গ
- নির্দিষ্ট
- বিজ্ঞাপন
- কর্তিত
- এসকিউএল
- গাদা
- স্ট্যাক
- মান
- শুরু
- শুরু হচ্ছে
- শুরু
- বিবৃতি
- ধাপ
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- বন্ধ
- স্টোরেজ
- সঞ্চিত
- প্রবাহ
- স্ট্রিমিং
- স্ট্রিম
- প্রবলভাবে
- সাবনেট
- এমন
- সমর্থিত
- সমর্থন
- নিশ্চিত
- ছাড়িয়ে
- অদলবদল
- টেবিল
- লাগে
- গ্রহণ
- লক্ষ্য
- কাজ
- দল
- প্রযুক্তি
- প্রযুক্তিঃ
- টেমপ্লেট
- প্রান্তিক
- শর্তাবলী
- পরীক্ষা
- পাঠ
- যে
- সার্জারির
- তথ্য
- তাদের
- তাহাদিগকে
- তারপর
- সেখানে।
- যার ফলে
- অতএব
- এইগুলো
- তারা
- এই
- তিন
- দ্বারা
- সর্বত্র
- সময়
- সময় ভ্রমণ
- বার
- থেকে
- মোট
- প্রতি
- লেনদেন
- রুপান্তর
- ভ্রমণ
- ভ্রমণ
- আদর্শ
- পক্ষপাতশূন্য
- বোঝা
- অনন্য
- সর্বজনীনভাবে
- পর্যন্ত
- কোনো URI
- URL টি
- us
- ব্যবহার
- ব্যবহার ক্ষেত্রে
- ব্যবহৃত
- ব্যবহারকারী
- ব্যবহারসমূহ
- ব্যবহার
- উপযোগ
- বৈধ
- যাচাই করুন
- মূল্য
- মানগুলি
- পরিবর্তনশীল
- ভেরিয়েবল
- বিভিন্ন
- যাচাই
- বিপরীতভাবে
- সংস্করণ
- মাধ্যমে
- ভাইস
- আয়তন
- পদচারনা
- প্রয়োজন
- ছিল
- we
- ওয়েব
- ওয়েব সার্ভিস
- ছিল
- যে
- যখন
- ইচ্ছা
- সঙ্গে
- হয়া যাই ?
- কাজ
- X
- আপনি
- আপনার
- zephyrnet