این یک پست مهمان است که با همکاری Raghu Boppanna از Vanguard نوشته شده است.
At پیشتاز، خط کسب و کار Enterprise Advice نتایج سرمایه گذاران را از طریق دسترسی دیجیتالی به مشاوره های مالی برتر، شخصی و مقرون به صرفه بهبود می بخشد. آنها تا حدی با ایجاد صرفه جویی در مقیاس در سراسر جهان برای سرمایه گذاران با یک پلت فرم فنی بسیار انعطاف پذیر و کارآمد این امکان را فراهم کردند. Vanguard یک معماری چند منطقه ای را برای این حجم کاری انتخاب کرد تا به محافظت در برابر آسیب های خدمات منطقه ای کمک کند. برای اهداف در دسترس بودن بالا، نیاز است که دادههای مورد استفاده توسط حجم کار نه تنها در منطقه اولیه، بلکه در منطقه ثانویه با حداقل تاخیر تکراری در دسترس باشد. در صورت اختلال در سرویس در منطقه اولیه، راه حل باید بتواند با کمترین از دست دادن داده و توانایی از سرگیری انتقال داده به منطقه ثانویه شکست بخورد.
Vanguard Cloud Technology Office و AWS برای ایجاد یک راه حل زیرساختی بر روی AWS که الزامات انعطاف پذیری آنها را برآورده می کند، شریک شدند. راه حل چند منطقه ای یک مکانیسم شکست قوی را با قابلیت مشاهده و بازیابی داخلی امکان پذیر می کند. این راه حل همچنین از پخش داده ها از چندین منبع به جریان های مختلف داده Kinesis پشتیبانی می کند. این راه حل در حال حاضر برای خطوط مختلف تیم های تجاری برای بهبود وضعیت انعطاف پذیری بار کاری آنها در حال ارائه است.
مورد استفاده مورد بحث در اینجا به Change Data Capture (CDC) نیاز دارد تا داده ها را از یک منبع داده از راه دور (مین فریم DB2) به جریان بیاندازد. آمازون کینزیس جریان داده، زیرا قابلیت تجاری به این داده ها بستگی دارد. Kinesis Data Streams یک سرویس استریم کاملاً مدیریت شده، مقیاس پذیر، بادوام و کم هزینه است که می تواند به طور مداوم مقادیر زیادی از داده ها را از منابع مختلف ضبط و پخش کند و داده ها را برای مصرف در عرض میلی ثانیه در دسترس قرار دهد. این سرویس به گونه ای ساخته شده است که بسیار انعطاف پذیر باشد و از چندین منطقه در دسترس برای پردازش و ذخیره داده ها استفاده می کند.
راه حل مورد بحث در این پست توضیح می دهد که چگونه AWS و Vanguard برای ایجاد یک معماری انعطاف پذیر برای رسیدن به اهداف دسترسی بالا خود نوآوری کردند.
بررسی اجمالی راه حل
راه حل استفاده می کند AWS لامبدا برای تکثیر دادهها از جریانهای داده Kinesis در منطقه اولیه به منطقه ثانویه. در صورت بروز هرگونه نقص خدماتی که بر خط لوله CDC تأثیر بگذارد، فرآیند شکست، منطقه ثانویه را برای تولیدکنندگان و مصرفکنندگان به حالت اولیه ارتقا میدهد. ما استفاده می کنیم جداول جهانی Amazon DynamoDB برای نقاط بازرسی تکرار که امکان از سرگیری جریان داده از نقطه بازرسی را فراهم می کند و همچنین یک پرچم پیکربندی منطقه اولیه را حفظ می کند که از یک حلقه تکرار بی نهایت از همان داده ها به جلو و عقب جلوگیری می کند.
این راه حل همچنین انعطاف پذیری را برای مصرف کنندگان Kinesis Data Streams فراهم می کند تا از منطقه اولیه یا هر منطقه ثانویه در همان حساب AWS استفاده کنند.
نمودار زیر معماری مرجع را نشان می دهد.
بیایید هر جزء را با جزئیات بررسی کنیم:
- پردازنده CDC (تولید کننده) – در این معماری مرجع، تولیدکننده بر روی آن مستقر شده است ابر محاسبه الاستیک آمازون (Amazon EC2) در هر دو منطقه اولیه و ثانویه، و در منطقه اولیه و در حالت آماده به کار در منطقه ثانویه فعال است. دادههای CDC را از منبع داده خارجی (مانند پایگاه داده DB2 همانطور که در معماری بالا نشان داده شده است) میگیرد و به جریانهای داده Kinesis در منطقه اولیه جریان مییابد. Vanguard از 3 استفاده می کندrd ابزار حزب Qlik Replicate به عنوان پردازنده CDC آنها. علاوه بر دادههای ردیف واقعی از منبع داده از راه دور، یک محموله خوب از جمله مهر زمانی تعهد DB2 به جریان داده Kinesis تولید میکند. (
example-stream-1
در این مثال). کد زیر یک بار نمونه است که فقط حاوی کلید اصلی رکورد تغییر یافته و مهر زمانی commit است (برای سادگی، بقیه دادههای ردیف جدول در زیر نشان داده نشده است):{ "eventSource": "aws:kinesis", "kinesis": { "ApproximateArrivalTimestamp": "Mon July 18 20:00:00 UTC 2022", "SequenceNumber": "49544985256907370027570885864065577703022652638596431874", "PartitionKey": "12349999", "KinesisSchemaVersion": "1.0", "Data": "eyJLZXkiOiAxMjM0OTk5OSwiQ29tbWl0VGltZXN0YW1wIjogIjIwMjItMDctMThUMjA6MDA6MDAifQ==" }, "eventId": "shardId-000000000000:49629136582982516722891309362785181370337771525377097730", "invokeIdentityArn": "arn:aws:iam::6243876582:role/kds-crr-LambdaRole-1GZWP67437SD", "eventName": "aws:kinesis:record", "eventVersion": "1.0", "eventSourceARN": "arn:aws:kinesis:us-east-1:6243876582:stream/kds-stream-1/consumer/kds-crr:6243876582", "awsRegion": "us-east-1" }
مقدار Base64 رمزگشایی شده از
Data
به شرح زیر است. رکورد واقعی Kinesis شامل کل داده های ردیف ردیف جدول است که تغییر کرده است، علاوه بر کلید اولیه و مهر زمانی commit.{"Key": 12349999,"CommitTimestamp": "2022-07-18T20:00:00"}
La
CommitTimestamp
درData
فیلد در نقطه بازرسی تکرار استفاده میشود و برای ردیابی دقیق اینکه چه مقدار از دادههای جریان در منطقه ثانویه تکثیر شدهاند بسیار مهم است. پس از آن میتوان از نقطه بازرسی برای تسهیل خطای پردازشگر CDC (تولیدکننده) و از سرگیری دقیق تولید دادهها از مهر زمانی نقطه بازرسی به بعد استفاده کرد.جایگزینی برای استفاده از منبع داده از راه دور
CommitTimestamp
(در صورت در دسترس نبودن) استفاده ازApproximateArrivalTimestamp
(که مُهر زمانی است که رکورد در واقع در جریان داده نوشته می شود). - تابع لامبدا همانندسازی متقاطع منطقه ای - این تابع در هر دو منطقه اولیه و ثانویه مستقر است. این با یک منبع رویداد نگاشت به جریان داده حاوی داده های CDC تنظیم شده است. از همین تابع می توان برای تکثیر داده های جریان های متعدد استفاده کرد. با دستهای از رکوردها از Kinesis Data Streams فراخوانی میشود و دسته را به منطقه تکرار هدف (که از طریق محیط پیکربندی Lambda ارائه میشود) تکرار میکند. برای ملاحظات هزینه، اگر دادههای CDC به طور فعال فقط در منطقه اولیه تولید شود، همزمانی رزرو شده تابع در منطقه ثانویه را میتوان روی صفر تنظیم کرد و در طول شکست منطقهای اصلاح کرد. تابع دارد هویت AWS و مدیریت دسترسی مجوز نقش (IAM) برای انجام کارهای زیر:
- جداول جهانی DynamoDB مورد استفاده در این راه حل را در همان حساب بخوانید و بنویسید.
- خواندن و نوشتن در Kinesis Data Streams در هر دو منطقه در یک حساب.
- انتشار معیارهای سفارشی به CloudWatch آمازون در هر دو منطقه در یک حساب.
- ایست بازرسی تکرار - نقطه بازرسی تکرار از جدول جهانی DynamoDB در هر دو منطقه اولیه و ثانویه استفاده می کند. توسط تابع Lambda replication cross-Region برای باقی ماندن مهر زمانی ارتکاب آخرین رکورد تکرار به عنوان نقطه بازرسی تکرار برای هر جریانی که برای تکرار پیکربندی شده است استفاده می شود. برای این پست یک جدول جهانی به نام ایجاد و استفاده می کنیم
kdsReplicationCheckpoint
. - پیکربندی منطقه فعال - منطقه فعال از جدول جهانی DynamoDB در هر دو منطقه اولیه و ثانویه استفاده می کند. از قابلیت تکثیر بین منطقه ای بومی جدول جهانی برای تکرار پیکربندی استفاده می کند. این از قبل با دادههایی پر شده است که منطقه اصلی یک جریان است تا از تکرار مجدد به منطقه اصلی توسط تابع Lambda در منطقه آماده به کار جلوگیری کند. اگر تابع Lambda در منطقه آماده به کار دارای همزمانی رزرو شده روی صفر باشد، ممکن است به این پیکربندی نیاز نباشد، اما می تواند به عنوان یک بررسی ایمنی برای جلوگیری از حلقه تکرار بی نهایت داده ها باشد. برای این پست یک جدول جهانی به نام ایجاد می کنیم
kdsActiveRegionConfig
و یک مورد با داده های زیر قرار دهید:{ "stream-name": "example-stream-1", "active-region" : "us-east-1" }
- جریان داده های Kinesis – جریانی که پردازنده CDC داده ها را به آن تولید می کند. برای این پست از جریانی به نام استفاده می کنیم
example-stream-1
در هر دو منطقه، با پیکربندی و سیاست های دسترسی یکسان.
دنباله ای از مراحل در تکرار منطقه ای
بیایید به طور خلاصه به نحوه تمرین معماری با استفاده از نمودار توالی زیر نگاه کنیم.
دنباله شامل مراحل زیر است:
- پردازنده CDC (در
us-east-1
) داده های CDC را از منبع داده از راه دور می خواند. - پردازنده CDC (در
us-east-1
) داده های CDC را به Kinesis Data Streams (درus-east-1
). - تابع لامبدا تکرار منطقه ای (در us-east-1) داده های جریان داده را مصرف می کند (در
us-east-1
). الگوی خروجی فن پیشرفته برای توان عملیاتی اختصاصی و افزایش یافته برای تکرار بین منطقه ای توصیه می شود. - تابع Replicator Lambda (در
us-east-1
) منطقه فعلی خود را با پیکربندی منطقه فعال برای جریان در حال مصرف، با کمکkdsActiveRegionConfig
جدول جهانی DynamoDB کد نمونه زیر (در جاوا) می تواند به تشریح شرایط در حال ارزیابی کمک کند:// Fetch the current AWS Region from the Lambda function’s environment String currentAWSRegion = System.getenv(“AWS_REGION”); // Read the stream name from the first Kinesis Record once for the entire batch being processed. This is done because we are reusing the same Lambda function for replicating multiple streams. String currentStreamNameConsumed = kinesisRecord.getEventSourceARN().split(“:”)[5].split(“/”)[1]; // Build the DynamoDB query condition using the stream name Map<String, Condition> keyConditions = singletonMap(“streamName”, Condition.builder().comparisonOperator(EQ).attributeValueList(AttributeValue.builder().s(currentStreamNameConsumed).build()).build()); // Query the DynamoDB Global Table QueryResponse queryResponse = ddbClient.query(QueryRequest.builder().tableName("kdsActiveRegionConfig").keyConditions(keyConditions).attributesToGet(“ActiveRegion”).build());
- تابع پاسخ DynamoDB را با کد زیر ارزیابی می کند:
// Evaluate the response if (queryResponse.hasItems()) { AttributeValue activeRegionForStream = queryResponse.items().get(0).get(“ActiveRegion”); return currentAWSRegion.equalsIgnoreCase(activeRegionForStream.s()); }
- بسته به پاسخ، تابع اقدامات زیر را انجام می دهد:
- اگر پاسخ است
true
، تابع replicator رکوردها را به Kinesis Data Streams در داخل تولید می کندus-east-2
به صورت متوالی- اگر خرابی وجود داشته باشد، شماره توالی رکورد ردیابی می شود و تکرار شکسته می شود. تابع لیست اعداد دنباله شکست خورده را برمی گرداند. با برگرداندن شماره دنباله شکست خورده، راه حل از ویژگی استفاده می کند ایست بازرسی لامبدا قادر به از سرگیری پردازش دسته ای از سوابق با شکست جزئی. این در هنگام رسیدگی به هرگونه اختلال در سرویس مفید است، جایی که عملکرد سعی می کند داده ها را در مناطق مختلف تکرار کند تا از برابری جریان و عدم از دست دادن داده اطمینان حاصل کند.
- اگر خرابی وجود نداشته باشد، یک لیست خالی برگردانده می شود که نشان می دهد دسته موفق بوده است.
- اگر پاسخ است
false
، تابع replicator بدون انجام هیچ تکراری برمی گردد. برای کاهش هزینه فراخوانی های Lambda، می توانید همزمانی رزرو شده تابع را در منطقه DR تنظیم کنید (us-east-2
) به صفر برسد. این کار از فراخوانی تابع جلوگیری می کند. هنگامی که شما Failover می کنید، می توانید این مقدار را به یک عدد مناسب بر اساس خروجی CDC به روز کنید و همزمانی رزرو شده تابع را درus-east-1
به صفر برسد تا از اجرای غیر ضروری آن جلوگیری شود.
- اگر پاسخ است
- پس از اینکه تمام رکوردها به Kinesis Data Streams در تولید می شوند
us-east-2
، تابع replicator به نقاط بازرسیkdsReplicationCheckpoint
جدول جهانی DynamoDB (درus-east-1
) با داده های زیر:{ "streamName": "example-stream-1", "lastReplicatedTimestamp": "2022-07-18T20:00:00" }
- تابع پس از پردازش موفقیت آمیز دسته رکوردها برمی گردد.
ملاحظات عملکرد
انتظارات عملکرد راه حل باید با توجه به عوامل زیر درک شود:
- انتخاب منطقه - تأخیر تکرار مستقیماً با مسافت طی شده توسط داده ها متناسب است، بنابراین انتخاب منطقه خود را درک کنید
- سرعت - سرعت ورودی داده یا حجم داده در حال تکرار
- اندازه بار - اندازه محموله در حال تکرار
مانیتور کردن تکرار منطقه ای
توصیه می شود در صورت وقوع، تکرار را ردیابی و مشاهده کنید. میتوانید تابع Lambda را برای انتشار معیارهای سفارشی در CloudWatch با معیارهای زیر در پایان هر فراخوانی تنظیم کنید. انتشار این معیارها در هر دو منطقه اولیه و ثانویه به محافظت از خود در برابر آسیبهایی که بر قابلیت مشاهده در منطقه اولیه تأثیر میگذارد کمک میکند.
- ظرفیت تولید - اندازه دسته ای فراخوانی لامبدا
- ReplicationLagSeconds – تفاوت بین مهر زمانی فعلی (پس از پردازش تمام رکوردها) و
ApproximateArrivalTimestamp
از آخرین رکوردی که تکرار شد
مثال زیر نمودار متریک CloudWatch نشان می دهد که میانگین تاخیر تکرار 2 ثانیه با توان عملیاتی 100 رکورد تکرار شده از us-east-1
به us-east-2
.
استراتژی شکست متداول
در طول هر گونه اختلالی که بر خط لوله CDC در منطقه اولیه تأثیر می گذارد، تداوم کسب و کار یا نیازهای بازیابی فاجعه ممکن است خرابی خط لوله را به منطقه ثانویه (آماده به کار) دیکته کند. این بدان معنی است که چند کار باید به عنوان بخشی از این فرآیند شکست انجام شود:
- در صورت امکان، تمام وظایف CDC را در ابزار پردازنده CDC متوقف کنید
us-east-1
. - پردازنده CDC باید در منطقه ثانویه خراب شود، به طوری که بتواند داده های CDC را از منبع داده راه دور بخواند در حالی که خارج از منطقه آماده به کار است.
- La
kdsActiveRegionConfig
جدول جهانی DynamoDB باید به روز شود. به عنوان مثال، برای جریانexample-stream-1
مورد استفاده در مثال ما، منطقه فعال به تغییر یافته استus-east-2
:
{ "stream-name": "example-stream-1", "active-Region" : "us-east-2"
}
- تمام نقاط بازرسی جریان باید از قسمت خوانده شوند
kdsReplicationCheckpoint
جدول جهانی DynamoDB (درus-east-2
، و مهرهای زمانی از هر یک از نقاط بازرسی برای شروع وظایف CDC در ابزار تولید کننده درus-east-2
منطقه. این احتمال از دست دادن داده ها را به حداقل می رساند و به طور دقیق جریان داده های CDC را از منبع داده از راه دور از مهر زمانی نقطه بازرسی به بعد از سر می گیرد. - اگر از همزمانی رزرو شده برای کنترل فراخوانی های لامبدا استفاده می کنید، مقدار را در منطقه اصلی صفر قرار دهید(
us-east-1
) و به یک مقدار مناسب غیر صفر در منطقه ثانویه (us-east-2
).
استراتژی شکست چند مرحله ای Vanguard
برخی از ابزارهای شخص ثالثی که Vanguard استفاده میکنند، دارای یک فرآیند CDC دو مرحلهای برای پخش دادهها از منبع داده از راه دور به مقصد هستند. ابزار انتخابی Vanguard برای پردازنده CDC خود از این رویکرد دو مرحله ای پیروی می کند:
- اولین مرحله شامل تنظیم یک کار جریان ورود به سیستم است که داده ها را از منبع داده از راه دور می خواند و در یک مکان مرحله بندی باقی می ماند.
- مرحله دوم شامل تنظیم وظایف مصرفکننده فردی است که دادهها را از محل استقرار میخواند - که ممکن است روشن باشد سیستم فایل الاستیک آمازون (Amazon EFS) یا آمازون FSxبه عنوان مثال—و آن را به مقصد پخش کنید. انعطافپذیری در اینجا این است که هر یک از این وظایف مصرفکننده را میتوان از مُهرهای زمانی مختلف شروع کرد. وظیفه جریان ورود به سیستم معمولاً شروع به خواندن داده ها از حداقل تمام مهرهای زمانی ارتکاب مورد استفاده توسط وظایف مصرف کننده می کند.
بیایید برای توضیح این سناریو به یک مثال نگاه کنیم:
- وظیفه مصرف کننده A استریم داده ها از مهر زمانی تعهد 2022-07-19T20:00:00 به بعد به
example-stream-1
. - وظیفه مصرف کننده B در حال پخش داده ها از مهر زمانی تعهد 2022-07-19T21:00:00 به بعد به
example-stream-2
. - در این شرایط، جریان گزارش باید دادهها را از منبع داده راه دور از حداقل مهرهای زمانی استفاده شده توسط وظایف مصرفکننده بخواند، که 2022-07-19T20:00:00 است.
نمودار توالی زیر مراحل دقیقی را که باید در حین شکست در اجرا انجام شود را نشان می دهد us-east-2
(منطقه آماده به کار).
مراحل زیر است:
- فرآیند شکست در منطقه آماده به کار راه اندازی می شود (
us-east-2
در این مثال) در صورت لزوم. توجه داشته باشید که ماشه را می توان با استفاده از بررسی های سلامت جامع خط لوله در منطقه اولیه خودکار کرد. - فرآیند failover جدول جهانی kdsActiveRegionConfig DynamoDB را با مقدار جدید برای منطقه بهروزرسانی میکند.
us-east-2
برای همه نام های جریان - گام بعدی این است که تمام نقاط بازرسی جریان را از
kdsReplicationCheckpoint
جدول جهانی DynamoDB (درus-east-2
). - پس از خوانده شدن اطلاعات ایست بازرسی، فرآیند failover حداقل همه موارد را پیدا می کند
lastReplicatedTimestamp
. - وظیفه جریان ورود به سیستم در ابزار پردازشگر CDC شروع می شود
us-east-2
با مهر زمانی موجود در مرحله 4. خواندن دادههای CDC را از منبع داده راه دور از این مهر زمانی به بعد آغاز میکند و آنها را در محل مرحلهبندی در AWS نگه میدارد. - گام بعدی این است که تمام وظایف مصرف کننده را برای خواندن داده ها از محل مرحله بندی و پخش جریانی به جریان داده مقصد آغاز کنید. این جایی است که هر وظیفه مصرف کننده با مهر زمانی مناسب از آن ارائه می شود
kdsReplicationCheckpoint
جدول با توجه بهstreamName
که وظیفه داده ها را به آن جریان می دهد.
پس از شروع تمام وظایف مصرف کننده، داده ها به جریان های داده Kinesis در us-east-2 تولید می شوند. از آنجا به بعد، فرآیند تکرار بین منطقه ای همان است که قبلاً توضیح داده شد - تابع تکرار لامبدا در us-east-2
شروع به تکثیر داده ها در جریان داده در داخل می کند us-east-1
.
انتظار میرود برنامههای مصرفکننده که دادهها را از جریانها میخوانند، ناتوان باشند تا بتوانند موارد تکراری را مدیریت کنند. به دلایل زیادی می توان موارد تکراری را در جریان معرفی کرد که در زیر به برخی از آنها اشاره می شود.
- تولید کننده یا پردازنده CDC در حین پخش مجدد داده های CDC در حین یک شکست، موارد تکراری را وارد جریان می کند.
- DynamoDB Global Table از تکثیر ناهمزمان داده ها در مناطق مختلف استفاده می کند
kdsReplicationCheckpoint
دادههای جدول دارای تأخیر تکراری هستند، فرآیند شکست ممکن است به طور بالقوه از یک مهر زمانی قدیمیتر برای پخش مجدد دادههای CDC استفاده کند.
همچنین، برنامه های کاربردی مصرف کننده باید علامت CommitTimestamp آخرین رکورد مصرف شده را بررسی کنند. این برای تسهیل نظارت و بازیابی بهتر است.
مسیر بلوغ: بازیابی خودکار
حالت ایده آل این است که فرآیند شکست را به طور کامل خودکار کند و زمان بازیابی و برآورده شدن هدف سطح سرویس انعطاف پذیری (SLO) را کاهش دهد. با این حال، در اکثر سازمانها، تصمیم برای شکست، شکست مجدد، و آغاز شکست نیازمند مداخله دستی در ارزیابی وضعیت و تصمیمگیری برای نتیجه است. ایجاد اتوماسیون اسکریپت شده برای انجام failover که می تواند توسط انسان اجرا شود، مکان خوبی برای شروع است.
Vanguard تمام مراحل failover را خودکار کرده است، اما هنوز هم انسان ها باید تصمیم بگیرند که چه زمانی آن را فراخوانی کنند. شما می توانید راه حل را برای برآورده کردن نیازهای خود و بسته به ابزار پردازنده CDC که در محیط خود استفاده می کنید، سفارشی کنید.
نتیجه
در این پست، توضیح دادیم که چگونه Vanguard ابداع کرده و راه حلی برای تکثیر داده ها در مناطق مختلف در Kinesis Data Streams ایجاد کرده است تا داده ها بسیار در دسترس باشد. ما همچنین یک استراتژی ایست بازرسی قوی را برای تسهیل شکست منطقه ای فرآیند تکرار در صورت نیاز نشان دادیم. راه حل همچنین نحوه استفاده از جداول جهانی DynamoDB را برای ردیابی نقاط بازرسی تکرار و پیکربندی نشان می دهد. با این معماری، Vanguard قادر بود بسته به دادههای CDC را در چندین منطقه برای برآوردن نیازهای تجاری با دسترسی بالا در مواجهه با اختلالات خدماتی که بر خطوط لوله CDC در منطقه اولیه تأثیر میگذارد، مستقر کند.
اگر بازخوردی دارید لطفاً در بخش نظرات زیر نظر بدهید.
درباره نویسندگان
راغو بوپانا به عنوان یک معمار سازمانی در دفتر فناوری ونگارد کار می کند. Raghu در تجزیه و تحلیل داده ها، مهاجرت / تکرار داده ها از جمله خطوط لوله CDC، بازیابی فاجعه و پایگاه های داده تخصص دارد. او چندین گواهینامه AWS از جمله AWS Certified Security – Specialty و AWS Certified Data Analytics – Specialty را به دست آورده است.
Parameswaran V Vaidyanathan یک معمار ارشد مقاومت ابری با خدمات وب آمازون است. او با معماری و ساخت راه حل های مقیاس پذیر و انعطاف پذیر در AWS Cloud به شرکت های بزرگ کمک می کند تا به اهداف تجاری دست یابند.
ریچا کال یک رهبر ارشد در راه حل های مشتری است که به مشتریان خدمات مالی خدمت می کند. او در خارج از نیویورک مستقر است. او تجربه گسترده ای در تحول ابری در مقیاس بزرگ، تعالی کارکنان و راه حل های دیجیتال نسل بعدی دارد. او و تیمش بر روی بهینهسازی ارزش ابر با ساخت راهحلهای کارآمد، انعطافپذیر و چابک تمرکز میکنند. ریچا از چند ورزش مانند ورزش های سه گانه، موسیقی و یادگیری در مورد فن آوری های جدید لذت می برد.
میتیل پراساد یک مدیر اصلی راه حل های مشتری با خدمات وب آمازون است. در نقش خود، میثیل با مشتریان کار می کند تا تحقق ارزش ابری را هدایت کند، رهبری فکری را برای کمک به کسب و کارها برای دستیابی به سرعت، چابکی و نوآوری ارائه دهد.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/big-data/how-vanguard-made-their-technology-platform-resilient-and-efficient-by-building-cross-region-replication-for-amazon-kinesis-data-streams/
- 1
- 100
- 2022
- 28
- a
- توانایی
- قادر
- درباره ما
- بالاتر
- دسترسی
- مطابق
- حساب
- به درستی
- رسیدن
- در میان
- اقدامات
- فعال
- فعالانه
- واقعا
- اضافه
- نصیحت
- موثر بر
- مقرون به صرفه
- پس از
- در برابر
- فرز
- معرفی
- اجازه می دهد تا
- جایگزین
- آمازون
- آمازون EC2
- آمازون کینسیس
- آمازون خدمات وب
- مقدار
- علم تجزیه و تحلیل
- و
- برنامه های کاربردی
- روش
- مناسب
- معماری
- خودکار بودن
- خودکار
- اتوماسیون
- دسترس پذیری
- در دسترس
- میانگین
- اجتناب از
- AWS
- دارای گواهینامه AWS
- به عقب
- مستقر
- زیرا
- بودن
- در زیر
- بهتر
- میان
- بطور خلاصه
- شکسته
- ساختن
- بنا
- ساخته
- ساخته شده در
- کسب و کار
- تداوم کسب و کار
- کسب و کار
- نام
- گرفتن
- جلب
- مورد
- CDC
- گواهینامه ها
- مهندسان
- شانس
- تغییر دادن
- بررسی
- چک
- رئیس
- انتخاب
- ابر
- فناوری ابر
- رمز
- توضیح
- نظرات
- مرتکب شدن
- جزء
- جامع
- محاسبه
- شرط
- پیکر بندی
- ملاحظات
- مصرف
- مصرف کننده
- مصرف کنندگان
- مصرف
- به طور مداوم
- کنترل
- هزینه
- میتوانست
- زن و شوهر
- ایجاد
- ایجاد
- بحرانی
- جاری
- در حال حاضر
- سفارشی
- مشتری
- راه حل های مشتری
- مشتریان
- سفارشی
- داده ها
- تجزیه و تحلیل داده ها
- از دست رفتن داده ها
- پایگاه داده
- پایگاه های داده
- تصمیم گیری
- تصمیم
- اختصاصی
- نشان
- نشان می دهد
- بستگی دارد
- بستگی دارد
- گسترش
- مستقر
- شرح داده شده
- مقصد
- جزئیات
- تفاوت
- مختلف
- دیجیتال
- مستقیما
- فاجعه
- بحث کردیم
- فاصله
- راندن
- رانندگی
- نسخه های تکراری
- در طی
- هر
- پیش از آن
- به دست آورده
- اقتصاد
- اقتصاد مقیاس
- موثر
- کارمند
- را قادر می سازد
- افزایش
- اطمینان حاصل شود
- سرمایه گذاری
- شرکت
- تمام
- محیط
- اتر (ETH)
- ارزیابی
- ارزیابی
- واقعه
- هر
- مثال
- برتری
- اجرا کردن
- انتظارات
- انتظار می رود
- تجربه
- توضیح دهید
- توضیح می دهد
- وسیع
- خارجی
- چهره
- تسهیل کردن
- عوامل
- FAIL
- ناموفق
- شکست
- ویژگی
- باز خورد
- رشته
- پرونده
- مالی
- خدمات مالی
- پیدا می کند
- نام خانوادگی
- انعطاف پذیری
- تمرکز
- پیروی
- به دنبال آن است
- برای سرمایه گذاران
- یافت
- از جانب
- کاملا
- تابع
- نسل
- جهانی
- زمین
- اهداف
- خوب
- گراف
- مهمان
- پست مهمان
- دسته
- اداره
- اتفاق می افتد
- سلامتی
- کمک
- کمک می کند
- اینجا کلیک نمایید
- زیاد
- خیلی
- چگونه
- چگونه
- اما
- HTTPS
- انسان
- انسان
- IAM
- دلخواه
- هویت
- نقص
- بهبود
- را بهبود می بخشد
- in
- از جمله
- وارد شونده
- افزایش
- نشان می دهد
- فرد
- اطلاعات
- شالوده
- ابداع
- نمونه
- مداخله
- معرفی
- معرفی می کند
- سرمایه گذار
- سرمایه گذاران
- شامل
- IT
- تکرار
- جاوه
- جولای
- کلید
- جریان داده های Kinesis
- بزرگ
- نام
- تاخیر
- رهبر
- رهبری
- یادگیری
- ترک کردن
- سطح
- لاین
- خطوط
- فهرست
- کوچک
- محل
- نگاه کنيد
- خاموش
- ساخته
- حفظ
- ساخت
- باعث می شود
- اداره می شود
- مدیر
- روش
- کتابچه راهنمای
- بسیاری
- نقشه برداری
- انبوه
- بلوغ
- به معنی
- مکانیزم
- دیدار
- نشست
- متری
- متریک
- حداقل
- حد اقل
- حالت
- اصلاح شده
- نظارت بر
- اکثر
- چند
- چندگانه
- موسیقی
- نام
- نام
- بومی
- نیاز
- ضروری
- نیازهای
- جدید
- فناوری های نوین
- نیویورک
- بعد
- عدد
- تعداد
- هدف
- مشاهده کردن
- دفتر
- عملیاتی
- بهینه سازی
- سازمان های
- نتیجه
- برابری
- بخش
- مشارکت کرد
- حزب
- الگو
- انجام دادن
- کارایی
- انجام
- مجوز
- همچنان ادامه دارد
- شخصی
- خط لوله
- محل
- سکو
- افلاطون
- هوش داده افلاطون
- PlatoData
- لطفا
- سیاست
- ممکن
- پست
- بالقوه
- جلوگیری از
- اصلی
- اصلی
- روند
- در حال پردازش
- پردازنده
- ساخته
- تهيه كننده
- تولید
- ترویج می کند
- محافظت از
- ارائه
- ارائه
- فراهم می کند
- منتشر کردن
- انتشار
- اهداف
- قرار دادن
- خواندن
- مطالعه
- تحقق
- دلایل
- توصیه می شود
- رکورد
- سوابق
- بهبود یافتن
- بهبود
- كاهش دادن
- کاهش
- منطقه
- منطقهای
- مناطق
- دور
- تکرار شده
- تکرار
- تکرار
- ضروری
- مورد نیاز
- نیاز
- محفوظ می باشد
- حالت ارتجاعی
- انعطاف پذیر
- پاسخ
- REST
- ادامه
- برگشت
- عودت
- بازده
- تنومند
- نقش
- رول
- ROW
- دویدن
- ایمنی
- همان
- مقیاس پذیر
- مقیاس
- سناریو
- دوم
- ثانوی
- ثانیه
- بخش
- تیم امنیت لاتاری
- ارشد
- دنباله
- خدمت
- سرویس
- خدمات
- خدمت
- تنظیم
- محیط
- چند
- باید
- نشان داده شده
- نشان می دهد
- سادگی
- وضعیت
- اندازه
- So
- راه حل
- مزایا
- برخی از
- منبع
- منابع
- تخصص دارد
- تخصص
- سرعت
- ورزش ها
- استقرار
- شروع
- آغاز شده
- شروع می شود
- دولت
- گام
- مراحل
- هنوز
- توقف
- opbevare
- استراتژی
- جریان
- جریان
- سرویس جریان
- جریان
- موفق
- موفقیت
- مناسب
- برتر
- عرضه شده است
- پشتیبانی از
- سیستم
- جدول
- طول می کشد
- هدف
- کار
- وظایف
- تیم
- تیم ها
- فنی
- فن آوری
- پیشرفته
- La
- شان
- اشیاء
- شخص ثالث
- فکر
- رهبری فکر
- از طریق
- توان
- زمان
- برچسب زمان
- به
- ابزار
- ابزار
- مسیر
- پیگردی
- دگرگونی
- سفرکرده
- ماشه
- باعث شد
- فهمیدن
- فهمید
- بدون نیاز
- بروزرسانی
- به روز شده
- به روز رسانی
- استفاده کنید
- مورد استفاده
- معمولا
- ساعت محلی UTC تنظیم شده اند
- ارزش
- پیشتاز
- VeloCity
- از طريق
- حجم
- وب
- خدمات وب
- که
- در حین
- اراده
- در داخل
- بدون
- با این نسخهها کار
- خواهد بود
- نوشتن
- کتبی
- شما
- خودت
- زفیرنت
- صفر
- مناطق