રેપ્લિકેશન કેવી રીતે કામ કરે છે અને તેની વ્યૂહરચનાઓ શું છે?

Question

Accepted Answer

**રેપ્લિકેશન** બહુવિધ સર્વરો પર ડેટાની નકલો જાળવી રાખે છે — **ઉપલબ્ધતા** માટે (નિષ્ફળતાથી બચવા), **રીડ સ્કેલિંગ** માટે (નકલોમાંથી રીડ્સ પૂરી પાડવા), અને **ભૌગોલિક વિતરણ** માટે (વિવિધ વ્યૂહરચનાઓ (પ્રાથમિક-પ્રતિકૃતિ, બહુ-પ્રાથમિક, સમન્વય vs અસમન્વય) વિવિધ ટ્રેડ-અફ સાથે જોડાયેલી છે।

## રેપ્લિકેશન કેમ કરવી

```text
✓ AVAILABILITY/redundancy → if one copy fails, others have the data (no data loss, failover)
✓ READ SCALING → serve reads from replicas (offload the primary) → handle more reads
✓ GEO-DISTRIBUTION → copies near users (lower latency); disaster recovery
→ replication is fundamental to reliable, scalable data systems.
```

## રેપ્લિકેશન વ્યૂહરચનાઓ

```text
PRIMARY-REPLICA (master-slave) → one PRIMARY handles writes, replicates to READ replicas:
  ✓ simple; great for read-heavy workloads; the common model
  ✗ the primary is a write bottleneck / single point for writes (failover needed)
MULTI-PRIMARY (multi-master) → multiple nodes accept writes:
  ✓ write availability/scaling, geo-writes  ✗ CONFLICT resolution (concurrent writes to
    the same data) → complex
```

## સમન્વય vs અસમન્વય

```text
SYNCHRONOUS → wait for replicas to confirm before acknowledging the write:
  ✓ replicas are consistent (no data loss on failover)  ✗ slower (waits); availability impact
ASYNCHRONOUS → acknowledge the write immediately; replicate in the background:
  ✓ fast writes, high availability  ✗ REPLICATION LAG → replicas briefly behind (stale reads;
    possible data loss if the primary fails before replicating) — eventual consistency
→ trade-off: durability/consistency vs performance/availability
```

## શા માટે તે મહત્વપૂર્ણ છે

રેપ્લિકેશનને સમજવું મૂલ્યવાન છે કારણ કે તે ડેટા સિસ્ટમમાં ઉપલબ્ધતા અને રીડ સ્કેલિંગ માટે **મૌલિક તકનીક** છે, તેથી તે મહત્વપૂર્ણ સિસ્ટમ-ડિઝાઇન જ્ઞાન છે।

રેપ્લિકેશન — સર્વરો પર ડેટાની નકલો જાળવી રાખવી — નિર્ણાયક હેતુઓ પૂરી પાડે છે: **ઉપલબ્ધતા** (રીડન્ડન્સી અને ફેઇલઓવર દ્વારા નિષ્ફળતાથી બચવું), **રીડ સ્કેલિંગ** (પ્રતિકૃતિમાંથી રીડ્સ પૂરી પાડવું પ્રાથમિકને અનલોડ કરવા માટે, રીડ-હેવી વર્કલોડ માટે મૂલ્યવાન), અને **ભૌગોલિક વિતરણ** (વપરાશકર્તાઓ પાસે નીચું લેટેન્સી માટે નકલો, વધુમાં આપત્તિ પુનઃપ્રાપ્તি)।

આ હેતુઓને સમજવું સ્પષ્ટ કરે છે કે કેમ રેપ્લિકેશન વિશ્વાસી, સ્કેલેબલ ડેટા સિસ્ટમ માટે મૌલિક છે।

**વ્યૂહરચનાઓ** — **પ્રાથમિક-પ્રતિકૃતિ** (એક પ્રાથમિક રીટ્સ માટે, રીડ પ્રતિકૃતિમાં પ્રતિકૃતિ કરે છે — સામાન્ય, સરળ મોડેલ રીડ-હેવી વર્કલોડ માટે મહાન, જોકે પ્રાથમિક એક લેખન બોટલનેક છે) વર્ષસ **બહુ-પ્રાથમિક** (બહુવિધ નોડ્સ લેખન સ્વીકારે છે, લેખન સ્કેલિંગ અને જીઓ-લેખન સક્ષમ કરે છે પરંતુ જટિલ સંઘર્ષ નિરાકરણ જરૂરી છે) — સમજવું યોગ્ય અભિગમ પસંદ કરવા માટે જરૂરી છે।

**સમન્વય vs અસમન્વય** ટ્રેડ-અફને સમજવું ખાસ કરીને મહત્વપૂર્ણ છે: **સમન્વય** રેપ્લિકેશન (પ્રતિકૃતિ પુષ્ટિ કરતા પહેલા રાહ જોવી સ્વીકારવા માટે) પ્રતિકૃતિ સુસંગત રાખે છે અને ડેટા નુકસાનથી બચે છે પરંતુ ધીમું છે, જ્યારે **અસમન્વય** રેપ્લિકેશન (તરત સ્વીકાર, પૃષ્ઠભૂમિમાં પ્રતિકૃતિ) ઝડપી અને અત્યંત ઉપલબ્ધ છે પરંતુ **રેપ્લિકેશન લેગ** છે (પ્રતિકૃતિ ટૂંક સમયે પાછળ, જૂનું વાંચન અને સંભવ્ય ડેટા નુકસાન જો પ્રાથમિક નિષ્ફળ થાય પહેલા પ્રતિકૃતિ કરે — આખરે સુસંગતા)।

તે સ્થાયિત્વ/સુસંગતા vs કામગીરી/ઉપલબ્ધતા ટ્રેડ-અફ મુખ્ય ડિઝાઇન નિર્ણય છે।

જોકે રેપ્લિકેશન ડેટા સિસ્ટમમાં ઉપલબ્ધતા અને રીડ સ્કેલિંગ માટે મૌલિક છે અને વ્યૂહરચનાઓ (પ્રાથમિક-પ્રતિકૃતિ vs બહુ-પ્રાથમિક) અને સમન્વય/અસમન્વય ટ્રેડ-અફ સુસંગતા, કામગીરી અને ઉપલબ્ધતાને નોંધપૂર્વક અસર કરે છે, અને તેમને સમજવું ડેટા સિસ્ટમ ડિઝાઇન કરવા માટે મહત્વપૂર્ણ છે, તેથી રેપ્લિકેશનને સમજવું મૂલ્યવાન છે, વ્યવહારીય રીતે પ્રાસંગિક સિસ્ટમ-ડિઝાઇન જ્ઞાન — ઉપલબ્ધતા અને રીડ સ્કેલિંગ માટે મૌલિક તકનીક, મહત્વપૂર્ણ વ્યૂહરચના અને સમન્વય/અસમન્વય ટ્રેડ-અફ સાથે, અને નિષ્ફળતા અને હેન્ડલ રીડ લોડથી બચતી અલ્પજીવી, સ્કેલેબલ ડેટા સિસ્ટમ ડિઝાઇન કરવા માટે કેન્દ્રીય।