Replication कैसे काम करता है और इसकी रणनीतियां क्या हैं?

Question

Accepted Answer

**Replication** डेटा की प्रतियों को कई सर्वरों में बनाए रखता है — **availability** (विफलताओं से बचना), **read scaling** (प्रतियों से reads सर्व करना), और **geographic distribution** के लिए। विभिन्न रणनीतियां (primary-replica, multi-primary, sync बनाम async) trade-offs शामिल करती हैं।

## Replicate क्यों करें

```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.
```

## Replication रणनीतियां

```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
```

## Synchronous बनाम asynchronous

```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
```

## यह क्यों महत्वपूर्ण है

Replication को समझना मूल्यवान है क्योंकि यह डेटा सिस्टम में **availability और read scaling के लिए एक मौलिक तकनीक** है, इसलिए यह महत्वपूर्ण system-design ज्ञान है।

Replication — सर्वरों में डेटा की प्रतियां बनाए रखना — महत्वपूर्ण उद्देश्यों की पूर्ति करता है: **availability** (redundancy और failover के माध्यम से विफलताओं से बचना), **read scaling** (primary को offload करने के लिए replicas से reads सर्व करना, read-heavy workloads के लिए मूल्यवान), और **geographic distribution** (कम latency के लिए users के पास प्रतियां, plus disaster recovery)।

इन उद्देश्यों को समझना स्पष्ट करता है कि replication विश्वसनीय, scalable डेटा सिस्टम के लिए मौलिक क्यों है।

**रणनीतियों** को समझना — **primary-replica** (read replicas को replicate करने वाला writes के लिए एक primary — सामान्य, सरल मॉडल जो read-heavy workloads के लिए बढ़िया है, हालांकि primary एक write bottleneck है) बनाम **multi-primary** (writes स्वीकार करने वाले कई nodes, write scaling और geo-writes सक्षम करते हुए लेकिन जटिल conflict resolution की आवश्यकता) — सही दृष्टिकोण चुनने के लिए आवश्यक है।

**synchronous बनाम asynchronous** trade-off को समझना विशेष रूप से महत्वपूर्ण है: **synchronous** replication (acknowledging से पहले replicas के पुष्टि करने की प्रतीक्षा) replicas को सुसंगत रखता है और data loss से बचता है लेकिन धीमा है, जबकि **asynchronous** replication (तुरंत acknowledging, background में replicating) तेज़ और अत्यधिक उपलब्ध है लेकिन **replication lag** है (replicas संक्षेप में पीछे, stale reads का कारण बनते हुए और primary के replicating से पहले विफल होने पर संभावित data loss — eventual consistency)।

यह durability/consistency बनाम performance/availability trade-off एक प्रमुख डिज़ाइन निर्णय है।

चूंकि replication डेटा सिस्टम में availability और read scaling के लिए मौलिक है और रणनीतियां (primary-replica बनाम multi-primary) और sync/async trade-offs consistency, performance, और availability को महत्वपूर्ण रूप से प्रभावित करते हैं, और चूंकि उन्हें समझना डेटा सिस्टम डिज़ाइन करने के लिए महत्वपूर्ण है, replication को समझना मूल्यवान, व्यावहारिक रूप से प्रासंगिक system-design ज्ञान है — availability और read scaling के लिए एक मौलिक तकनीक, महत्वपूर्ण रणनीति और sync/async trade-offs के साथ, और ऐसे विश्वसनीय, scalable डेटा सिस्टम डिज़ाइन करने के लिए केंद्रीय जो विफलताओं से बचते हैं और read load को संभालते हैं।