रेप्लिकेशन कसे काम करते आणि त्याच्या रणनीती कोणत्या आहेत?

Question

Accepted Answer

**रेप्लिकेशन** अनेक सर्व्हरवर डेटाच्या प्रती मेनटेन करते — **उपलब्धता** (अपयशांपासून टिकून राहणे), **रीड स्केलिंग** (प्रतीवरून रीड सेवा देणे), आणि **भौगोलिक वितरण** साठी. विविध रणनीती (प्राथमिक-रेप्लिका, मल्टी-प्राथमिक, sync विरुद्ध async) ट्रेड-ऑफ समाविष्ट करतात.

## रेप्लिकेशन का करायचे

```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.
```

## रेप्लिकेशन रणनीती

```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
```

## सिंक्रोनस विरुद्ध असिंक्रोनस

```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
```

## असे महत्त्वाचे का आहे

रेप्लिकेशन समजणे मूल्यवान आहे कारण हे **डेटा सिस्टममध्ये उपलब्धता आणि रीड स्केलिंगसाठी एक मूलभूत तंत्र** आहे, म्हणून हे महत्त्वाचे सिस्टम-डिজाइन ज्ञान आहे.

रेप्लिकेशन — सर्व्हरवर डेटाच्या प्रती मेनटेन करणे — महत्त्वाचे हेतू पूर्ण करते: **उपलब्धता** (रिडंडन्सी आणि फेलओव्हरद्वारे अपयशांपासून टिकून राहणे), **रीड स्केलिंग** (प्राथमिकवरून रीड सेवा देणे, रीड-हेवी वर्कलोडसाठी मूल्यवान), आणि **भौगोलिक वितरण** (वापरकर्त्यांजवळ प्रती कमी लेटन्सीसाठी, अधिक आपत्ती पुनर्प्राप्तीसाठी).

या हेतूंचे समज स्पष्ट करते की रेप्लिकेशन विश्वसनीय, स्केलेबल डेटा सिस्टमसाठी मूलभूत आहे.

**रणनीतीचे** समजणे — **प्राथमिक-रेप्लिका** (एक प्राथमिक लिखण साठी रीड रेप्लिकामध्ये रेप्लिकेट करत आहे — सामान्य, सोपा मॉडेल रीड-हेवी वर्कलोडसाठी उत्तम, परंतु प्राथमिक लिखन बॉटलनेक आहे) विरुद्ध **मल्टी-प्राथमिक** (अनेक नोड्स लिखण स्वीकार करतात, लिखन स्केलिंग आणि जिओ-लिखन सक्षम करतात परंतु जटिल संघर्ष समाधान आवश्यक आहे) — योग्य दृष्टिकोन निवडणे आवश्यक आहे.

**सिंक्रोनस विरुद्ध असिंक्रोनस** ट्रेड-ऑफ समजणे विशेषत: महत्त्वाचे आहे: **सिंक्रोनस** रेप्लिकेशन (स्वीकृती देण्यापूर्वी रेप्लिकास स्वीकृती प्रतीक्षा करणे) रेप्लिका सुसंगत रखते आणि डेटा नुकसान टाळते परंतु हळू आहे, तर **असिंक्रोनस** रेप्लिकेशन (तत्काळ स्वीकृती, पार्श्वभूमीमध्ये रेप्लिकेट करणे) वेगवान आणि अत्यंत उपलब्ध आहे परंतु **रेप्लिकेशन लग** आहे (रेप्लिका संक्षिप्तपणे मागे आहेत, स्टेल रीड आणि संभावित डेटा नुकसान जर प्राथमिक रेप्लिकेट करण्यापूर्वी अपयश हो तर — अंतिम सुसंगतता).

हे टिकाऊपणा/सुसंगतता विरुद्ध कार्यक्षमता/उपलब्धता ट्रेड-ऑफ एक महत्त्वाचा डिजाइन निर्णय आहे.

कारण रेप्लिकेशन डेटा सिस्टममध्ये उपलब्धता आणि रीड स्केलिंगसाठी मूलभूत आहे आणि रणनीती (प्राथमिक-रेप्लिका विरुद्ध मल्टी-प्राथमिक) आणि sync/async ट्रेड-ऑफ सुसंगतता, कार्यक्षमता, आणि उपलब्धता लक्षणीयरित्या प्रभावित करतात, आणि कारण त्यांचे समजणे डेटा सिस्टम डिजाइन करण्यासाठी महत्त्वाचे आहे, रेप्लिकेशन समजणे मूल्यवान, व्यावहारिकरित्या प्रासंगिक सिस्टम-डिजाइन ज्ञान आहे — उपलब्धता आणि रीड स्केलिंगसाठी एक मूलभूत तंत्र, महत्त्वाचा रणनीती आणि sync/async ट्रेड-ऑफ सह, आणि विश्वसनीय, स्केलेबल डेटा सिस्टम डिजाइन करण्यासाठी केंद्रीय जे अपयशांपासून टिकून राहतात आणि रीड लोड हाताळतात.