ریپلیکیشن کیسے کام کرتی ہے اور اس کی حکمت عملیں کیا ہیں؟

Question

Accepted Answer

**Replication** متعدد سرورز پر ڈیٹا کی کاپیاں برقرار رکھتی ہے — **دستیابی** کے لیے (ناکامیوں سے بچاؤ)، **ریڈ اسکیلنگ** (کاپیوں سے ریڈز سرو کرنا)، اور **جغرافیائی تقسیم**۔ مختلف حکمت عملیں (primary-replica، multi-primary، sync بمقابلہ async) مختلف فوائل و نقصانات پر مشتمل ہیں۔

## Replication کیوں ضروری ہے

```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 کی حکمت عملیں

```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 بمقابلہ 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
```

## یہ اہم کیوں ہے

Replication کو سمجھنا قیمتی ہے کیونکہ یہ **ڈیٹا سسٹمز میں دستیابی اور ریڈ اسکیلنگ کی ایک بنیادی تکنیک** ہے، لہذا یہ اہم system-design علم ہے۔

Replication — سرورز پر ڈیٹا کی کاپیاں برقرار رکھنا — اہم مقاصد پوری کرتی ہے: **دستیابی** (redundancy اور failover کے ذریعے ناکامیوں سے بچاؤ)، **ریڈ اسکیلنگ** (replica سے ریڈز سرو کرنا تاکہ primary پر بوجھ کم ہو، read-heavy workloads کے لیے قیمتی)، اور **جغرافیائی تقسیم** (صارفین کے قریب کاپیاں کم latency کے لیے، اور disaster recovery)۔

ان مقاصد کو سمجھنا یہ واضح کرتا ہے کہ replication قابل اعتماد، scalable ڈیٹا سسٹمز کے لیے بنیادی کیوں ہے۔

**حکمت عملیں** کو سمجھنا — **primary-replica** (ایک primary لکھنے کے لیے read replicas کو replicate کرتے ہوئے — عام، سادہ ماڈل read-heavy workloads کے لیے بہترین، اگرچہ primary ایک لکھنے میں رکاوٹ ہے) بمقابلہ **multi-primary** (متعدد nodes لکھنے کو قبول کرتے ہیں، لکھنے کی scaling اور geo-writes کو فعال کرتے ہوئے لیکن پیچیدہ conflict resolution کی ضرورت) — درست نقطہ نظر منتخب کرنے کے لیے ضروری ہے۔

**Synchronous بمقابلہ asynchronous** trade-off کو سمجھنا خاص طور پر اہم ہے: **synchronous** replication (تسلیم کرنے سے پہلے replicas کی تصدیق کا انتظار) replicas کو مطابقت پذیر رکھتا ہے اور ڈیٹا کے نقصان سے بچاتا ہے لیکن سست ہے، جبکہ **asynchronous** replication (فوری طور پر تسلیم، پس منظر میں replicate) تیز اور بہت دستیاب ہے لیکن **replication lag** ہے (replicas مختصر عرصے کے لیے پیچھے، stale reads کا سبب بنتے ہوئے اور اگر primary fail ہو تو ڈیٹا کے نقصان کا امکان — eventual consistency)۔

یہ durability/consistency بمقابلہ performance/availability trade-off ایک اہم ڈیزائن فیصلہ ہے۔

چونکہ replication ڈیٹا سسٹمز میں دستیابی اور ریڈ اسکیلنگ کے لیے بنیادی ہے اور حکمت عملیں (primary-replica بمقابلہ multi-primary) اور sync/async trade-offs consistency، performance، اور availability کو نمایاں طریقے سے متاثر کرتی ہیں، اور چونکہ انہیں سمجھنا ڈیٹا سسٹمز ڈیزائن کے لیے اہم ہے، replication کو سمجھنا قیمتی، عملی system-design علم ہے — دستیابی اور ریڈ اسکیلنگ کی ایک بنیادی تکنیک، اہم حکمت عملی اور sync/async trade-offs کے ساتھ، اور قابل اعتماد، scalable ڈیٹا سسٹمز کے ڈیزائن کے لیے مرکزی جو ناکامیوں سے بچتے ہیں اور ریڈ لوڈ کو سنبھالتے ہیں۔