“А не потеряются ли наши данные, если мы храним их в памяти” — вопрос, который часто задают про in-memory databases.

Мы ответим на него и расскажем, как устроено хранение данных в Picodata, зачем там находится WAL и как не терять данные при перезагрузке.

Ключевой особенностью распределенных СУБД является то, что данные не хранятся в одном узле, а равномерно распределены по всему кластеру. Такой архитектурный подход называется “шардированием”, и именно он позволяет масштабировать СУБД горизонтально.

В этом уроке мы расскажем об основных подходах к шардированию данных и рассмотрим, какие особенности есть у каждого подхода. Также разберем на примере, как Picodata реализует шардирование и что для этого спрятано у нашей СУБД “под капотом”.

Управлять базой данных — сложно… вдвойне сложно, если в ней 1000 узлов. Мы расскажем, какие алгоритмы применяет Picodata для сборки кластера, как поддерживать единую схему данных в целостности на каждом узле и почему мы настаиваем, что для настоящей доступности нужно не меньше трех ДЦ.

Для того чтобы не терять время на сетевое взаимодействие, в Picodata есть возможность выполнять код рядом с данными.

На этом занятии мы расскажем, как создать свой плагин для Picodata на языке Rust, и рассмотрим простые примеры.

В формате оценки выполнения домашних заданий.