InfluxDB vs. TimescaleDB: ടൈം സീരീസ് ഡാറ്റയിലെ അതികായൻമാരെക്കുറിച്ചുള്ള ഒരു ആഴത്തിലുള്ള പഠനം

നമ്മുടെ ഈ ഹൈപ്പർ-കണക്റ്റഡ് ലോകത്ത്, അഭൂതപൂർവമായ നിരക്കിലാണ് ഡാറ്റ ഉത്പാദിപ്പിക്കപ്പെടുന്നത്. ജർമ്മനിയിലെ ഒരു സ്മാർട്ട് ഫാക്ടറിയിലെ സെൻസറുകൾ മുതൽ വാൾസ്ട്രീറ്റിലെ സാമ്പത്തിക സൂചകങ്ങൾ വരെ, സിംഗപ്പൂരിലെ ഒരു SaaS കമ്പനിയുടെ ആപ്ലിക്കേഷൻ പ്രകടന മെട്രിക്കുകൾ മുതൽ ആമസോൺ മഴക്കാടുകളിലെ പരിസ്ഥിതി നിരീക്ഷണം വരെ, ഈ വിപ്ലവത്തിന്റെയെല്ലാം ഹൃദയഭാഗത്ത് ഒരു പ്രത്യേക തരം ഡാറ്റയുണ്ട്: ടൈം സീരീസ് ഡാറ്റ.

സമയക്രമത്തിൽ രേഖപ്പെടുത്തിയ ഡാറ്റാ പോയിന്റുകളുടെ ഒരു ശ്രേണിയാണ് ടൈം സീരീസ് ഡാറ്റ. ഇതിൻ്റെ തുടർച്ചയായതും ഉയർന്ന അളവിലുള്ളതുമായ സ്വഭാവം, സംഭരണം, വീണ്ടെടുക്കൽ, വിശകലനം എന്നിവയ്ക്ക് പരമ്പരാഗത റിലേഷണൽ ഡാറ്റാബേസുകൾക്ക് കൈകാര്യം ചെയ്യാൻ കഴിയാത്ത അതുല്യമായ വെല്ലുവിളികൾ ഉയർത്തുന്നു. ഇത് ടൈം സീരീസ് ഡാറ്റാബേസുകൾ (TSDBs) എന്നറിയപ്പെടുന്ന ഒരു പ്രത്യേക വിഭാഗം ഡാറ്റാബേസുകളുടെ ഉദയത്തിന് കാരണമായി.

TSDB രംഗത്തെ നിരവധി കളിക്കാർക്കിടയിൽ, രണ്ട് പേരുകൾ സംഭാഷണങ്ങളിൽ സ്ഥിരമായി ആധിപത്യം സ്ഥാപിക്കുന്നു: InfluxDB, TimescaleDB. രണ്ടും ശക്തവും ജനപ്രിയവും ഉയർന്ന കഴിവുള്ളതുമാണ്, എന്നിട്ടും അടിസ്ഥാനപരമായി വ്യത്യസ്തമായ ആർക്കിടെക്ചറൽ തത്ത്വചിന്തകളിലൂടെയാണ് അവ ഈ പ്രശ്നത്തെ സമീപിക്കുന്നത്. ഇവയിലേതെങ്കിലും ഒന്ന് തിരഞ്ഞെടുക്കുന്നത് നിങ്ങളുടെ ആപ്ലിക്കേഷൻ്റെ പ്രകടനം, സ്കേലബിളിറ്റി, പ്രവർത്തന സങ്കീർണ്ണത എന്നിവയെ കാര്യമായി സ്വാധീനിക്കാൻ കഴിയുന്ന ഒരു നിർണായക തീരുമാനമാണ്.

ഈ സമഗ്രമായ ഗൈഡ് ഈ രണ്ട് അതികായൻമാരെയും കീറിമുറിച്ച് പരിശോധിക്കും, അവരുടെ ആർക്കിടെക്ചർ, ഡാറ്റാ മോഡലുകൾ, ക്വറി ലാംഗ്വേജുകൾ, പ്രകടന സവിശേഷതകൾ, അനുയോജ്യമായ ഉപയോഗ സാഹചര്യങ്ങൾ എന്നിവ പര്യവേക്ഷണം ചെയ്യും. ഇത് വായിച്ചു കഴിയുമ്പോൾ, നിങ്ങളുടെ പ്രത്യേക ആവശ്യങ്ങൾക്ക് ഏത് ഡാറ്റാബേസാണ് അനുയോജ്യമെന്ന് നിർണ്ണയിക്കാൻ വ്യക്തമായ ഒരു ചട്ടക്കൂട് നിങ്ങൾക്കുണ്ടാകും.

എന്താണ് InfluxDB? ഒരു പ്രത്യേക ആവശ്യത്തിനായി നിർമ്മിച്ച പവർഹൗസ്

Go പ്രോഗ്രാമിംഗ് ഭാഷയിൽ എഴുതിയ, തുടക്കം മുതൽ ഒരു പ്രത്യേക ആവശ്യത്തിനായി നിർമ്മിച്ച ടൈം സീരീസ് ഡാറ്റാബേസാണ് InfluxDB. ഒരു പ്രാഥമിക ലക്ഷ്യത്തോടെയാണ് ഇത് രൂപകൽപ്പന ചെയ്തത്: ഏറ്റവും കൂടിയ കാര്യക്ഷമതയോടെ വലിയ അളവിലുള്ള ടൈം-സ്റ്റാമ്പ് ചെയ്ത ഡാറ്റ കൈകാര്യം ചെയ്യുക. ഒരു പൊതു-ഉദ്ദേശ്യ ഡാറ്റാബേസിൻ്റെ ഭാരങ്ങൾ ഇതിനില്ല, ഇത് ടൈം സീരീസ് ഡാറ്റയുടെ പ്രത്യേക വർക്ക്ലോഡുകൾക്കായി ഉയർന്ന തോതിൽ ഒപ്റ്റിമൈസ് ചെയ്യാൻ അനുവദിക്കുന്നു: ഉയർന്ന ത്രൂപുട്ടുള്ള റൈറ്റുകളും (high-throughput writes) സമയ-കേന്ദ്രീകൃത ക്വറികളും (time-centric queries).

പ്രധാന ആർക്കിടെക്ചറും ഡാറ്റാ മോഡലും

വേഗതയ്ക്കും ലാളിത്യത്തിനും വേണ്ടിയാണ് InfluxDB-യുടെ ആർക്കിടെക്ചർ നിർമ്മിച്ചിരിക്കുന്നത്. വർഷങ്ങളായി, ഇതിൻ്റെ കാതൽ ടൈം-സ്ട്രക്ചേർഡ് മെർജ് ട്രീ (TSM) സ്റ്റോറേജ് എഞ്ചിനാണ്. ഇത് ഉയർന്ന ഇൻജസ്റ്റ് റേറ്റുകൾക്കും കാര്യക്ഷമമായ കംപ്രഷനും വേണ്ടി ഒപ്റ്റിമൈസ് ചെയ്തിരിക്കുന്നു. InfluxDB-യിലെ ഡാറ്റ ലളിതവും അവബോധജന്യവുമായ ഒരു മാതൃകയിൽ ക്രമീകരിച്ചിരിക്കുന്നു:

• Measurement: നിങ്ങളുടെ ടൈം സീരീസ് ഡാറ്റയ്ക്കുള്ള ഒരു കണ്ടെയ്നർ, SQL-ലെ ഒരു ടേബിളിന് സമാനം. ഉദാഹരണം: cpu_usage.
• Tags: ഡാറ്റയെക്കുറിച്ചുള്ള മെറ്റാഡാറ്റ സംഭരിക്കുന്ന കീ-വാല്യൂ സ്ട്രിംഗ് ജോഡികൾ. ടാഗുകൾ എപ്പോഴും ഇൻഡെക്സ് ചെയ്യപ്പെടുന്നു, കാര്യക്ഷമമായ ക്വറികൾക്ക് ഇത് നിർണായകമാണ്. ഉദാഹരണം: host=serverA, region=us-west-1.
• Fields: യഥാർത്ഥ ഡാറ്റാ മൂല്യങ്ങൾ, ഫ്ലോട്ടുകൾ, പൂർണ്ണസംഖ്യകൾ, സ്ട്രിംഗുകൾ അല്ലെങ്കിൽ ബൂളിയനുകൾ ആകാം. ഫീൽഡുകൾ ഇൻഡെക്സ് ചെയ്യപ്പെടുന്നില്ല. ഉദാഹരണം: usage_user=98.5, usage_system=1.5.
• Timestamp: ഫീൽഡ് മൂല്യങ്ങളുമായി ബന്ധപ്പെട്ട ഉയർന്ന കൃത്യതയുള്ള ടൈംസ്റ്റാമ്പ്.

InfluxDB-യിലെ ഒരൊറ്റ ഡാറ്റാ പോയിൻ്റ് ഇങ്ങനെയായിരിക്കാം: cpu_usage,host=serverA,region=us-west-1 usage_user=98.5,usage_system=1.5 1672531200000000000. ടാഗുകളും (ഇൻഡെക്സ് ചെയ്ത മെറ്റാഡാറ്റ) ഫീൽഡുകളും (ഇൻഡെക്സ് ചെയ്യാത്ത ഡാറ്റ) തമ്മിലുള്ള വ്യത്യാസം മനസ്സിലാക്കുന്നത് കാര്യക്ഷമമായ ഒരു InfluxDB സ്കീമ രൂപകൽപ്പന ചെയ്യുന്നതിന് അടിസ്ഥാനപരമാണ്.

ക്വറി ലാംഗ്വേജുകൾ: InfluxQL, Flux

InfluxDB രണ്ട് ക്വറി ലാംഗ്വേജുകൾ വാഗ്ദാനം ചെയ്യുന്നു:

1. InfluxQL: പരമ്പരാഗത ഡാറ്റാബേസുകളിൽ പശ്ചാത്തലമുള്ള ആർക്കും എളുപ്പത്തിൽ മനസ്സിലാക്കാവുന്ന ഒരു SQL-പോലുള്ള ക്വറി ലാംഗ്വേജ്. ലളിതമായ അഗ്രഗേഷനുകൾക്കും ഡാറ്റ വീണ്ടെടുക്കലിനും ഇത് മികച്ചതാണ്.
2. Flux: ശക്തവും പ്രവർത്തനപരവുമായ (functional) ഒരു ഡാറ്റാ സ്ക്രിപ്റ്റിംഗ് ഭാഷ. InfluxQL-നേക്കാൾ വളരെ കഴിവുള്ളതാണ് Flux, ഇത് സങ്കീർണ്ണമായ പരിവർത്തനങ്ങൾ, മെഷർമെൻ്റുകൾ തമ്മിലുള്ള ജോയിനുകൾ, ബാഹ്യ ഡാറ്റാ ഉറവിടങ്ങളുമായുള്ള സംയോജനം എന്നിവ സാധ്യമാക്കുന്നു. എന്നിരുന്നാലും, ഇത് പഠിക്കാൻ കൂടുതൽ സമയമെടുക്കും.

പ്രധാന സവിശേഷതകളും ഇക്കോസിസ്റ്റവും

• ഉയർന്ന റൈറ്റ് ത്രൂപുട്ട്: സെക്കൻഡിൽ ദശലക്ഷക്കണക്കിന് ഡാറ്റാ പോയിന്റുകൾ ഉൾക്കൊള്ളാൻ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നു.
• ബിൽറ്റ്-ഇൻ പ്ലാറ്റ്ഫോം: InfluxDB 2.0-ഉം അതിനുശേഷമുള്ള പതിപ്പുകളും ഡാറ്റാ ശേഖരണം (Telegraf പോലുള്ളവ), വിഷ്വലൈസേഷൻ (ഡാഷ്‌ബോർഡുകൾ), അലേർട്ടിംഗ് (ടാസ്‌ക്കുകൾ) എന്നിവ ഒരൊറ്റ ബൈനറിയിൽ ഉൾക്കൊള്ളുന്ന ഒരു ഏകീകൃത പ്ലാറ്റ്ഫോം വാഗ്ദാനം ചെയ്യുന്നു. ഇത് പഴയ TICK സ്റ്റാക്കിന് (Telegraf, InfluxDB, Chronograf, Kapacitor) പകരമാണ്.
• ഡാറ്റാ ലൈഫ് സൈക്കിൾ മാനേജ്മെൻ്റ്: ഓട്ടോമേറ്റഡ് ഡാറ്റാ റീട്ടെൻഷൻ പോളിസികൾ, പഴയ ഡാറ്റയെ യാന്ത്രികമായി ഡൗൺസാംപിൾ ചെയ്യുകയോ ഇല്ലാതാക്കുകയോ ചെയ്തുകൊണ്ട് ഡാറ്റാ സംഭരണം എളുപ്പത്തിൽ നിയന്ത്രിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു.
• ഒറ്റയ്ക്കുള്ള ലാളിത്യം: ഓപ്പൺ സോഴ്‌സ് പതിപ്പ് ബാഹ്യ ഡിപൻഡൻസികളില്ലാത്ത ഒരൊറ്റ ബൈനറിയാണ്, ഇത് പ്രവർത്തിപ്പിക്കാൻ വളരെ എളുപ്പമാക്കുന്നു.

എന്താണ് TimescaleDB? ടൈം സീരീസിനായുള്ള SQL

TimescaleDB തികച്ചും വ്യത്യസ്തമായ ഒരു സമീപനമാണ് സ്വീകരിക്കുന്നത്. ഒരു ഡാറ്റാബേസ് ആദ്യം മുതൽ നിർമ്മിക്കുന്നതിനുപകരം, ഇത് PostgreSQL-നുള്ള ശക്തമായ ഒരു എക്സ്റ്റൻഷനായി നിർമ്മിച്ചിരിക്കുന്നു. ഇതിനർത്ഥം, ലോകത്തിലെ ഏറ്റവും നൂതനമായ ഓപ്പൺ സോഴ്‌സ് റിലേഷണൽ ഡാറ്റാബേസുകളിലൊന്നിൻ്റെ എല്ലാ സ്ഥിരതയും വിശ്വാസ്യതയും സമ്പന്നമായ സവിശേഷതകളും ഇതിന് പാരമ്പര്യമായി ലഭിക്കുന്നു, അതോടൊപ്പം ടൈം സീരീസ് ഡാറ്റയ്‌ക്കായി പ്രത്യേക ഒപ്റ്റിമൈസേഷനുകൾ ചേർക്കുകയും ചെയ്യുന്നു.

പ്രധാന ആർക്കിടെക്ചറും ഡാറ്റാ മോഡലും

നിങ്ങൾ TimescaleDB ഇൻസ്റ്റാൾ ചെയ്യുമ്പോൾ, നിങ്ങൾ അടിസ്ഥാനപരമായി ഒരു സാധാരണ PostgreSQL ഇൻസ്റ്റൻസിനെ സൂപ്പർചാർജ് ചെയ്യുകയാണ്. ഇതിൻ്റെ മാന്ത്രികത അതിൻ്റെ പ്രധാന ആശയങ്ങളിലാണ്:

• Hypertables: നിങ്ങൾ ടൈം സീരീസ് ഡാറ്റ സംഭരിക്കുന്ന ഉപയോക്താവിന് കാണാനാകുന്ന ടേബിളുകളാണിത്. അവ സാധാരണ PostgreSQL ടേബിളുകൾ പോലെ കാണപ്പെടുകയും പ്രവർത്തിക്കുകയും ചെയ്യുന്നു.
• Chunks: ആന്തരികമായി, TimescaleDB ഹൈപ്പർടേബിൾ ഡാറ്റയെ സമയത്തിനനുസരിച്ച് ചങ്ക്‌സ് എന്ന് വിളിക്കുന്ന നിരവധി ചെറിയ ചൈൽഡ് ടേബിളുകളായി വിഭജിക്കുന്നു. ഓരോ ചങ്കും ഒരു സാധാരണ PostgreSQL ടേബിളാണ്. ഈ വിഭജനം ഉപയോക്താവിന് അദൃശ്യമാണ്, പക്ഷേ TimescaleDB-യുടെ പ്രകടനത്തിൻ്റെ താക്കോലാണിത്.

ഇത് PostgreSQL-ൽ നിർമ്മിച്ചതുകൊണ്ട്, ഡാറ്റാ മോഡൽ പൂർണ്ണമായും റിലേഷണലാണ്. നിങ്ങളുടെ ടൈംസ്റ്റാമ്പ്, മെറ്റാഡാറ്റ (ഉപകരണ ഐഡി അല്ലെങ്കിൽ ലൊക്കേഷൻ പോലുള്ളവ), ഡാറ്റാ മൂല്യങ്ങൾ എന്നിവയ്‌ക്കായി കോളങ്ങളുള്ള ഒരു സാധാരണ SQL ടേബിൾ നിങ്ങൾ സൃഷ്‌ടിക്കുന്നു. നിങ്ങൾക്ക് ഇതിനകം SQL അറിയാമെങ്കിൽ പുതിയ ഡാറ്റാ മോഡൽ പഠിക്കേണ്ടതില്ല.

CREATE TABLE conditions ( time TIMESTAMPTZ NOT NULL, location TEXT NOT NULL, temperature DOUBLE PRECISION NULL, humidity DOUBLE PRECISION NULL ); SELECT create_hypertable('conditions', 'time');

ക്വറി ലാംഗ്വേജ്: സമ്പൂർണ്ണ SQL-ൻ്റെ ശക്തി

TimescaleDB-യുടെ ഏറ്റവും വലിയ ആകർഷണം അതിൻ്റെ ക്വറി ലാംഗ്വേജാണ്: സാധാരണ SQL. ഇത് പല കാരണങ്ങളാൽ ഒരു വലിയ നേട്ടമാണ്:

• പഠനഭാരമില്ല: SQL സംസാരിക്കുന്ന ഏതൊരു ഡെവലപ്പർക്കും അനലിസ്റ്റിനും ടൂളിനും TimescaleDB-യിൽ ഉടനടി പ്രവർത്തിക്കാൻ കഴിയും.
• സമാനതകളില്ലാത്ത ശക്തി: സബ്ക്വറികൾ, വിൻഡോ ഫംഗ്‌ഷനുകൾ, ഏറ്റവും പ്രധാനമായി, JOINs എന്നിവയുൾപ്പെടെ SQL-ൻ്റെ പൂർണ്ണമായ അനലിറ്റിക്കൽ ശക്തിയിലേക്ക് നിങ്ങൾക്ക് പ്രവേശനം ലഭിക്കും.
• സമ്പന്നമായ ഇക്കോസിസ്റ്റം: PostGIS (നൂതന ജിയോസ്പേഷ്യൽ ക്വറികൾക്ക്) പോലുള്ള ടൂളുകൾ, കണക്ടറുകൾ, എക്സ്റ്റൻഷനുകൾ എന്നിവയുടെ വിശാലമായ PostgreSQL ഇക്കോസിസ്റ്റം നിങ്ങൾക്ക് ലഭ്യമാണ്.

TimescaleDB സാധാരണ ടൈം സീരീസ് ക്വറികൾ ലളിതമാക്കുന്നതിനും വേഗത്തിലാക്കുന്നതിനും time_bucket(), first(), last() തുടങ്ങിയ നൂറുകണക്കിന് പ്രത്യേക ടൈം-സീരീസ് ഫംഗ്ഷനുകളും SQL-ലേക്ക് ചേർക്കുന്നു.

പ്രധാന സവിശേഷതകളും ഇക്കോസിസ്റ്റവും

• സമ്പൂർണ്ണ SQL പിന്തുണ: നിലവിലുള്ള SQL വൈദഗ്ധ്യവും ടൂളുകളും മാറ്റങ്ങളില്ലാതെ പ്രയോജനപ്പെടുത്തുക.
• റിലേഷണൽ, ടൈം സീരീസ് ഡാറ്റ ഒരുമിച്ച്: നിങ്ങളുടെ ടൈം സീരീസ് ഡാറ്റയും (ഉദാ. സെൻസർ റീഡിംഗുകൾ) നിങ്ങളുടെ റിലേഷണൽ ബിസിനസ്സ് ഡാറ്റയും (ഉദാ. ഉപകരണ മെറ്റാഡാറ്റ, ഉപഭോക്തൃ വിവരങ്ങൾ) തടസ്സമില്ലാതെ JOIN ചെയ്യുക.
• തെളിയിക്കപ്പെട്ട വിശ്വാസ്യത: PostgreSQL-ൻ്റെ പതിറ്റാണ്ടുകളുടെ വികസനം, ഉറച്ച വിശ്വാസ്യത, ACID കംപ്ലയിൻസ് എന്നിവ പാരമ്പര്യമായി ലഭിക്കുന്നു.
• നൂതന കംപ്രഷൻ: 90%-ൽ കൂടുതൽ സ്റ്റോറേജ് കുറയ്ക്കാൻ കഴിയുന്ന മികച്ച കോളംനാർ കംപ്രഷൻ വാഗ്ദാനം ചെയ്യുന്നു.

നേർക്കുനേർ താരതമ്യം: InfluxDB vs. TimescaleDB

വിവരമുള്ള ഒരു തീരുമാനമെടുക്കാൻ നിങ്ങളെ സഹായിക്കുന്നതിന് നിരവധി പ്രധാന മാനദണ്ഡങ്ങളിലുടനീളം പ്രധാന വ്യത്യാസങ്ങൾ നമുക്ക് പരിശോധിക്കാം.

പ്രധാന തത്ത്വചിന്തയും ആർക്കിടെക്ചറും

• InfluxDB: ഒരു പ്രത്യേക ആവശ്യത്തിനായി നിർമ്മിച്ച, ഒറ്റയ്ക്ക് പ്രവർത്തിക്കുന്ന ഒരു സിസ്റ്റം. ഇത് ആദ്യം മുതൽ എല്ലാം നിർമ്മിക്കുന്നതിലൂടെ ടൈം സീരീസ് വർക്ക്ലോഡുകളുടെ പ്രകടനത്തിനും ഉപയോഗ എളുപ്പത്തിനും മുൻഗണന നൽകുന്നു. ഇത് വളരെ ഒപ്റ്റിമൈസ് ചെയ്തതും എന്നാൽ ഒരുപക്ഷേ വഴക്കം കുറഞ്ഞതുമായ ഒരു സിസ്റ്റത്തിലേക്ക് നയിക്കുന്നു.
• TimescaleDB: ഒരു പൊതു-ഉദ്ദേശ്യ ഡാറ്റാബേസിനെ മെച്ചപ്പെടുത്തുന്ന ഒരു എക്സ്റ്റൻഷൻ. PostgreSQL-ൻ്റെ പക്വതയാർന്ന അടിത്തറയിൽ നിർമ്മിച്ചുകൊണ്ട് ഇത് വിശ്വാസ്യത, ക്വറി ശക്തി, ഇക്കോസിസ്റ്റം അനുയോജ്യത എന്നിവയ്ക്ക് മുൻഗണന നൽകുന്നു. ഇത് അവിശ്വസനീയമായ വഴക്കം വാഗ്ദാനം ചെയ്യുന്നു, പക്ഷേ ഒരു സമ്പൂർണ്ണ RDBMS നിയന്ത്രിക്കുന്നതിൻ്റെ പ്രവർത്തനപരമായ ഓവർഹെഡ് ഉണ്ടാക്കിയേക്കാം.

ആഗോള കാഴ്ചപ്പാട്: ബാംഗ്ലൂരിലെ ഒരു സ്റ്റാർട്ടപ്പ് വേഗത്തിലുള്ള പ്രോട്ടോടൈപ്പിംഗിനായി InfluxDB-യുടെ ലളിതമായ, ഓൾ-ഇൻ-വൺ സജ്ജീകരണം തിരഞ്ഞെടുത്തേക്കാം. ഇതിനു വിപരീതമായി, ലണ്ടനിലെ ഒരു വലിയ ധനകാര്യ സ്ഥാപനം അവരുടെ നിലവിലുള്ള PostgreSQL ഇൻഫ്രാസ്ട്രക്ചറുമായി സംയോജിപ്പിക്കാനുള്ള കഴിവിനും തെളിയിക്കപ്പെട്ട ഡാറ്റാ സമഗ്രതയ്ക്കും വേണ്ടി TimescaleDB തിരഞ്ഞെടുത്തേക്കാം.

ഡാറ്റാ മോഡലും സ്കീമയുടെ വഴക്കവും

• InfluxDB: മെഷർമെൻ്റുകൾ, ടാഗുകൾ, ഫീൽഡുകൾ എന്നിവയുടെ ഒരു നോൺ-റിലേഷണൽ മോഡൽ ഉപയോഗിക്കുന്നു. ഇത് സാധാരണ ടൈം സീരീസ് പാറ്റേണുകൾക്ക് വളരെ കാര്യക്ഷമമാണ്, പക്ഷേ റിലേഷണൽ ലോജിക് ബുദ്ധിമുട്ടാക്കുന്നു. ഉയർന്ന കാർഡിനാലിറ്റി (അതുല്യമായ ടാഗ് മൂല്യങ്ങളുടെ ഉയർന്ന എണ്ണം) പഴയ പതിപ്പുകളിൽ ഒരു പ്രകടന വെല്ലുവിളിയാകാം.
• TimescaleDB: ഒരു സാധാരണ റിലേഷണൽ (SQL) മോഡൽ ഉപയോഗിക്കുന്നു. ഇതിന് മുൻകൂട്ടി ഒരു സ്കീമ നിർവചിക്കേണ്ടതുണ്ട്, എന്നാൽ JOINs വഴി സങ്കീർണ്ണമായ ഡാറ്റാ ബന്ധങ്ങൾക്ക് വലിയ വഴക്കം നൽകുന്നു. ഇത് ഉയർന്ന കാർഡിനാലിറ്റിയെ നന്നായി കൈകാര്യം ചെയ്യുന്നു, PostgreSQL-ലെ മറ്റേതൊരു ഇൻഡെക്സ് ചെയ്ത കോളത്തെയും പോലെ ഇതിനെ പരിഗണിക്കുന്നു.

ക്വറി ലാംഗ്വേജ്

• InfluxDB: ഒരു ഇരട്ട-ഭാഷാ ലോകം. InfluxQL ലളിതവും എന്നാൽ പരിമിതവുമാണ്. ടൈം സീരീസ് വിശകലനത്തിന് Flux അങ്ങേയറ്റം ശക്തമാണ്, പക്ഷേ ഇത് നിങ്ങളുടെ ടീമിന് കാര്യമായ പഠന നിക്ഷേപം ആവശ്യമുള്ള ഒരു പ്രൊപ്രൈറ്ററി ഭാഷയാണ്.
• TimescaleDB: സാധാരണ SQL. ഇത് അതിൻ്റെ ഏറ്റവും ആകർഷകമായ സവിശേഷതയാണെന്ന് വാദിക്കാം. ഇത് പ്രവേശനത്തിനുള്ള തടസ്സം കുറയ്ക്കുകയും, വലിയൊരു വിഭാഗം കഴിവുറ്റവരെ അൺലോക്ക് ചെയ്യുകയും, SQL-ൽ നിസ്സാരവും എന്നാൽ InfluxQL-ൽ സങ്കീർണ്ണമോ അസാധ്യമോ ആയ സങ്കീർണ്ണമായ അനലിറ്റിക്കൽ ക്വറികൾ അനുവദിക്കുകയും ചെയ്യുന്നു.

പ്രകടനം: ഇൻജസ്റ്റ്, ക്വറി, സ്റ്റോറേജ്

പ്രകടന മാനദണ്ഡങ്ങൾ കുപ്രസിദ്ധമായി സങ്കീർണ്ണവും വർക്ക്ലോഡിനെ ആശ്രയിച്ചുള്ളതുമാണ്. എന്നിരുന്നാലും, നമുക്ക് പൊതുവായ സവിശേഷതകൾ ചർച്ച ചെയ്യാം.

• ഇൻജസ്റ്റ് ത്രൂപുട്ട്: രണ്ട് ഡാറ്റാബേസുകളും മികച്ച റൈറ്റ് പ്രകടനം വാഗ്ദാനം ചെയ്യുകയും അനുയോജ്യമായ ഹാർഡ്‌വെയറിൽ സെക്കൻഡിൽ ദശലക്ഷക്കണക്കിന് മെട്രിക്കുകൾ കൈകാര്യം ചെയ്യാനും കഴിയും. വളരെക്കാലമായി, InfluxDB-ക്ക് അതിൻ്റെ പ്രത്യേക TSM എഞ്ചിൻ കാരണം റോ, ലളിതമായ ഇൻജസ്റ്റ് വേഗതയിൽ നേരിയ മുൻതൂക്കം ഉണ്ടായിരുന്നു. TimescaleDB-യുടെ പ്രകടനം അങ്ങേയറ്റം മത്സരാധിഷ്ഠിതമാണ്, കൂടാതെ ബാച്ച്ഡ് റൈറ്റുകളിൽ നിന്ന് വളരെയധികം പ്രയോജനം നേടുന്നു.
• ക്വറി പ്രകടനം:
  • ലളിതമായ സമയം അടിസ്ഥാനമാക്കിയുള്ള അഗ്രഗേഷനുകൾക്ക് (ഉദാഹരണത്തിന്, കഴിഞ്ഞ മണിക്കൂറിലെ `AVG(cpu_usage)`, ഹോസ്റ്റ് അനുസരിച്ച് ഗ്രൂപ്പുചെയ്തത്), രണ്ട് ഡാറ്റാബേസുകളും അതിവേഗമാണ്.
  • റിലേഷണൽ മെറ്റാഡാറ്റയുമായുള്ള JOINs ഉൾപ്പെടുന്ന സങ്കീർണ്ണമായ അനലിറ്റിക്കൽ ക്വറികൾക്ക്, TimescaleDB ആണ് തർക്കമില്ലാത്ത വിജയി. InfluxDB-യിൽ ഇത്തരത്തിലുള്ള ക്വറികൾ നടത്തുന്നത് Flux ഉപയോഗിക്കേണ്ടതുണ്ട്, ഇത് ഗണ്യമായി കൂടുതൽ സങ്കീർണ്ണവും പ്രകടനം കുറഞ്ഞതുമാകാം.
• ഡാറ്റാ കംപ്രഷൻ: രണ്ടും മികച്ചതും വ്യവസായ പ്രമുഖവുമായ കംപ്രഷൻ വാഗ്ദാനം ചെയ്യുന്നു. InfluxDB-യുടെ TSM ഡെൽറ്റ എൻകോഡിംഗ്, റൺ-ലെങ്ത് എൻകോഡിംഗ് തുടങ്ങിയ സാങ്കേതിക വിദ്യകൾ ഉപയോഗിക്കുന്നു. TimescaleDB ഓരോ കോളത്തിനും അനുസരിച്ച് സുതാര്യമായ, കോളംനാർ കംപ്രഷൻ വാഗ്ദാനം ചെയ്യുന്നു, നിങ്ങളുടെ ഡാറ്റാ തരങ്ങൾക്കായി മികച്ച കംപ്രഷൻ അൽഗോരിതങ്ങൾ മിക്സ് ചെയ്യാനും പൊരുത്തപ്പെടുത്താനും ഇത് നിങ്ങളെ അനുവദിക്കുന്നു, ഇത് പലപ്പോഴും 90-98% കംപ്രഷൻ കൈവരിക്കുന്നു.

ഇക്കോസിസ്റ്റവും ഇൻ്റഗ്രേഷനുകളും

• InfluxDB: ശക്തവും പക്വതയാർന്നതുമായ ഒരു ഇക്കോസിസ്റ്റം ഉണ്ട്, പ്രത്യേകിച്ച് DevOps, മോണിറ്ററിംഗ് രംഗത്ത്. ഇതിന് പല ഭാഷകളിലും നേറ്റീവ് ക്ലയൻ്റ് ലൈബ്രറികളുണ്ട്, കൂടാതെ Grafana പോലുള്ള ടൂളുകളുമായി തടസ്സമില്ലാതെ സംയോജിക്കുന്നു. ഓൾ-ഇൻ-വൺ InfluxDB 2.0+ പ്ലാറ്റ്ഫോം ബോക്സിൽ നിന്ന് തന്നെ ഒരു സമ്പൂർണ്ണ പരിഹാരമാണ്.
• TimescaleDB: ഇതിൻ്റെ ഇക്കോസിസ്റ്റം മുഴുവൻ PostgreSQL ഇക്കോസിസ്റ്റവുമാണ്. ഇതൊരു വലിയ നേട്ടമാണ്. PostgreSQL-നൊപ്പം പ്രവർത്തിക്കുന്ന ഏതൊരു ആപ്ലിക്കേഷനും, കണക്ടറും (JDBC, ODBC), BI ടൂളും (Tableau, Power BI), അല്ലെങ്കിൽ എക്സ്റ്റൻഷനും TimescaleDB-നൊപ്പവും പ്രവർത്തിക്കും. ലോകോത്തര ജിയോസ്പേഷ്യൽ വിശകലനത്തിനായി PostGIS പോലുള്ള ശക്തമായ എക്സ്റ്റൻഷനുകളും ഇതിൽ ഉൾപ്പെടുന്നു, ഇത് ലോജിസ്റ്റിക്സ് അല്ലെങ്കിൽ അസറ്റ് ട്രാക്കിംഗ് പോലുള്ള ഉപയോഗ കേസുകൾക്ക് അനുയോജ്യമാക്കുന്നു.

സ്കേലബിളിറ്റിയും ക്ലസ്റ്ററിംഗും

• InfluxDB: ഓപ്പൺ സോഴ്‌സ് പതിപ്പ് ഒരു സിംഗിൾ-നോഡ് ഇൻസ്റ്റൻസാണ്. ഹൊറിസോണ്ടൽ സ്കെയിലിംഗും ഉയർന്ന ലഭ്യതയും വാണിജ്യപരമായ InfluxDB Enterprise, InfluxDB Cloud ഉൽപ്പന്നങ്ങളുടെ സവിശേഷതകളാണ്.
• TimescaleDB: ഓപ്പൺ സോഴ്‌സ് പതിപ്പിന് ഒരൊറ്റ, ശക്തമായ സെർവറിൽ വളരെ വലിയ ഡാറ്റാസെറ്റുകൾ കൈകാര്യം ചെയ്യാൻ വെർട്ടിക്കലായി സ്കെയിൽ ചെയ്യാൻ കഴിയും. ഹൊറിസോണ്ടൽ സ്കെയിലിംഗിനും ഉയർന്ന ലഭ്യതയ്ക്കുമുള്ള മൾട്ടി-നോഡ് ക്ലസ്റ്ററിംഗ് അവരുടെ ക്ലൗഡ്, സെൽഫ്-ഹോസ്റ്റഡ് എൻ്റർപ്രൈസ് ഓഫറുകളിൽ ലഭ്യമാണ്.

ഉപയോഗ സാഹചര്യങ്ങളെക്കുറിച്ചുള്ള ആഴത്തിലുള്ള പഠനം: എപ്പോൾ ഏത് തിരഞ്ഞെടുക്കണം?

ഏത് ഡാറ്റാബേസാണ് വസ്തുനിഷ്ഠമായി "മെച്ചം" എന്നതിനെക്കുറിച്ചല്ല, മറിച്ച് നിങ്ങളുടെ പ്രോജക്റ്റിനും ടീമിനും ഡാറ്റയ്ക്കും "അനുയോജ്യമായത്" ഏതാണെന്നതിനെക്കുറിച്ചാണ് തിരഞ്ഞെടുപ്പ്.

InfluxDB തിരഞ്ഞെടുക്കുക എപ്പോൾ...

• നിങ്ങളുടെ ഉപയോഗം പൂർണ്ണമായും DevOps/മെട്രിക്സ് നിരീക്ഷണമാണ്: സെർവറുകൾ, ആപ്ലിക്കേഷനുകൾ, നെറ്റ്‌വർക്കുകൾ എന്നിവയിൽ നിന്ന് മെട്രിക്കുകൾ ശേഖരിക്കുന്നതിനും വിശകലനം ചെയ്യുന്നതിനും InfluxDB-യുടെ പ്ലാറ്റ്ഫോം പ്രത്യേകം നിർമ്മിച്ചതാണ്. Telegraf കളക്ടറിന് നൂറുകണക്കിന് പ്ലഗിനുകൾ ഉണ്ട്, ഇത് ഒരു പ്ലഗ്-ആൻഡ്-പ്ലേ പരിഹാരമാക്കി മാറ്റുന്നു.
• സജ്ജീകരണത്തിൻ്റെ ലാളിത്യത്തിന് നിങ്ങൾ മുൻഗണന നൽകുന്നു: വേഗതയേറിയതും ബാഹ്യ ഡിപൻഡൻസികളില്ലാത്തതുമായ ഒരു ഒറ്റപ്പെട്ട TSDB-ക്ക്, InfluxDB-യുടെ ഒരൊറ്റ ബൈനറിയെ മറികടക്കാൻ പ്രയാസമാണ്.
• നിങ്ങളുടെ ക്വറി ആവശ്യകതകൾ പ്രധാനമായും സമയ-കേന്ദ്രീകൃത അഗ്രഗേഷനുകളാണ്: നിങ്ങൾ കൂടുതലും `GROUP BY time()` ചെയ്യുകയും സങ്കീർണ്ണമായ ബിസിനസ്സ് ഡാറ്റയുമായി JOIN ചെയ്യേണ്ടതില്ലെങ്കിൽ, InfluxDB വളരെ കാര്യക്ഷമമാണ്.
• നിങ്ങളുടെ ടീം Flux-ൽ നിക്ഷേപിക്കാൻ തയ്യാറാണ്: Flux-ൻ്റെ ശക്തമായ അനലിറ്റിക്കൽ കഴിവുകളിലെ മൂല്യം നിങ്ങൾ കാണുകയും പഠനത്തിന് തയ്യാറാകുകയും ചെയ്താൽ, അതൊരു പ്രധാന ആസ്തിയാകാം.

TimescaleDB തിരഞ്ഞെടുക്കുക എപ്പോൾ...

• നിങ്ങൾ ഇതിനകം PostgreSQL ഉപയോഗിക്കുന്നു: നിങ്ങളുടെ സ്ഥാപനത്തിന് ഇതിനകം PostgreSQL വൈദഗ്ധ്യവും ഇൻഫ്രാസ്ട്രക്ചറും ഉണ്ടെങ്കിൽ, TimescaleDB ചേർക്കുന്നത് സ്വാഭാവികവും കുറഞ്ഞ ഓവർഹെഡുള്ളതുമായ ഒരു തിരഞ്ഞെടുപ്പാണ്.
• നിങ്ങൾക്ക് ടൈം സീരീസും റിലേഷണൽ ഡാറ്റയും സംയോജിപ്പിക്കേണ്ടതുണ്ട്: ഇതാണ് TimescaleDB-യുടെ കില്ലർ ഫീച്ചർ. "'പ്രീമിയം' വിഭാഗത്തിലുള്ള ഉപഭോക്താക്കളുടെ, ഒരു പ്രത്യേക ഫാക്ടറിയിൽ നിർമ്മിച്ച എല്ലാ ഉപകരണങ്ങളുടെയും ശരാശരി സെൻസർ താപനില കാണിക്കുക" പോലുള്ള ക്വറികൾ പ്രവർത്തിപ്പിക്കണമെങ്കിൽ, TimescaleDB ആണ് വ്യക്തമായ തിരഞ്ഞെടുപ്പ്.
• നിങ്ങളുടെ ടീം SQL-ൽ ജീവിക്കുകയും ശ്വസിക്കുകയും ചെയ്യുന്നു: നിങ്ങളുടെ ഡെവലപ്‌മെൻ്റ്, ഡാറ്റാ അനാലിസിസ് ടീമുകളുടെ നിലവിലുള്ള അറിവ് പ്രയോജനപ്പെടുത്തുന്നത് ഉൽപ്പാദനക്ഷമത വർദ്ധിപ്പിക്കുന്ന ഒരു വലിയ ഘടകമാണ്.
• നിങ്ങൾക്ക് ജിയോ-ടെമ്പറൽ വിശകലനം ആവശ്യമാണ്: TimescaleDB-യും PostGIS എക്സ്റ്റൻഷനും ചേർന്നാൽ സമയവും സ്ഥലവും ഉള്ള ഡാറ്റ വിശകലനം ചെയ്യുന്നതിന് സമാനതകളില്ലാത്ത ഒരു പ്ലാറ്റ്ഫോം സൃഷ്ടിക്കുന്നു (ഉദാ. ഒരു ആഗോള ഷിപ്പിംഗ് കപ്പൽ ട്രാക്ക് ചെയ്യുക).
• പക്വതയാർന്ന ഒരു RDBMS-ൻ്റെ വിശ്വാസ്യതയും ഡാറ്റാ സമഗ്രതയും നിങ്ങൾക്ക് ആവശ്യമാണ്: സാമ്പത്തിക സേവനങ്ങൾ, വ്യാവസായിക നിയന്ത്രണ സംവിധാനങ്ങൾ, അല്ലെങ്കിൽ ഡാറ്റാ നഷ്ടം ഒരു ഓപ്ഷനല്ലാത്ത ഏതൊരു ആപ്ലിക്കേഷനും, PostgreSQL-ൻ്റെ പരീക്ഷിച്ച് വിജയിച്ച അടിത്തറ ഒരു പ്രധാന നേട്ടമാണ്.

ഭാവി: InfluxDB 3.0-ഉം Timescale-ൻ്റെ പരിണാമവും

ഡാറ്റാബേസ് രംഗം എപ്പോഴും വികസിച്ചുകൊണ്ടിരിക്കുന്നു. InfluxDB 3.0 ഒരു നിർണ്ണായകമായ വികാസമാണ്. ഈ പുതിയ പതിപ്പ് ഒരു സമ്പൂർണ്ണ ആർക്കിടെക്ചറൽ പുനർനിർമ്മാണത്തെ പ്രതിനിധീകരിക്കുന്നു, Apache Arrow, Apache Parquet പോലുള്ള ആധുനിക ഡാറ്റാ ഇക്കോസിസ്റ്റം സാങ്കേതികവിദ്യകൾ ഉപയോഗിച്ച് Rust-ൽ സ്റ്റോറേജ് എഞ്ചിൻ (IOx എന്ന് പേരിട്ടിരിക്കുന്നു) പുനർനിർമ്മിക്കുന്നു. ഇത് പരിവർത്തനപരമായ മാറ്റങ്ങൾ കൊണ്ടുവരുന്നു:

• ഏതാണ്ട് പരിധിയില്ലാത്ത കാർഡിനാലിറ്റി: ചരിത്രപരമായ ഒരു വേദനയായിരുന്ന, ഏതാണ്ട് അനന്തമായ സീരീസ് കാർഡിനാലിറ്റി കൈകാര്യം ചെയ്യാൻ പുതിയ എഞ്ചിൻ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നു.
• SQL പിന്തുണ: InfluxDB 3.0, SQL-ന് ഒരു പ്രാഥമിക ക്വറി ലാംഗ്വേജായി ഫസ്റ്റ്-ക്ലാസ് പിന്തുണ വാഗ്ദാനം ചെയ്യുന്നു, ഇത് TimescaleDB-യുടെ ഏറ്റവും വലിയ നേട്ടവുമായി മത്സരിക്കാനുള്ള നേരിട്ടുള്ള നീക്കമാണ്.
• കോളംനാർ സ്റ്റോറേജ്: Parquet പ്രയോജനപ്പെടുത്തുന്നത് വളരെ കാര്യക്ഷമവും നിലവാരമുള്ളതുമായ കോളംനാർ സ്റ്റോറേജ് നൽകുന്നു.

ഈ പരിണാമം രണ്ട് ഡാറ്റാബേസുകൾ തമ്മിലുള്ള അതിരുകൾ മങ്ങിക്കുന്നു. InfluxDB 3.0 പക്വത പ്രാപിക്കുമ്പോൾ, അത് ഒരുകാലത്ത് TimescaleDB-ക്ക് മാത്രം ഉണ്ടായിരുന്ന പല നേട്ടങ്ങളും (SQL, കോളംനാർ സ്റ്റോറേജ് പോലുള്ളവ) വാഗ്ദാനം ചെയ്യും, അതേസമയം അതിൻ്റെ പ്രത്യേക ആവശ്യത്തിനായുള്ള ശ്രദ്ധ നിലനിർത്തുകയും ചെയ്യും.

അതേസമയം, TimescaleDB നൂതനാശയങ്ങൾ തുടരുന്നു, കൂടുതൽ നൂതനമായ കംപ്രഷൻ, മികച്ച മൾട്ടി-നോഡ് പ്രകടനം, ക്ലൗഡ്-നേറ്റീവ് ഇക്കോസിസ്റ്റവുമായുള്ള ആഴത്തിലുള്ള സംയോജനം തുടങ്ങിയ സവിശേഷതകൾ ചേർക്കുന്നു, PostgreSQL ലോകത്തിലെ പ്രീമിയർ ടൈം-സീരീസ് പരിഹാരം എന്ന നിലയിൽ അതിൻ്റെ സ്ഥാനം ഉറപ്പിക്കുന്നു.

ഉപസംഹാരം: നിങ്ങളുടെ ആഗോള ആപ്ലിക്കേഷനായി ശരിയായ തിരഞ്ഞെടുപ്പ് നടത്തുന്നു

InfluxDB-യും TimescaleDB-യും തമ്മിലുള്ള പോരാട്ടം രണ്ട് തത്ത്വചിന്തകളുടെ ഒരു ക്ലാസിക് കഥയാണ്: പ്രത്യേക ആവശ്യത്തിനായി നിർമ്മിച്ച സിസ്റ്റം വേഴ്സസ് വികസിപ്പിക്കാവുന്ന, പൊതു-ഉദ്ദേശ്യ പവർഹൗസ്. ഇതിന് ഒരു സാർവത്രിക വിജയിയില്ല.

ശരിയായ തിരഞ്ഞെടുപ്പ് നിങ്ങളുടെ പ്രത്യേക ആവശ്യകതകളുടെ ശ്രദ്ധാപൂർവ്വമായ വിലയിരുത്തലിനെ ആശ്രയിച്ചിരിക്കുന്നു:

1. ഡാറ്റാ മോഡലിൻ്റെ സങ്കീർണ്ണത: നിങ്ങൾക്ക് ടൈം സീരീസ് ഡാറ്റ മറ്റ് ബിസിനസ്സ് ഡാറ്റയുമായി JOIN ചെയ്യേണ്ടതുണ്ടോ? ഉണ്ടെങ്കിൽ, TimescaleDB-യിലേക്ക് ചായുക. ഇല്ലെങ്കിൽ, InfluxDB ഒരു ശക്തമായ എതിരാളിയാണ്.
2. നിലവിലുള്ള ടീം കഴിവുകൾ: നിങ്ങളുടെ ടീം SQL വിദഗ്ധരാൽ നിറഞ്ഞതാണോ? TimescaleDB സ്വന്തം വീട് പോലെ തോന്നും. അവർ Flux പോലുള്ള ഒരു പുതിയ, ശക്തമായ ഭാഷ പഠിക്കാനോ അല്ലെങ്കിൽ പുതുതായി തുടങ്ങാനോ തയ്യാറാണോ? InfluxDB ഒരു അനുയോജ്യമായ ഓപ്ഷനായിരിക്കാം.
3. പ്രവർത്തനപരമായ ഓവർഹെഡ്: നിങ്ങൾക്ക് ലളിതമായ, ഒറ്റയ്ക്ക് പ്രവർത്തിക്കുന്ന ഒരു ബൈനറി വേണോ? InfluxDB. നിങ്ങൾ ഇതിനകം PostgreSQL നിയന്ത്രിക്കുന്നുണ്ടോ അല്ലെങ്കിൽ അത് ചെയ്യാൻ നിങ്ങൾക്ക് സൗകര്യമുണ്ടോ? TimescaleDB.
4. ഇക്കോസിസ്റ്റം ആവശ്യകതകൾ: നിങ്ങൾക്ക് PostGIS പോലുള്ള പ്രത്യേക PostgreSQL എക്സ്റ്റൻഷനുകൾ ആവശ്യമുണ്ടോ? TimescaleDB ആണ് നിങ്ങളുടെ ഏക ഓപ്ഷൻ. Telegraf-ൻ്റെയും InfluxDB പ്ലാറ്റ്‌ഫോമിൻ്റെയും DevOps-കേന്ദ്രീകൃത ഇക്കോസിസ്റ്റം ഒരു തികഞ്ഞ പൊരുത്തമാണോ? InfluxDB-നൊപ്പം പോകുക.

InfluxDB 3.0-ൻ്റെ വരവോടും അതിൻ്റെ SQL പിന്തുണയോടും കൂടി, തീരുമാനം കൂടുതൽ സൂക്ഷ്മമായിക്കൊണ്ടിരിക്കുകയാണ്. എന്നിരുന്നാലും, പ്രധാന തത്ത്വചിന്തകൾ നിലനിൽക്കുന്നു. InfluxDB ഒരു ടൈം-സീരീസ്-ഫസ്റ്റ് പ്ലാറ്റ്ഫോമാണ്, അതേസമയം TimescaleDB അസാധാരണമായ ടൈം-സീരീസ് കഴിവുകളുള്ള ഒരു PostgreSQL-ഫസ്റ്റ് പ്ലാറ്റ്ഫോമാണ്.

ആത്യന്തികമായി, ഏതൊരു ആഗോള ടീമിനുമുള്ള ഏറ്റവും മികച്ച ഉപദേശം ഒരു പ്രൂഫ്-ഓഫ്-കൺസെപ്റ്റ് നടത്തുക എന്നതാണ്. രണ്ട് ഡാറ്റാബേസുകളും സജ്ജീകരിക്കുക, നിങ്ങളുടെ ഡാറ്റയുടെ ഒരു പ്രതിനിധി സാമ്പിൾ ഇൻജസ്റ്റ് ചെയ്യുക, നിങ്ങളുടെ ആപ്ലിക്കേഷന് ആവശ്യമായ തരത്തിലുള്ള ക്വറികൾ പ്രവർത്തിപ്പിക്കുക. ഈ പ്രായോഗിക അനുഭവം നിങ്ങളുടെ വർക്ക്ലോഡിന് ഏറ്റവും മികച്ച പ്രകടനം കാഴ്ചവെക്കുന്ന ഡാറ്റാബേസ് ഏതാണെന്ന് മാത്രമല്ല, നിങ്ങളുടെ ടീമിന് ഏറ്റവും മികച്ചതായി തോന്നുന്നതും ഏതാണെന്ന് വെളിപ്പെടുത്തും.