వెబ్ ఫ్రేమ్‌వర్క్ పనితీరు: ఫ్లాస్క్ vs జాంగో vs ఫాస్ట్ఏపీఐ బెంచ్‌మార్క్

సమర్థవంతమైన మరియు స్కేలబుల్ వెబ్ అప్లికేషన్‌లను రూపొందించడానికి సరైన వెబ్ ఫ్రేమ్‌వర్క్‌ను ఎంచుకోవడం చాలా ముఖ్యం. పైథాన్ అనేక అద్భుతమైన ఎంపికలను అందిస్తుంది, ప్రతి దాని స్వంత బలాలు మరియు బలహీనతలు ఉన్నాయి. ఈ వ్యాసం మూడు ప్రముఖ ఫ్రేమ్‌వర్క్‌లను పోల్చే ఒక సమగ్ర బెంచ్‌మార్క్‌ను అందిస్తుంది: ఫ్లాస్క్, జాంగో, మరియు ఫాస్ట్ఏపీఐ. మేము వాటి పనితీరు లక్షణాలను, వనరుల వినియోగాన్ని, మరియు వివిధ రకాల అప్లికేషన్‌లకు అనుకూలతను విశ్లేషిస్తాము, ప్రపంచ అభివృద్ధి పద్ధతులు మరియు విస్తరణ వాతావరణాలను పరిగణనలోకి తీసుకుంటాము.

పరిచయం

వెబ్ ఫ్రేమ్‌వర్క్‌లు వెబ్ అప్లికేషన్‌లను రూపొందించడానికి ఒక నిర్మాణాత్మక వాతావరణాన్ని అందిస్తాయి, రూటింగ్, అభ్యర్థన ప్రాసెసింగ్, మరియు డేటాబేస్ పరస్పర చర్య వంటి పనులను నిర్వహిస్తాయి. ఫ్రేమ్‌వర్క్ ఎంపిక అప్లికేషన్ పనితీరును గణనీయంగా ప్రభావితం చేస్తుంది, ముఖ్యంగా అధిక లోడ్ కింద. ఈ బెంచ్‌మార్క్ డెవలపర్‌లు సమాచారంతో కూడిన నిర్ణయాలు తీసుకోవడంలో సహాయపడటానికి డేటా-ఆధారిత అంతర్దృష్టులను అందించడమే లక్ష్యంగా పెట్టుకుంది.

• ఫ్లాస్క్: ఇది సరళత మరియు సౌలభ్యాన్ని అందించే ఒక మైక్రోఫ్రేమ్‌వర్క్. మీకు సూక్ష్మ-స్థాయి నియంత్రణ అవసరమయ్యే చిన్న నుండి మధ్యస్థ పరిమాణ ప్రాజెక్ట్‌లకు ఇది మంచి ఎంపిక.
• జాంగో: ఇది ఒక పూర్తి-ఫీచర్ ఫ్రేమ్‌వర్క్, ఇది ORM, టెంప్లేట్ ఇంజిన్, మరియు అడ్మిన్ ఇంటర్‌ఫేస్‌తో సహా సమగ్ర సాధనాలు మరియు ఫీచర్‌లను అందిస్తుంది. ఇది దృఢమైన మరియు స్కేలబుల్ ఆర్కిటెక్చర్ అవసరమయ్యే సంక్లిష్ట అప్లికేషన్‌లకు బాగా సరిపోతుంది.
• ఫాస్ట్ఏపీఐ: ఇది ASGIపై నిర్మించబడిన ఆధునిక, అధిక-పనితీరు గల ఫ్రేమ్‌వర్క్, వేగం మరియు సామర్థ్యంతో APIలను రూపొందించడానికి రూపొందించబడింది. ఇది అసింక్రోనస్ ఆపరేషన్‌లలో రాణిస్తుంది మరియు మైక్రోసర్వీసెస్ మరియు అధిక-త్రూపుట్ అప్లికేషన్‌లకు బలమైన పోటీదారు.

బెంచ్‌మార్క్ సెటప్

న్యాయమైన మరియు కచ్చితమైన పోలికను నిర్ధారించడానికి, మేము ఒక ప్రామాణిక బెంచ్‌మార్క్ సెటప్‌ను ఉపయోగిస్తాము. ఇందులో ఇవి ఉంటాయి:

• హార్డ్‌వేర్: స్థిరమైన స్పెసిఫికేషన్‌లతో (ఉదా., CPU, RAM, నిల్వ) ఒక ప్రత్యేక సర్వర్. కచ్చితమైన స్పెసిఫికేషన్‌లు జాబితా చేయబడతాయి మరియు పరీక్షల అంతటా స్థిరంగా ఉంచబడతాయి.
• సాఫ్ట్‌వేర్: పైథాన్, ఫ్లాస్క్, జాంగో, మరియు ఫాస్ట్ఏపీఐ యొక్క తాజా స్థిరమైన వెర్షన్‌లు. మేము WSGI/ASGI సర్వర్‌ల కోసం గనికార్న్ మరియు యువికార్న్ యొక్క స్థిరమైన వెర్షన్‌ను ఉపయోగిస్తాము.
• డేటాబేస్: పోస్ట్‌గ్రెస్‌ఎస్‌క్యూఎల్, ఒక ప్రముఖ ఓపెన్-సోర్స్ రిలేషనల్ డేటాబేస్, సరైన పనితీరు కోసం కాన్ఫిగర్ చేయబడింది.
• లోడ్ టెస్టింగ్ టూల్: లోకస్ట్, ఒక పైథాన్-ఆధారిత లోడ్ టెస్టింగ్ టూల్, ఏకకాల వినియోగదారులను అనుకరించడానికి మరియు అప్లికేషన్ పనితీరును కొలవడానికి ఉపయోగిస్తారు.
• పర్యవేక్షణ సాధనాలు: సర్వర్ వనరుల వినియోగాన్ని (CPU, మెమరీ, నెట్‌వర్క్) పర్యవేక్షించడానికి ప్రోమేథియస్ మరియు గ్రాఫానా.
• పరీక్ష కేసులు: మేము సాధారణ వెబ్ అప్లికేషన్ దృశ్యాలను సూచించే అనేక పరీక్ష కేసులను నిర్వచిస్తాము:
• హలో వరల్డ్: ఒక స్టాటిక్ స్ట్రింగ్‌ను తిరిగి ఇచ్చే ఒక సాధారణ ఎండ్‌పాయింట్. ఇది ఫ్రేమ్‌వర్క్ యొక్క ప్రాథమిక రూటింగ్ మరియు అభ్యర్థన నిర్వహణ ఓవర్‌హెడ్‌ను పరీక్షిస్తుంది.
• డేటాబేస్ రీడ్: డేటాబేస్ నుండి డేటాను తిరిగి పొందే ఒక ఎండ్‌పాయింట్. ఇది ఫ్రేమ్‌వర్క్ యొక్క ORM (లేదా డేటాబేస్ ఇంటరాక్షన్ లేయర్) పనితీరును పరీక్షిస్తుంది.
• డేటాబేస్ రైట్: డేటాబేస్‌కు డేటాను వ్రాసే ఒక ఎండ్‌పాయింట్. ఇది వ్రాత ఆపరేషన్‌ల సమయంలో ఫ్రేమ్‌వర్క్ యొక్క ORM (లేదా డేటాబేస్ ఇంటరాక్షన్ లేయర్) పనితీరును పరీక్షిస్తుంది.
• JSON సీరియలైజేషన్: డేటాను JSON ఆకృతికి సీరియలైజ్ చేసే ఒక ఎండ్‌పాయింట్. ఇది ఫ్రేమ్‌వర్క్ యొక్క సీరియలైజేషన్ పనితీరును పరీక్షిస్తుంది.

బెంచ్‌మార్క్ వాతావరణం కోసం కాన్ఫిగరేషన్ వివరాలు

• CPU: Intel Xeon E3-1231 v3 @ 3.40GHz
• RAM: 16GB DDR3
• నిల్వ: 256GB SSD
• ఆపరేటింగ్ సిస్టమ్: Ubuntu 20.04
• పైథాన్: 3.9.7
• ఫ్లాస్క్: 2.0.1
• జాంగో: 3.2.8
• ఫాస్ట్ఏపీఐ: 0.68.1
• యువికార్న్: 0.15.0
• గనికార్న్: 20.1.0
• పోస్ట్‌గ్రెస్‌ఎస్‌క్యూఎల్: 13.4

కాన్‌కరెన్సీ స్థాయిలు: పనితీరును క్షుణ్ణంగా మూల్యాంకనం చేయడానికి, మేము ప్రతి ఫ్రేమ్‌వర్క్‌ను 10 నుండి 500 వరకు ఏకకాల వినియోగదారుల వరకు వివిధ కాన్‌కరెన్సీ స్థాయిల కింద పరీక్షిస్తాము. ఇది పెరుగుతున్న లోడ్ కింద ప్రతి ఫ్రేమ్‌వర్క్ ఎలా స్కేల్ అవుతుందో గమనించడానికి మాకు అనుమతిస్తుంది.

ఫ్రేమ్‌వర్క్ ఇంప్లిమెంటేషన్‌లు

ప్రతి ఫ్రేమ్‌వర్క్ కోసం, పైన వివరించిన పరీక్ష కేసులను అమలు చేసే ఒక సాధారణ అప్లికేషన్‌ను మేము సృష్టిస్తాము.

ఫ్లాస్క్

ఫ్లాస్క్ వెర్క్‌జ్యుగ్ WSGI టూల్‌కిట్‌ను ఉపయోగిస్తుంది. డేటాబేస్ పరస్పర చర్య కోసం, మేము ఒక ప్రముఖ ORM అయిన SQLAlchemyని ఉపయోగిస్తాము. ఇక్కడ ఒక సరళీకృత ఉదాహరణ:

from flask import Flask, jsonify
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base

app = Flask(__name__)

engine = create_engine('postgresql://user:password@host:port/database')
Base = declarative_base()

class Item(Base):
    __tablename__ = 'items'
    id = Column(Integer, primary_key=True)
    name = Column(String)

Base.metadata.create_all(engine)
Session = sessionmaker(bind=engine)
session = Session()

@app.route('/hello')
def hello_world():
    return 'Hello, World!'

@app.route('/item/')
def get_item(item_id):
    item = session.query(Item).get(item_id)
    if item:
        return jsonify({'id': item.id, 'name': item.name})
    else:
        return 'Item not found', 404

if __name__ == '__main__':
    app.run(debug=True)

జాంగో

జాంగో దాని అంతర్నిర్మిత ORM మరియు టెంప్లేట్ ఇంజిన్‌ను ఉపయోగిస్తుంది. ఇక్కడ ఒక సరళీకృత ఉదాహరణ:

from django.http import JsonResponse, HttpResponse
from django.shortcuts import get_object_or_404
from django.db import models

class Item(models.Model):
    name = models.CharField(max_length=255)

def hello_world(request):
    return HttpResponse('Hello, World!')

def get_item(request, item_id):
    item = get_object_or_404(Item, pk=item_id)
    return JsonResponse({'id': item.id, 'name': item.name})

ఫాస్ట్ఏపీఐ

ఫాస్ట్ఏపీఐ ASGIపై నిర్మించబడింది మరియు డేటా ధ్రువీకరణ కోసం Pydanticని ఉపయోగిస్తుంది. మేము డేటాబేస్ పరస్పర చర్య కోసం SQLAlchemyని ఉపయోగిస్తాము. ఇది సహజంగా అసింక్రోనస్ అభ్యర్థన నిర్వహణకు మద్దతు ఇస్తుంది.

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from typing import Optional
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base

app = FastAPI()

engine = create_engine('postgresql://user:password@host:port/database')
Base = declarative_base()

class Item(Base):
    __tablename__ = 'items'
    id = Column(Integer, primary_key=True)
    name = Column(String)

Base.metadata.create_all(engine)
SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)

def get_db():
    db = SessionLocal()
    try:
        yield db
    finally:
        db.close()

class ItemSchema(BaseModel):
    id: int
    name: str

@app.get('/hello')
async def hello_world():
    return 'Hello, World!'

@app.get('/item/{item_id}', response_model=ItemSchema)
async def read_item(item_id: int, db: SessionLocal = Depends(get_db)):
    item = db.query(Item).filter(Item.id == item_id).first()
    if item is None:
        raise HTTPException(status_code=404, detail='Item not found')
    return item

బెంచ్‌మార్క్ ఫలితాలు

కింది పట్టికలు ప్రతి పరీక్ష కేసుకు సంబంధించిన బెంచ్‌మార్క్ ఫలితాలను సంగ్రహిస్తాయి. ఫలితాలు సెకనుకు అభ్యర్థనలు (RPS) మరియు సగటు లేటెన్సీ (మిల్లీసెకన్లలో) పరంగా ప్రదర్శించబడతాయి.

హలో వరల్డ్

ఫ్రేమ్‌వర్క్	కాన్‌కరెన్సీ	RPS	లేటెన్సీ (ms)
ఫ్లాస్క్	100	X	Y
జాంగో	100	A	B
ఫాస్ట్ఏపీఐ	100	P	Q
ఫ్లాస్క్	500	Z	W
జాంగో	500	C	D
ఫాస్ట్ఏపీఐ	500	R	S

డేటాబేస్ రీడ్

ఫ్రేమ్‌వర్క్	కాన్‌కరెన్సీ	RPS	లేటెన్సీ (ms)
ఫ్లాస్క్	100	U	V
జాంగో	100	E	F
ఫాస్ట్ఏపీఐ	100	T	U
ఫ్లాస్క్	500	NN	OO
జాంగో	500	G	H
ఫాస్ట్ఏపీఐ	500	VV	XX

డేటాబేస్ రైట్

ఫ్రేమ్‌వర్క్	కాన్‌కరెన్సీ	RPS	లేటెన్సీ (ms)
ఫ్లాస్క్	100	KK	LL
జాంగో	100	I	J
ఫాస్ట్ఏపీఐ	100	YY	ZZ
ఫ్లాస్క్	500	MMM	PPP
జాంగో	500	K	L
ఫాస్ట్ఏపీఐ	500	AAA	BBB

JSON సీరియలైజేషన్

ఫ్రేమ్‌వర్క్	కాన్‌కరెన్సీ	RPS	లేటెన్సీ (ms)
ఫ్లాస్క్	100	QQ	RR
జాంగో	100	M	N
ఫాస్ట్ఏపీఐ	100	CCC	DDD
ఫ్లాస్క్	500	SSS	TTT
జాంగో	500	O	P
ఫాస్ట్ఏపీఐ	500	EEE	FFF

గమనిక: పరీక్షలను అమలు చేయడం ద్వారా పొందిన వాస్తవ బెంచ్‌మార్క్ ఫలితాలతో ప్లేస్‌హోల్డర్ విలువలను (X, Y, A, B, మొదలైనవి) భర్తీ చేయండి. లోకస్ట్ మరియు ఇతర పర్యవేక్షణ సాధనాలను ఉపయోగించి పరీక్షలను అమలు చేసిన తర్వాత ఈ ఫలితాలు పూరించబడతాయి.

విశ్లేషణ మరియు వ్యాఖ్యానం

బెంచ్‌మార్క్ ఫలితాల ఆధారంగా (ప్లేస్‌హోల్డర్‌లను మీ వాస్తవ డేటాతో భర్తీ చేయండి), మేము ఈ క్రింది ముగింపులకు రావచ్చు:

• ఫాస్ట్ఏపీఐ సాధారణంగా ఫ్లాస్క్ మరియు జాంగోలను అధిగమిస్తుంది RPS మరియు లేటెన్సీ పరంగా, ముఖ్యంగా అధిక కాన్‌కరెన్సీ కింద. ఇది దాని అసింక్రోనస్ స్వభావం మరియు Pydantic ఉపయోగించి ఆప్టిమైజ్ చేయబడిన డేటా ధ్రువీకరణ కారణంగా ఉంది.
• ఫ్లాస్క్ పనితీరు మరియు సౌలభ్యం మధ్య మంచి సమతుల్యతను అందిస్తుంది. ఇది చిన్న ప్రాజెక్టులకు లేదా అప్లికేషన్ ఆర్కిటెక్చర్‌పై మీకు సూక్ష్మ-స్థాయి నియంత్రణ అవసరమైనప్పుడు ఒక అనుకూలమైన ఎంపిక.
• జాంగో, పూర్తి-ఫీచర్ ఫ్రేమ్‌వర్క్ అయినప్పటికీ, తక్కువ పనితీరును ప్రదర్శించవచ్చు ఫాస్ట్ఏపీఐతో పోలిస్తే, ముఖ్యంగా API-భారీ అప్లికేషన్‌ల కోసం. అయినప్పటికీ, ఇది సంక్లిష్ట ప్రాజెక్టుల కోసం అభివృద్ధిని సరళీకృతం చేయగల గొప్ప ఫీచర్లు మరియు సాధనాలను అందిస్తుంది.
• డేటాబేస్ పరస్పర చర్యలు ఒక అవరోధంగా ఉండవచ్చు, ఫ్రేమ్‌వర్క్‌తో సంబంధం లేకుండా. డేటాబేస్ ప్రశ్నలను ఆప్టిమైజ్ చేయడం మరియు కాషింగ్ మెకానిజంలను ఉపయోగించడం పనితీరును గణనీయంగా మెరుగుపరుస్తుంది.
• JSON సీరియలైజేషన్ యొక్క ఓవర్‌హెడ్ పనితీరును ప్రభావితం చేస్తుంది, ముఖ్యంగా పెద్ద మొత్తంలో డేటాను తిరిగి ఇచ్చే ఎండ్‌పాయింట్‌ల కోసం. సమర్థవంతమైన సీరియలైజేషన్ లైబ్రరీలు మరియు టెక్నిక్‌లను ఉపయోగించడం దీనిని తగ్గించడంలో సహాయపడుతుంది.

ప్రపంచవ్యాప్త పరిగణనలు మరియు విస్తరణ

వెబ్ అప్లికేషన్‌లను ప్రపంచవ్యాప్తంగా విస్తరించేటప్పుడు, ఈ క్రింది అంశాలను పరిగణించండి:

• భౌగోళిక పంపిణీ: స్టాటిక్ ఆస్తులను కాష్ చేయడానికి మరియు వివిధ ప్రాంతాలలోని వినియోగదారులకు లేటెన్సీని తగ్గించడానికి కంటెంట్ డెలివరీ నెట్‌వర్క్ (CDN)ని ఉపయోగించండి.
• డేటాబేస్ స్థానం: మీ వినియోగదారులలో అధిక భాగానికి భౌగోళికంగా దగ్గరగా ఉన్న డేటాబేస్ స్థానాన్ని ఎంచుకోండి.
• సమయ మండలాలు: వివిధ ప్రాంతాలలోని వినియోగదారులకు తేదీలు మరియు సమయాలు కచ్చితంగా ప్రదర్శించబడతాయని నిర్ధారించడానికి సమయ మండలాలను సరిగ్గా నిర్వహించండి. pytz వంటి లైబ్రరీలు అవసరం.
• స్థానికీకరణ మరియు అంతర్జాతీయీకరణ: బహుళ భాషలు మరియు సంస్కృతులకు మద్దతు ఇవ్వడానికి స్థానికీకరణ మరియు అంతర్జాతీయీకరణ (i18n/l10n)ను అమలు చేయండి. జాంగోలో అంతర్నిర్మిత మద్దతు ఉంది, మరియు ఫ్లాస్క్‌లో ఫ్లాస్క్-బాబెల్ వంటి పొడిగింపులు ఉన్నాయి.
• కరెన్సీ నిర్వహణ: ఫార్మాటింగ్ మరియు మార్పిడి రేట్లతో సహా వివిధ కరెన్సీలను సరిగ్గా నిర్వహిస్తున్నారని నిర్ధారించుకోండి.
• డేటా గోప్యతా నిబంధనలు: మీ లక్ష్య ప్రేక్షకులపై ఆధారపడి, GDPR (యూరప్), CCPA (కాలిఫోర్నియా), మరియు ఇతరులు వంటి డేటా గోప్యతా నిబంధనలకు కట్టుబడి ఉండండి.
• స్కేలబిలిటీ: వివిధ ప్రాంతాల నుండి పెరుగుతున్న ట్రాఫిక్‌ను నిర్వహించడానికి మీ అప్లికేషన్‌ను క్షితిజ సమాంతరంగా స్కేల్ చేయడానికి రూపొందించండి. కంటైనరైజేషన్ (డాకర్) మరియు ఆర్కెస్ట్రేషన్ (కుబెర్నెటెస్) సాధారణ పద్ధతులు.
• పర్యవేక్షణ మరియు లాగింగ్: వివిధ ప్రాంతాలలో అప్లికేషన్ పనితీరును ట్రాక్ చేయడానికి మరియు సమస్యలను గుర్తించడానికి సమగ్ర పర్యవేక్షణ మరియు లాగింగ్‌ను అమలు చేయండి.

ఉదాహరణకు, జర్మనీలో ఉన్న ఒక కంపెనీ యూరప్ మరియు ఉత్తర అమెరికా రెండింటిలోనూ వినియోగదారులకు సేవ చేస్తుంటే, రెండు ప్రాంతాలలో ఎడ్జ్ లొకేషన్‌లతో ఒక CDNను ఉపయోగించడం, వారి డేటాబేస్‌ను వారి వినియోగదారుల స్థావరానికి భౌగోళికంగా కేంద్రంగా ఉన్న ప్రాంతంలో (ఉదా., ఐర్లాండ్ లేదా US ఈస్ట్ కోస్ట్) హోస్ట్ చేయడం, మరియు ఇంగ్లీష్ మరియు జర్మన్‌లకు మద్దతు ఇవ్వడానికి i18n/l10nను అమలు చేయడం పరిగణించాలి. వారు తమ అప్లికేషన్ GDPR మరియు వర్తించే ఏవైనా US రాష్ట్ర గోప్యతా చట్టాలకు అనుగుణంగా ఉందని కూడా నిర్ధారించుకోవాలి.

ముగింపు

వెబ్ ఫ్రేమ్‌వర్క్ ఎంపిక మీ ప్రాజెక్ట్ యొక్క నిర్దిష్ట అవసరాలపై ఆధారపడి ఉంటుంది. ఫాస్ట్ఏపీఐ API-భారీ అప్లికేషన్‌ల కోసం అద్భుతమైన పనితీరును అందిస్తుంది, అయితే ఫ్లాస్క్ సౌలభ్యం మరియు సరళతను అందిస్తుంది. జాంగో సంక్లిష్ట ప్రాజెక్టులకు అనువైన ఒక దృఢమైన పూర్తి-ఫీచర్ ఫ్రేమ్‌వర్క్. మీ ప్రాజెక్ట్ అవసరాలను క్షుణ్ణంగా మూల్యాంకనం చేయండి మరియు సమాచారంతో కూడిన నిర్ణయం తీసుకోవడానికి ఈ వ్యాసంలో ప్రదర్శించబడిన బెంచ్‌మార్క్ ఫలితాలను పరిగణించండి.

చర్య తీసుకోదగిన అంతర్దృష్టులు

• మీ స్వంత బెంచ్‌మార్క్‌లను అమలు చేయండి: ఈ పరీక్షలను మీ నిర్దిష్ట వినియోగ సందర్భాలు మరియు మౌలిక సదుపాయాలకు అనుగుణంగా మార్చుకోండి.
• అసింక్రోనస్ పనులను పరిగణించండి: మీకు దీర్ఘకాలం నడిచే పనులు ఉంటే, సెలెరీ వంటి అసింక్రోనస్ టాస్క్ క్యూలను ఉపయోగించండి.
• డేటాబేస్ ప్రశ్నలను ఆప్టిమైజ్ చేయండి: ఇండెక్సింగ్, కాషింగ్, మరియు సమర్థవంతమైన క్వెరీ డిజైన్‌ను ఉపయోగించండి.
• మీ అప్లికేషన్‌ను ప్రొఫైల్ చేయండి: అవరోధాలను గుర్తించడానికి ప్రొఫైలింగ్ సాధనాలను ఉపయోగించండి.
• పనితీరును పర్యవేక్షించండి: ఉత్పత్తిలో మీ అప్లికేషన్ పనితీరును క్రమం తప్పకుండా పర్యవేక్షించండి.

మరింత చదవడానికి

• ఫ్లాస్క్ డాక్యుమెంటేషన్
• జాంగో డాక్యుమెంటేషన్
• ఫాస్ట్ఏపీఐ డాక్యుమెంటేషన్
• యువికార్న్ డాక్యుమెంటేషన్
• గనికార్న్ డాక్యుమెంటేషన్
• లోకస్ట్ డాక్యుమెంటేషన్