Python 缩放跟随器模型
这个问题有点类似于twitter/facebook:Python 缩放跟随器模型,python,django,nosql,scaling,partitioning,Python,Django,Nosql,Scaling,Partitioning,这个问题有点类似于twitter/facebook: 追随者和追随者 用户添加项目 随后,您将看到您正在跟踪的所有人添加的项目 问题A:如何让您跟踪的人添加的项目的查询在不断增长的数据集中正常工作 问题B:我们看到了地理上分散的交通。荷兰和巴西的大型用户群。任何解决方案都可能需要允许跨多个数据中心的数据库 我们在django/python堆栈上运行。已在运行边缘服务器缓存。(匿名用户获得缓存的版本,登录用户的版本首先通过二级模板解析服务运行)问题a:如何让您跟踪的人添加的项目的查询在不断增长
- 追随者和追随者
- 用户添加项目
问题A:如何让您跟踪的人添加的项目的查询在不断增长的数据集中正常工作 问题B:我们看到了地理上分散的交通。荷兰和巴西的大型用户群。任何解决方案都可能需要允许跨多个数据中心的数据库
我们在django/python堆栈上运行。已在运行边缘服务器缓存。(匿名用户获得缓存的版本,登录用户的版本首先通过二级模板解析服务运行)问题a:如何让您跟踪的人添加的项目的查询在不断增长的数据集中正常工作 从以下数据集开始(谁是我的追随者/我在追随谁);可以将这些值保存为元组,并跨多个SQL数据库对它们进行分段(尽管我怀疑,即使对于twitter大小的数据库,也确实需要真正的分段)。这将给出被跟踪人员的名单。其次,可以方便地查询按跟随者排序的跟随者->项目表;如果需要,还可以根据庞大的数据集进行分段 问题B:我们看到了地理上分散的交通。荷兰和巴西的大型用户群。任何解决方案都可能需要允许跨多个数据中心的数据库 可以指定一个主数据库(集群)和一个从数据库(集群),并将数据从主数据库复制到从数据库。但是,这并不意味着数据总是保存到主数据库中。数据查询可以在本地完成
另一个选项是在主设置中运行数据库(集群);但这通常比它的价值更麻烦。问题A:如何让您跟踪的人添加的项目的查询在不断增长的数据集中运行良好 从以下数据集开始(谁是我的追随者/我在追随谁);可以将这些值保存为元组,并跨多个SQL数据库对它们进行分段(尽管我怀疑,即使对于twitter大小的数据库,也确实需要真正的分段)。这将给出被跟踪人员的名单。其次,可以方便地查询按跟随者排序的跟随者->项目表;如果需要,还可以根据庞大的数据集进行分段 问题B:我们看到了地理上分散的交通。荷兰和巴西的大型用户群。任何解决方案都可能需要允许跨多个数据中心的数据库 可以指定一个主数据库(集群)和一个从数据库(集群),并将数据从主数据库复制到从数据库。但是,这并不意味着数据总是保存到主数据库中。数据查询可以在本地完成 另一个选项是在主设置中运行数据库(集群);但这通常比它的价值更麻烦