Você já ouviu falar da teoria do búfalo? De acordo com esta teoria, uma manada de búfalos só pode mover-se tão rapidamente quanto o búfalo mais lento.” Surpreendentemente, esta sabedoria encontra um paralelo na operação de programas de computador: a velocidade de uma aplicação é limitada pelo seu subprocesso mais lento.
Consideremos o site de um varejista online. A tarefa de carregar a página de um produto está longe de ser trivial – ela exige a execução contínua de múltiplas suboperações, incluindo, mas não se limitando a:
Muitas dessas tarefas exigem consultas ao banco de dados. Se fizéssemos um gráfico do tempo que o banco de dados leva para fornecer as informações necessárias para cada suboperação, o padrão seria semelhante ao seguinte:
Claramente, o tempo de carregamento da página não pode ultrapassar a duração da suboperação mais demorada, que neste cenário é a suboperação 5. Nos esforços para simplificar o desempenho, a abordagem convencional envolve a implantação de um cache na frente do banco de dados. Esta estratégia mudaria os tempos de resposta para:
Algumas operações se beneficiarão do cache, recuperando dados rapidamente, enquanto outras exigirão acesso direto ao banco de dados, que será tão lento quanto antes. Dado que a velocidade geral de carregamento da página depende apenas da tarefa mais lenta, a introdução de um cache produz um efeito mínimo no tempo total de carregamento da página.
O termo “mínimo” é usado deliberadamente porque, na prática, a introdução de um cache pode melhorar ligeiramente os tempos de resposta para operações que não atingem o cache. Essencialmente, colocar um cache na frente do banco de dados reduz sua carga de trabalho, o que pode resultar em um desempenho um pouco melhor. No entanto, é improvável que essa melhoria seja drástica, a menos que o banco de dados esteja extremamente subprovisionado.
No entanto, esta melhoria marginal poderá não justificar o investimento, tendo em conta que melhorias semelhantes poderiam ser alcançadas através da simples atribuição de mais recursos à base de dados. Essa estratégia não complicaria o aplicativo ou a infraestrutura, como poderia acontecer com a adição de um sistema de cache.
Pode-se especular se uma taxa de acertos de cache suficientemente alta poderia melhorar decisivamente o desempenho. Infelizmente, a resposta permanece negativa. Este otimismo não considera um detalhe crucial: o aumento da latência média não afeta a latência máxima. À medida que o número de subprocessos aumenta, a probabilidade de atingir um acerto de cache para todas as operações cai exponencialmente, destacando a eficácia limitada do armazenamento em cache à medida que os subprocessos se acumulam.
O gráfico a seguir ilustra a diminuição da eficácia das estratégias de cache à medida que o número de subprocessos aumenta:
É importante destacar que mesmo com uma impressionante taxa de acertos de cache de 99%, conseguida mantendo um tamanho de cache substancial, a probabilidade de um carregamento de página envolvendo cinco suboperações ser servido somente a partir do cache não excederia %95 (=%99^5) . Embora um nível de eficiência de 95% seja digno de nota, a maioria das empresas pretende garantir o desempenho ideal para 99% das solicitações dos usuários, destacando uma lacuna entre os resultados ideais e os reais com essa estratégia de cache.
Abordar a questão central é essencial para resolver o problema. O problema do cache é que ele melhora a latência média dos subprocessos, o que tem impacto mínimo na latência geral do aplicativo. Para melhorar significativamente o desempenho, o foco deve mudar para a redução da latência máxima entre os subprocessos (especificamente, o percentual de latência mais alto).
Simplificando, se o acesso aos dados estiver deixando seu aplicativo lento, a única solução é um banco de dados mais rápido, não um cache. Vários fornecedores se gabam de oferecer valores de latência abaixo de um milissegundo; no entanto, a maioria atinge esses números através da dependência de uma camada de cache interna. É importante observar que as limitações das estratégias de cache, conforme discutido anteriormente, são igualmente aplicáveis a esses caches internos.
Procure uma tecnologia de banco de dados como o Aerospike, capaz de fornecer latência inferior a um milissegundo sem depender de uma camada de cache. Ao entregar dados diretamente do disco – acessando qualquer segmento de dados, mesmo quando a proporção de memória para disco é tão baixa quanto 1% – ele alcança desempenho equivalente ao de tecnologias que exigem que os dados sejam servidos a partir da memória para atingir tempos de resposta rápidos.
A transformação de um varejista on-line líder ilustra o impacto da otimização estratégica de banco de dados.
O varejista depende de análises de dados complexas para fornecer recomendações de produtos e posicionamentos de anúncios eficazes. Após migrar para o Aerospike, a empresa observou um aumento de 6% no tamanho do carrinho do cliente e uma redução de 30% no abandono do carrinho. Estes números sublinham o potencial transformador da otimização do acesso aos dados no cenário do comércio digital.
Visite nosso site para saber mais sobre o banco de dados Aerospike.
YOUTUBE.COM/THENEWSTACK
A tecnologia avança rápido, não perca um episódio. Inscreva-se em nosso canal no YouTube para transmitir todos os nossos podcasts, entrevistas, demonstrações e muito mais.
SE INSCREVER
