Seja bem-vindo ao Big Data e Eu serei seu guia — Parte 2 - Enfrentando um Problema

Grandes desafios por traz da contrução de sistemas de bancos de dados de alta disponibilidade e escaláveis.

por Allan Sene 30/07/2017 Comentários

Você gosta é de solução né… Not today! Como um bom computeiro, vou te dar é um quebra-cabeça. Continuando a série de maneira bem pragmática, vamos analisar hoje uma parte importante do problema de processamento de dados massivos.

O Maior Acoplamento de Todos

Antes de 1905, não havia nada mais absoluto que o Tempo. Até que Einstein tirasse do chapéu a bela interpretação da invariância da velocidade da luz em detrimento do Tempo, este reinava absoluto nos reinos da Ciência, Filosofia e até longe dos racionalistas.

Talvez um pouco distante desse círculo, quem sabe rebuscado demais, nós desenvolvedores, além dos prazos de entrega incabíveis, enfrentamos o Tempo todo santo dia. Regras de negócio, transações em bancos de dados, chamadas assíncronas, gerenciamento de dependências, integração contínua e paralelismo. Metade das nossas decisões de arquitetura e implementação estão intimamente ligadas ao Tempo.

Mesmo os mais jovens programadores já ouviram falar de acoplamento de código, aquele código que dá preguiça até de ler… macarrônico… famoso big ball of mud… arghhh ;p

Mas um acoplamento que muita gente negligencia é justamente de **Tempo! **Quantas vezes seu sistema em produção -e não importa qual tecnologia você use ou tão perfeita seja sua infra- insiste em ficar lento, em diminuir tempo de resposta e criar gargalos mais tensos que a pia de um banheiro copo-sujo? Maldito Tempo!

Apesar de ele estar presente em todos esses assuntos relacionados a software e a computação, aqui trataremos especialmente dele em um contexto: Dados!

Bonés e Ácidos

aQuem estudou Introdução a Bancos de Dados vai se lembrar muito bem das garantias que um **banco de dados **transacional deve nos dar, resumidos na inesquecível sigla:

ACID

  • Atomicidade: todas transações são atômicas, ou seja, sem fragmentação nenhuma. Ou ela acontece como um todo, ou nada dela acontece. Famoso “*ou dá ou desce*”: ou dá commit, ou dá rollback.
  • Consistência: toda transação termina com um estado válido do banco de dados. Conceitualmente, podemos dizer que é uma máquina de estados: toda operação leva a algum estado válido em todo o sistema, mesmo que seja o mesmo estado anterior à operação -como no rollback, por exemplo.
  • Isolamento: toda transação, mesmo que hipoteticamente seja executada no mesmo momento para um mesmo conjunto de dados, segue uma ordem de execução* *e executa isoladamente da outra. Não há operações simultâneas, concorrentes ou paralelas e elas nem precisam/devem trocar informações entre si.
  • Durabilidade: toda transação gera um estado final confiável. Se ela foi completa, pode *crashar, *cair a força ou desligar da tomada, seu resultado foi gravado em disco permanentemente, -até que outra transação venha e altere o estado novamente, claro.

Tudo isso funciona muito bem no mundo tradicional, mas como eu já disse anteriormente, no mundo distribuído, meu amigo… as coisas que podem dar errado, darão errado, quer você queira, quer não.

Como lidar com Big Data só nos foi possível graças as imensas evoluções que tivemos na área de computação distribuída, temos que transpor um desafio novo, modelado num teorema bem desafiador…

The CAP Theorem

Os bancos de dados transacionais nos dão várias garantias que nos ajudam a modelar inúmeros problemas. O ACID nos blinda de muitas dificuldades que poderíamos — e iremos — sentir ao lidar com Concorrência. E Concorrência é justamente nossa aliada para bater nosso inimigo inicial: The Time! Somente com ela -por enquanto- conseguimos bater o rival quando precisamos processar imensas quantidades de dados todos os dias.

É justamente tentando transpor as dificuldades de processar quantidades massivas de dados, que resolvemos um dia a juntar concorrência e bancos de dados em uma coisa só, criando um problema BEM desafiador, porém necessário de enfrentar: o CAP Theorem. Este teorema atesta que, em um banco distribuído, só conseguimos manter duas coisas da seguinte tríplice:

  • Consistência (Consistency): surge do mesmo conceito explicado acima, mas veremos de outra maneira: Toda leitura recebe ou o dado mais recentemente escrito (último estado válido) ou uma mensagem de erro — já que alguma transação deve estar ocorrendo.
  • Disponibilidade (Availability): Toda transação ou leitura dá garantia de execução, mesmo que demore: ou seja, não vai receber uma mensagem de erro como anteriormente.
  • Tolerância à Partição (Partitioning): O sistema continua funcionando **normalmente **mesmo que parte dele esteja indisponível.

http://robertgreiner.com/2014/08/cap-theorem-revisited/

Lembre-se que estamos falando de sistemas de bancos de dados distribuídos e é sempre bom repetir que sistemas distribuídos são o demônio na terra**! **Dessa forma, meio que somos forçados a admitir que **Tolerância à partição **é um fato, é inerente a qualquer sistema distribuído. Portanto, segundo o Teorema de Brewer, ou escolhemos Consistência ou Disponibilidade.

Analise o seguinte exemplo, visualizando o desenho acima com somente 2 nós num cluster, para facilitar o entendimento:

**Há falha na rede e estamos fazendo uma escrita: **o sistema de banco de dados ou lhe retorna um erro, garantindo Consistência, ou ele escreve em um nó somente, e lhe retorna Ok, garantindo Disponibilidade.

Estes dilemas são muito comuns em bancos de dados em *cluster, principalmente em bancos NoSQL *mais modernos, que tentam se adequar melhor à diversidade de tipos de dados, à falta de estruturação e, principalmente, ao volume e velocidade que tais dados chegam.

Admitir um banco de dados transacional nessa realidade é algo bem delicado do ponto de vista arquitetural, exigindo muito planejamento, já que o **ACID nos atrela ao acoplamento de Tempo. Usar da Concorrência, **por sua vez, é também difícil, pois essa escolha, além dos dilemas que o CAP nos traz, implica em um aumento grande na complexidade da arquitetura, exigindo mais profissionais e alta capacitação destes.

Tendo em vista estes conceitos, vemos que tomar decisões com base em dados, benchmarks*, *e, claro, bastante teoria é essencial para equilibrar esse *trade-off *inevitável entre os entraves do Tempo e da Concorrência.


Mas e aí? Você tem uma idéia de como resolvemos esse problema? Temos tecnologias que já bateram a conjectura que Brewer cunhou? Se você acha que sim, ou que não comente aí! Se você não sabe ou não quer opinar, disque 2… quer dizer… recomende e compartilhe esse texto com seus amigos! :D


No próximo post, já adianto, trataremos de conceitos muito valiosos para o desenvolvimento de sistemas de alto desempenho, escalabilidade e disponibilidade. Abraços e até mais!

Um lugar para ler e discutir sobre desenvolvimento, design, web semântica, back-end e outros assuntos relacionados a web. Se você quiser publicar artigos conosco, envie um email: medium[at]tableless.com.br ou clique no link http://bit.ly/escreva-tableless-medium