Toate femeile vin in fata, te rog. Toate femeile din fata. Este vorba despre indragostirea. Trebuie sa fiti fata si centru. Va multumesc foarte mult ca ne-ati alaturat la a treia noastra sedinta chiar inainte de pranz. Aceasta este pista de afaceri a MongoDB World. Suntem foarte incantati sa va avem astazi aici. Am avut deja doua povesti grozave, despre modul in care VA isi reinventeaza serviciile partajate cu MongoDB. Tocmai am ascultat cum sa reunim datele clinice si de cercetare si cancerul, un alt subiect minunat. Dar marturisesc, sunt mai multe femei in aceasta prezentare decat oricare dintre celelalte. Va multumesc ca v-ati alaturat, pentru ca se indragostesc si MongoDB nu merg intr-adevar impreuna in mintea mea. Mi-as dori sa o faca. Si, de fapt, vom auzi cum functioneaza asta.
Uita-te la aceasta imagine. Se pare … oh, cum se numeste filmul despre dragoste? Dragoste De fapt, multumesc. Love De fapt, asta este imaginea in care arata. Astazi vom auzi despre asta. Suntem foarte incantati sa avem CTO-ul eHarmony. Domnul Thod Nguyen este alaturi de noi. El nu face foarte multe prezentari, asa ca ne simtim deosebit de onorati.
Este recunoscut in CTO si aduce o dezvoltare agila, noi tehnologii. A fost CTO la alte cateva startup-uri medii si mici. El a decis sa se alature eHarmony, nu sunt exact sigur de ce, sper sa ne spuna, acum doi ani, si in acest proces, MongoDB a venit. A impartasit ca este si el incantat de viziunea pentru MongoDB pe care am auzit-o. in aceasta dimineata. Si pe masura ce tot mai multi oameni se incurca, o sa ii multumesc ca s-a alaturat astazi. El va impartasi povestea despre cum MongoDB ajuta la meciuri, despre cum din ce in ce mai multi oameni se pot indragosti mai repede. Imaginati-va, daca puteti prelua viteza de dezvoltare pe care MongoDB o aduce si sa o aduca la iubire, am putea reduce tot zgomotul din intalnire si, de fapt, ne vom gasi doar prietenii nostri, nu? O.K. Domnule Thod Nguyen, va multumesc foarte mult pentru ca ne-ati alaturat. Va rugam sa ne impartasiti povestea pentru noi. [APLAUZE]
Va rugam sa opriti telefoanele. Pune-le la tacere. Si la sfarsit, v-as ruga sa completati sondajul despre care v-ati indragostit sau nu astazi. Multumesc, baieti, ca ati venit. A fost o onoare sa fiu aici. Sunt foarte incantat sa fac parte din aceasta prima lume a MongoDB.
Si asa cum vedeti intr-o multime de imagini – nu sunt fotografii stoc, daca aveti intrebari. Acestea sunt cupluri reale, de succes. Avem aproximativ peste 600.000 de cupluri de succes de la fondarea companiei in urma cu 14 ani. 600.000 de cupluri fericite casatorite. Deci doar pentru a va informa unele dintre cele mai interesante statistici.
Deci, eu sunt Thod Nguyen. Sunt CTO la eHarmony. Pentru aceia dintre voi care nu au mai auzit despre eHarmony inainte, suntem un serviciu de recomandare care ofera persoanelor singure relatii pe termen lung si fericite. In prezent functionam pe trei continente diferite. Activam in Statele Unite, Canada, Australia si Marea Britanie.
Deci, in medie, avem aproximativ 438 de persoane care se casatoresc in eHarmonie in fiecare zi. Aceasta se traduce la aproximativ 5% din toate noile casatorii doar in SUA. Cu 51 de milioane de membri inregistrati pe care ii avem si 25 de milioane de vizite pe luna si mai mult de 1,2 milioane de oameni care se casatoresc pe eHarmony de cand compania a fost fondata acum 14 ani de Dr. Warren, adica multi oameni. Asta inseamna mult angajament. Si asta este o multime de activitati. Si asta se traduce printr-o multime de date pe care trebuie sa le stocam, sa le gestionam si sa le procesam.
Deci, despre ce date vorbim? Ei bine, procesorul nostru de potrivire a compatibilitatii, sau, cunoscut si sub numele de aplicatie CMP, creeaza aproximativ 3 miliarde de dolari plus potentialele potriviri pe zi, cu aproximativ 25 de terabyti in plus din datele utilizatorului in intregul nostru sistem de potrivire. In asistenta, 60 de milioane de interogari plus, interogari complexe cu mai multe atribute, cautand zilnic 250 de atribute plus. Sistemele noastre stocheaza si gestioneaza aproximativ 200 de milioane de poze plus plus 15 terabyte de date in stocarea noastra foto. De asemenea, gestioneaza aproximativ patru miliarde plus chestionare de relatie, cu 25 de terabyte de date plus.
Deci, aceasta aplicatie CMP a fost construita pe partea de sus a bazei de date relationale. Si a inceput sa functioneze destul de lent, mult prea lent. Ne-a fost nevoie de mai mult de doua saptamani pentru a reprocesa pe toti din intregul nostru sistem de potrivire. Si asa a fost mult prea mult timp pentru clientul nostru.
Deci, de cand am migrat la solutia de stocare a datelor MongoDB, am obtinut rezultate uimitoare. Am reusit sa reducem sau sa reducem timpul de procesare pentru a se potrivi cu 95% plus, de la doua saptamani in plus pana la mai putin de 12 ore la 3 miliarde de dolari plus potentialele meciuri pe care le-am creat in fiecare zi. In ceea ce priveste valorile cheie ale performantei, comparativ cu un an in urma, observam o crestere de aproximativ 30% a comunicarii bidirectionale, o crestere de 50% a abonatilor platiti si 60% plus o crestere a traficului, in ceea ce priveste vizitatorii unici. si vizite.
Deci discutia de astazi este despre sistemul nostru de potrivire a compatibilitatii si cum si de ce l-am reconstruit pe solutia de stocare a datelor MongoDB si o lectie pe care am invatat-o pe parcurs. Asa ca pentru agenda de astazi, mai intai voi vorbi despre sistemul nostru de potrivire a compatibilitatii, care este cheia generarii tuturor acelor cupluri fericite si casatorii satisfacute despre care vorbeam mai devreme. Apoi, voi vorbi despre vechiul sistem, despre cum a fost arhivat si unde ne-am confruntat cu probleme. Apoi, voi vorbi despre noul sistem, cerintele noastre si tehnologia pe care am evaluat-o si de ce am selectat solutia MongoDB. Si in final, voi discuta unele dintre lectiile pe care le-am invatat in timpul tranzitiei MongoDB si cateva dintre noile cazuri pe care intentionam sa le utilizam MongoDB.
Asadar, sosul secret al eHarmony este sistemul nostru de potrivire a compatibilitatii. Consta intr-un proces cu trei niveluri foarte sofisticat. Modelele de potrivire a compatibilitatii identifica potentialele potriviri bazate pe compatibilitatea de baza, derivate din cele 29 de dimensiuni ale trasaturilor de personalitate si psihologie si pe baza setarilor de preferinte ale utilizatorului.
Modelele de potrivire a afinitatii prezice probabilitatea comunicarii intre doua persoane. Adica acesti doi oameni se vor conecta sau vor dori sa se conecteze, chiar daca cele doua persoane sunt foarte compatibile, pentru ca au interese similare, au credinte similare, au valori similare. Cu toate acestea, este posibil sa nu doreasca sa se conecteze din alte motive.
De exemplu, acestea ar putea fi grupuri de varsta complet diferite. O persoana ar putea avea 30 de ani, iar cealalta persoana poate avea 60 de ani. Stii, ca Donald Sterling, de exemplu. Acesta este un exemplu rau, apropo. Nu am vrut sa ma refer la Donald Sterling.
Sau ar putea trai la aproximativ 3.000 de mile distanta. Locuieste in Los Angeles, iar colega de suflet traieste in New York. Deci este prea departe, nu? La 3.000 de mile distanta. Dar, de asemenea, s-ar putea sa nu fie atractivi unul pentru celalalt. Prin urmare, acest lucru duce la ultimul proces, care este modelul nostru de distributie a meciurilor. Va ajuta sa va asigurati ca livram potrivirile potrivite utilizatorului potrivit la momentul potrivit si sa livram cat mai multe potriviri pe intreaga noastra retea activa.
Asadar, in scopul discutiei de astazi, voi ramane mai ales pe sistemul de potrivire a compatibilitatii, permitandu-ne sa ne concentram mult mai mult asupra utilizarii solutiei MongoDB. Deci, sistemul de potrivire a compatibilitatii este un proces in doi pasi. Deci cautarea traditionala este uni-directionala, nu? Pentru a intelege cum functioneaza, sa aruncam o privire asupra lui Nikki ca exemplu.
In acest scenariu particular, Nikki este pe piata in cautarea unui paine prajitor pe Amazon. Tot ceea ce conteaza cu adevarat in cautarea uni-directionala este sa returneze toasterul care indeplineste criteriile specificate de Nikki. Si, indiferent de prajitor, ajunge sa o ia acasa. Toastele sarace nu au de ales in aceasta problema.
Ce naiba? Suna ca o casatorie, nu? Glumeam.
Deci, intalnirea este mai complexa decat aceasta, mai ales cand incercati sa creati o legatura foarte semnificativa si romantica intre doua persoane. Deci, intalnirea este bidirectionala. Ambii oameni trebuie sa vrea sa fie unul cu celalalt. La eHarmony, dezvoltam un sistem bi-directional sofisticat pentru a ne asigura ca preferintele utilizatorului sunt indeplinite in ambele moduri sau bidirectionale.
Sa luam din nou Nikki ca exemplu. De data aceasta, nu cauta un toaster pe Amazon. S-a saturat de Amazon. Vrea sa mearga direct la eHarmony. Si apoi, avem inca cativa utilizatori de eHarmony, precum Jeb, Jon si Nick.
Mai intai trebuie sa le luam in considerare doar pe cele care indeplinesc criteriile Nikki. In acest caz, acesta este doar Jeb si John. Pentru a face un meci, Nikki trebuie sa indeplineasca si criteriile specificate de Jon sau Jeb. In acest caz particular, acesta este doar Jon. Deci, care sunt unele dintre criteriile despre care vorbim? Acestea sunt lucruri simple precum varsta, distanta, religia, etnia, venitul sau educatia. Prin urmare, aceasta completeaza prima parte a sistemului nostru de potrivire.
In cel de-al doilea pas, vom contabiliza, de asemenea, o trasatura de personalitate sofisticata pe care un utilizator ne-o transmite completand o lunga lista de chestionare. In mod normal, daca intalnesti pe cineva la bar sau la serviciu, multi dintre voi sunt, nu sunt sigur, dar, sau la o conferinta precum MongoDB World. Speram ca iti cauti sufletul de suflet aici, pe langa Mongo. Probabil ca nu ai incepe sa-i intrebi cat de bine te-ai comportat sub stres? Nu este o linie de pickup foarte buna, nu? Asadar, cu eHarmony, avem in vedere toate aceste tipuri de factori in culise. Inainte de a accepta orice utilizator in sistemul nostru de potrivire, ii rugam sa completeze o lista lunga de chestionare, aproximativ 150 dintre ele, legate de personalitatea lor, valorile, convingerile si atributele lor. Si apoi, cream un profil de personalitate foarte unic despre tine pe care il vom folosi ulterior in sistemul nostru de potrivire. De asemenea, avem o echipa dedicata care face cercetari ample in stiinta datelor si psihologii clinice pentru a defini relatiile fericite si ce profiluri de personalitate, ce tipuri de profiluri de personalitate erau cele mai compatibile in relatiile respective. Si apoi le modelam ca formule matematice.
Deci, unde, la randul sau, aplicam stiinta datelor pentru a iubi. Exista o multime de aspecte matematice pe care le folosim in modelele noastre. Asa ca le numim modelele noastre CMS, si acesta este sosul nostru secret. Apropo este un sos secret foarte complicat. Asadar, pentru a rezuma intregul proces, atunci cand cautati potentiali parteneri compatibili pentru Nikki, de exemplu, ca primul pas, derulam interogari reciproce complexe cu multiple atribute pentru a identifica potrivirile potentiale pentru Nikki. Si retinem candidatii doar in cazul in care criteriile sunt indeplinite in ambele moduri sau bi-directional. Ca al doilea pas, luam candidatii ramasi si ii derulam printr-o multitudine de modele compatibile pe care le-am acumulat in ultimii 14 ani. Doar acei candidati care trec pragul stabilit de modelele CMS sunt pastrate si pozitionate ca potentiale meciuri compatibile pentru Nikki. Asa de, dupa cum vedeti, intregul proces suna atat de romantic, nu-i asa? Asa sper.
Asadar, haideti sa vorbim despre cateva chestii distractive. Iata cum arata vechiul nostru sistem, acum 10 ani, inainte de vremea mea, apropo. Deci, CMP este aplicatia care indeplineste sarcina de potrivire a compatibilitatii. Iar eHarmony este o companie de 14 ani in acest moment. Si aceasta a fost prima trecere a modului in care a fost arhivat sistemul CMP.
In aceasta arhitectura particulara, avem o serie de instante diferite de aplicatie CMP care vorbesc direct cu baza noastra de date Oracle centrala, tranzactionala, monolitica. Nu MySQL, apropo. Efectuam o multime de interogari complexe cu mai multe atribute impotriva acestei baze de date centrale. Dupa ce facem un miliard plus de potriviri potentiale, le stocam inapoi in aceeasi baza de date centrala pe care o avem.
La acea vreme, eHarmony era o companie destul de mica in ceea ce priveste baza de utilizatori. De asemenea, partea de date a fost destul de mica. Deci nu am intampinat probleme sau probleme de scalabilitate a performantei. Pe masura ce eHarmony devenea din ce in ce mai popular, traficul a inceput sa creasca foarte, foarte repede. Asadar, arhitectura actuala nu s-a dimensionat, dupa cum puteti vedea. Este o arhitectura foarte simpla.
Prin urmare, au existat doua probleme fundamentale cu aceasta arhitectura pe care trebuia sa o rezolvam foarte repede. Prima problema a fost legata de capacitatea de a efectua cautari bidirectionale de volum mare. Iar a doua problema a fost capacitatea de a persista un miliard plus de meciuri potentiale la scara.
Iata deci arhitectura noastra v2 a aplicatiei CMP. Am vrut sa scalam cautarile bidirectionale cu volum mare, pentru a putea reduce sarcina pe baza de date centrala. Asa ca incepem sa cream o gramada de masini puternice foarte performante pentru a gazdui baza de date relationala Postgres. Fiecare dintre aplicatiile CMP a fost co-localizata cu un server de baza de date Postgres local care stoca o informatie completa de cautare, astfel incat sa poata efectua interogari la nivel local, reducand astfel incarcarea in baza de date centrala.
Deci solutia a functionat destul de bine timp de cativa ani, dar odata cu cresterea rapida a bazei de utilizatori eHarmony, dimensiunea datelor a devenit mai mare, iar modelul de date a devenit mai complex. Aceasta arhitectura a devenit, de asemenea, problematica. Deci, am avut cinci probleme diferite ca parte a acestei arhitecturi.
Deci, una dintre cele mai mari provocari pentru noi a fost consumul, evident, nu? Ne-a luat cam doua saptamani aproximativ pentru a reprocesa pe toata lumea din intregul nostru sistem de potrivire. Peste doua saptamani. Si a trebuit sa facem acest lucru in fiecare zi pentru a livra potriviri proaspete si precise clientilor nostri, in special una dintre acele noi meciuri pe care vi le livram poate fi dragostea vietii voastre. Nu vrem sa ratam asta. Deci, desigur, aceasta nu a fost o solutie acceptabila pentru afacerea noastra, ci si, mai important, pentru clientul nostru. Asadar, a doua problema a fost: facem operatiuni masive in instanta, cu 3 miliarde plus pe zi in baza de date primara pentru a persista un miliard plus de meciuri. Iar aceste operatiuni curente ucid baza de date centrala. Si in acest moment, cu aceasta arhitectura actuala, am folosit doar serverul de baze de date relational Postgres pentru interogari bidirectionale, cu mai multe atribute, dar nu si pentru stocare. Asadar, operatiunea masiva a instantei de stocare a datelor potrivite nu a ucis doar baza noastra de date centrala, ci a creat si o multime de blocare excesiva pe unele dintre modelele noastre de date, deoarece aceeasi baza de date era distribuita de mai multe sisteme din aval.
Iar a patra problema a fost provocarea de a adauga un nou atribut la schema sau modelul de date. De fiecare data cand facem orice schimbari de schema, cum ar fi adaugarea unui nou atribut modelului de date, a fost un cosmar complet atat pentru echipa noastra de inginerie, cat si pentru echipa de operatori. Am petrecut mai multe ore prima data extragerea datelor din Postgres, masand datele, copiem-o pe mai multe servere si mai multe masini, reincarcand datele inapoi in Postgres si asta a tradus la costuri operationale foarte mari pentru mentinerea acestei solutii. Si era mult mai rau daca acel atribut special trebuia sa faca parte dintr-un index.
Asadar, in sfarsit, de fiecare data cand facem schimbari de schema, este necesar timp de intrerupere pentru aplicatia noastra CMP. Si afecteaza SLA-ul aplicatiei noastre client. Asadar, in sfarsit, ultima problema a fost legata de faptul ca rulam pe Postgres, incepem sa folosim o multime de tehnici de indexare avansate, cu o structura complicata a tabelului, foarte specifica Postgres pentru a ne optimiza interogarea pentru o iesire mult mai rapida. Deci, designul aplicatiei a devenit mult mai dependent de Postgres, iar aceasta nu a fost o solutie acceptabila sau intretinuta pentru noi.
Deci, in acest moment, directia era foarte simpla. A trebuit sa remediem acest lucru si trebuia sa il remediem acum. Asa ca intreaga mea echipa de inginerie a inceput sa faca o multime de idei despre arhitectura aplicatiilor pana la depozitul de date de baza si ne-am dat seama ca majoritatea blocajelor sunt legate de depozitul de date de baza, fie ca are legatura cu interogarea datelor, interogari cu mai multe atribute. sau este legata de stocarea datelor la scara. Asa ca am inceput sa definim noile cerinte ale magazinului de date pe care le vom selecta. Si trebuia sa fie centralizata.
Nu dorim sa repetam aceeasi greseala pe care am facut-o inainte de a utiliza solutia SQL descentralizata bazata pe Postgres. Trebuia sa fie auto-magica. Cu alte cuvinte, trebuia sa sprijine scalarea automata. Chiar daca eHarmony are un brand foarte mare, totusi vrem sa operam cu o echipa foarte mica. Asadar, am dorit o solutie in care nu trebuie sa petrecem mult timp pentru a mentine acea solutie, cum ar fi adaugarea unui nou fragment, un nou cluster, un nou server la cluster si asa mai departe. Concluzia este ca am dorit sa petrecem cat mai putin timp posibil.
Ascutire incorporata. Pe masura ce datele noastre mari cresc, dorim sa putem specifica datele in mai multe fragmente, pe mai multe servere fizice, pentru a mentine performante mari de trecere fara o actualizare a serverului. Si cel de-al treilea lucru legat de auto-magia este echilibrarea automata a datelor este necesara pentru a distribui uniform datele pe mai multe fragmente fara probleme. Iar cea de-a patra este despre ea trebuie sa sustina interogari rapide, complexe, cu mai multe atribute, cu un randament ridicat. Si in sfarsit, trebuie sa fie usor de intretinut.
Asa ca am inceput sa analizam numarul diferitelor solutii de stocare a datelor din cautarea solara, sunt sigur ca multi dintre voi stiu foarte bine energia solara, mai ales daca faceti multe cautari. Incercam sa facem acest lucru ca o cautare traditionala, unidirectionala. Dar ne-am dat seama ca cautarile noastre bi-directionale sunt conduse foarte mult de regula afacerii si are multe restrictii. Asadar, ne-a fost cu adevarat greu sa imitam o solutie de sursa pura in acest model.
De asemenea, ne-am uitat la magazinul de date Cassandra, dar am constatat ca API-ul era intr-adevar greu de asociat cu un cadru in stil SQL, deoarece trebuia sa coexiste cu vechiul depozit de date in timpul tranzitiei. Si cred ca voi stiti asta foarte bine. Cassandra parea sa se extinda si sa functioneze mult mai bine cu aplicatia de scriere grea si mai putin pentru aplicatia de citire grea. Si acest caz particular este intens citit.
De asemenea, ne-am uitat la pgpool cu Postgres, dar nu a reusit aspecte de usurinta in gestionare legate de auto-scalare, construit in ascutire si echilibrare automata. Si, in sfarsit, ne-am uitat la proiectul numit Voldemort de pe LinkedIn, care este depozitul de date cu pereche de chei distributive, dar nu a reusit sa sustina interogari cu mai multe atribute.
Deci de ce a fost selectat MongoDB? Ei bine, este destul de evident, nu? Aceasta a oferit cea mai buna din ambele lumi. Acesta a acceptat interogari rapide si cu atribute multiple si functii de indexare foarte puternice, cu un model de date dinamic si flexibil. A acceptat scalarea automata. Oricand doriti sa adaugati un fragment sau oricand doriti sa gestionati mai multa incarcare, adaugam doar o bucata suplimentara in clusterul de fragmente. Daca fragmentul se incalzeste, adaugam o replica suplimentara la setul de replici si oprim. Are o ascutire incorporata, astfel incat sa putem extinde datele noastre pe orizontala, ruland pe partea de sus a serverului de marfuri, nu a serverelor high-end si mentinand in continuare o performanta de randament foarte mare.
Echilibrarea automata a datelor dintr-un fragment sau in mai multe fragmente, fara probleme, astfel incat aplicatia client sa nu fie nevoita sa se preocupe de modul in care datele lor au fost stocate si gestionate. Au fost si alte beneficii, inclusiv usurinta in gestionare. Aceasta este o caracteristica foarte importanta pentru noi, importanta din perspectiva operatiunilor, mai ales atunci cand avem o echipa de operatiuni foarte mica, care gestioneaza mai mult de 1.000 de servere plus si 2.000 de aparate suplimentare suplimentare. Si, de asemenea, este atat de evident, este o sursa deschisa, cu un sprijin comunitar excelent din partea tuturor, si plus sprijinul pentru intreprinderi din partea echipei MongoDB.
Deci, care sunt unele dintre compromisurile atunci cand ne implementam in solutia de stocare a datelor MongoDB? Ei bine, evident, MongoDB este un depozit de date fara schema, nu? Deci, formatul de date se repeta in fiecare document dintr-o colectie. Asadar, daca aveti 2.800 de miliarde sau peste 100 de milioane de inregistrari in colectia dvs., va fi nevoie de mult spatiu irosit, ceea ce se traduce cu un randament mare sau o amprenta mai mare. Agregarea de interogari in MongoDB este cu totul diferita de interogarile de agregare SQL traditionale, cum ar fi grupul sau numararea, dar rezulta, de asemenea, o schimbare de paradigma de la DBA-focus la inginerie-focus.
Si, in sfarsit, configuratia initiala si migrarea pot fi un proces foarte, foarte lung si manual din cauza lipsei de instrumente automate din partea MongoDB. Si trebuie sa cream o gramada de scripturi pentru a automatiza intregul proces initial. Dar, in nota principala de astazi de la Elliott, mi s-a spus ca, ei bine, ei vor lansa un nou tablou de bord pentru automatizare MMS pentru aprovizionare automata, gestionarea configuratiei si modernizare software. Aceasta este o veste fantastica pentru noi si sunt sigur si pentru intreaga comunitate.
porno cu subtitrare http://gengei.com/__media__/js/netsoltrademark.php?d=adult66.net/
xxl filme porno http://makeitfromyourheart.info/__media__/js/netsoltrademark.php?d=adult66.net/
bdsm porno tube http://weberchevroletsucks.net/__media__/js/netsoltrademark.php?d=adult66.net/
filme porno cu baieti virgini http://projectacceleration.com/__media__/js/netsoltrademark.php?d=adult66.net/filme-porno/amatori
porno mature incest http://empireaz.com/__media__/js/netsoltrademark.php?d=adult66.net/filme-porno/anal
clipuri porno romania http://medifastmnminnetonka.com/__media__/js/netsoltrademark.php?d=adult66.net/filme-porno/asiatice
porno big xxx http://hollywoodserials.com/__media__/js/netsoltrademark.php?d=adult66.net/filme-porno/beeg
elefant porno http://linktechllc.net/__media__/js/netsoltrademark.php?d=adult66.net/filme-porno/blonde
filme porno cu hermafrodite http://crosscore-pts.com/__media__/js/netsoltrademark.php?d=adult66.net/filme-porno/brazzers
filme porno cu adulte http://fvsm.info/__media__/js/netsoltrademark.php?d=adult66.net/filme-porno/brunete
filme porno cu femei chinuite http://angelsonpinheads.com/__media__/js/netsoltrademark.php?d=adult66.net/filme-porno/chaturbate
porno romanesti cu amatori http://www.autospot.in/__media__/js/netsoltrademark.php?d=adult66.net/blonda-versata-e-fututa-tare-pe-iaht-de-un-bogatas
filme porno fete mici http://yourdnareport.com/__media__/js/netsoltrademark.php?d=adult66.net/doua-eleve-sunt-futute-de-un-coleg-intr-o-camera-de-hotel
porno bestial http://logicbay.biz/__media__/js/netsoltrademark.php?d=adult66.net/blonda-fenomenala-isi-excita-prietenul-si-apoi-se-fute-porno-cu-el
filme porno masochiste http://nasdva.org/__media__/js/netsoltrademark.php?d=adult66.net/adolescenta-sexy-isi-seduce-prietenul-apoi-fac-sex-ca-doi-nebuni
porno cu rusi http://nasatka.info/__media__/js/netsoltrademark.php?d=adult66.net/isi-dezvirgineaza-prietena-minora-pe-canapea-in-timp-ce-o-filmeaza-pe-ascuns
filme porno cu masturbare http://blackbuster.com/__media__/js/netsoltrademark.php?d=adult66.net/doi-tineri-beti-incing-o-partida-de-sex-in-masina
filme porno xx http://tellmyaptmgr.com/__media__/js/netsoltrademark.php?d=adult66.net/o-blonda-super-buna-rupe-chiloti-dupa-ea-in-timp-ce-e-fututa
mame porno http://yourseance.com/__media__/js/netsoltrademark.php?d=adult66.net/doua-prietene-incinse-se-mangaie-si-se-ling-pana-au-orgasm
filme porno cu paroase http://tellstripes.com/__media__/js/netsoltrademark.php?d=adult66.net/lesbiene-excitate-stiu-cum-sa-isi-provoace-placere-una-alteia
Au fost cateva lectii cheie pe care le-am invatat in timpul migratiei MongoDB. Porniti intotdeauna focul. Ori de cate ori evaluati o solutie sau testati o solutie, folositi datele de productie si interogarea de productie, astfel incat sa puteti compara marul cu comparatia cu mere, in termeni de performanta si masurari de scalabilitate. Dezlantuie maimuta haosului. In timpul testarii scazute, puneti in coada unul dintre serverele sau instantele dvs. MongoDB din clusterul dvs. fragmentat pentru a va asigura ca clusterul si aplicatia dvs. continua sa functioneze normal.
Implicati echipa MongoDB din start. Chiar si de la dezvoltare la productie sa-ti creezi clusterul, astfel incat sa obtii de fapt cele mai bune indrumari si asistenta arhitectonice si cele mai bune practici legate de modelarea datelor, interogari, indexuri, selectarea cheii drepte, dar, de asemenea, sa te ajute sa produci si clusterul MongoDB. Selectati de la inceput o cheie buna a fragmentului, astfel incat toate intrebarile dvs. sa poata fi izolate intr-un fragment, astfel incat Mongo nu trebuie sa astepte pentru a colecta rezultatul in toate fragmentele. Acest lucru ar avea cu siguranta un impact asupra performantei interogarii in cazul nostru particular.
Iar acesta este foarte important pentru noi. Ruleaza-ti noul cluster intr-un mod umbre. Intregul nostru sistem de potrivire s-a bazat pe o arhitectura orientata catre evenimente, orientata catre servicii sau model SOA, astfel incat ne este foarte usor sa implementam doua clustere CMP diferite in ceea ce priveste modul activ / pasiv. Deci avem un cluster care functioneaza pe relational. Avem un singur cluster care ruleaza pe Mongos, MongoDB, care distribuie acelasi sistem de mesagerie distribuit.
Practic, mesajele sunt replicate la ambele grupuri care functioneaza pe relational si Mongo din traficul real de productie. Astfel, am reusit sa facem multa ajustare in productie legata de cheia dreapta, capacitatea potrivita din punct de vedere al replicii si cioburilor si, de asemenea, sa cream optimizari fara a afecta utilizatorii nostri de productie. Asadar, odata ce certificam solutia in productie in mod pasiv, pur si simplu trecem la clusterul bazat pe MongoDB. Acest lucru este foarte important, deoarece este foarte dificil sa stii cum este traficul tau de productie pana cand introduci noul grup in interiorul productiei ca mod pasiv, chiar daca ai putea avea cel mai bun mediu de testare scazut posibil. Dar este foarte, foarte dificil sa generezi trafic de productie in acest caz particular, cu tipul de scara pe care il avem.
Deci, ceva interesant vine din eHarmony. Misiunea noastra principala este de a face viata oamenilor mai buna si mai fericita, indiferent daca te va ajuta sa gasesti o iubire a vietii tale, in mai multe limbi, mai multe limbi locale, mai multe tari, nu conteaza. Sau pentru a va ajuta sa gasiti un loc de munca potrivit. Deci, intalnirile noastre online din Australia si Marea Britanie au fost extrem de profitabile, asa ca dorim sa extindem modelul de succes in alte 20 de tari in urmatorii doi ani.
De asemenea, lucram la noua verticala a compatibilitatii jobului, folosind sosul nostru secret, sosul secret de compatibilitate. O numim cariere prin eHarmony si intentionam sa lansam aceasta noua verticala in decembrie a acestui an. Asa cum stii foarte bine, stim asta de ceva vreme, ca este foarte greu sa faci ca orice casatorie sa functioneze daca nu esti fericit la jobul tau actual, nu? Evident, credeti sau nu, 65% dintre oamenii din America nu sunt multumiti de jobul la care sunt in prezent si pot fi daca se potrivesc cu locul de munca potrivit, bazat pe cultura companiei, pe baza personalitatii despre cine vei raporta si pe langa abilitatile tale. Asadar, eram foarte incantati de aceasta noua verticala pe care o vom lansa in decembrie.
Asadar, sa atingem baza pe un cuplu de cazuri potentiale de utilizare pentru care putem considera utilizarea MongoDB. Ne uitam sa folosim MongoDB pentru locatii geo-bazate in timp real, servicii de lot pentru dispozitivele noastre mobile, folosind functiile de indici si interogari spatiale MongoDB. Si sunt foarte incantat ca, de asemenea, cautam sa inlocuim stocarea noastra Voldemort cu o solutie de baza MongoDB pentru a persista cele 3 miliarde plus meciurile noastre potentiale pe zi. Si sunt foarte incantat sa aflu de la nota principala de astazi de la Elliott, de asemenea, ca vor lansa un nou model de concordanta si, de asemenea, noul model de motor de stocare care poate fi rulat de fapt fie pe SSD fusion iO SSD, fie in memorie. Asadar, cu aceasta noua functionalitate, sunt foarte incantat ca vom profita de aceasta solutie pentru a stoca un miliard plus de meciuri pe care le avem.
Iata, asadar, cateva dintre investitiile tehnologice interesante pe care le-am facut pentru a rezolva cele mai complexe probleme de inginerie pe care le avem si care ofera realizabilitate, scalabilitate si inovatie pe termen lung la eHarmony. De exemplu, folosim mult Scala. Sunt sigur ca multi dintre voi stiu, ca limbaj de programare functional, sa puna in aplicare modelele noastre de CMS si potrivire de afinitate.
De asemenea, folosim mult Hadoop. Si cu Hive, am inceput, de asemenea, sa exploram Spark ca analiza interactiva a datelor deasupra YARN pentru minarea masiva a datelor si procesarea datelor. Si, de asemenea, folosim o multime de R. Nu sunt sigur ca voi sunteti familiarizati cu R. R este o revolutie, deoarece limbajul de programare pentru analizele predictive in modelele noastre de invatare automata. In plus, folosim o multime de Node.js cu HTML 5 pentru a implementa aplicatiile noastre web eHarmony cu vedere publica atat pentru web-ul mobil cat si pentru desktop si o multime de alte tehnologii pe care le folosim acum.
Deci, nu in ultimul rand, avem multe, mi s-a spus de la echipa de recrutare, asa ca purta-ma cu mine, avem o multime de pozitii deschise acum. Asadar, daca sunteti interesat, accesati eHarmony.com sau jobs.eHarmony.com sau contactati-ma direct pe LinkedIn. Asa ca acesta este terenul pe care i-am promis echipei mele de recrutare. Si multumesc foarte mult pentru timpul acordat. Si acum, as dori sa ma deschid pentru orice intrebari si intrebari. [APLAUZE]
Deci, ceea ce spui, Thod, in esenta, este daca te-ai indragostit deja, acum este timpul sa obtii un loc de munca mai bun. Este asta?
Este un fel de combinatie de ambele.
Asadar, doar imaginati-va, cand va ganditi la transformare, am in sfarsit curaj. Mi-am pus profilul in online. Ma gandesc la asta, ma gandesc la asta, transpir, agonisesc, in sfarsit o fac. Si trebuie sa astept 15 zile. Dar acum, in sfarsit, pot decide sa o fac, sa-mi pun profilul in online si maine dimineata, 12 ore mai tarziu, pot afla cine este dragostea vietii mele. Lucruri destul de uimitoare.
Multumesc.
Multumesc pentru aceasta. Intrebari?
Aveti deja doua verticale care merg cu aceasta tehnologie. V-ati gandit sa o licentati?
Ne gandim la asta. Chiar acum prima verticala despre produsul nostru principal, care este intalnirea online. Suntem in proces de extindere a acesteia la compatibilitatea postului. Dar, de asemenea, intentionam sa o extindem la prietenie, ca prietenii compatibile. Deci ne gandim – nu sunt sigur ca vom licenta API, mai ales ca este sosul nostru secret, dar ne uitam la parteneriate cu alte companii si in spatiul de compatibilitate.
Urmatoarea intrebare. Ati vorbit despre cateva beneficii ale mutarii la MongoDB. Un lucru despre care nu am auzit este ca te-ai mutat dintr-un mediu foarte relational intr-un mediu NoSQL. Din proiectarea schemei tale, ce fel de schimbari sau ce schimbari de gandire trebuiai sa faci pentru asta?
Pentru noi, este destul de perfect sa trecem de la relational la solutia MongoDB. Schema a fost … adica, evident, a trebuit sa reproiectam schema, dar echipa de inginerie considera ca este destul de simpla in ceea ce priveste migrarea de la modelul de date pe care il avem in relational si apoi harta catre un model de date bazat pe documente. , nu a fost o sarcina foarte dificila, foarte provocatoare pentru noi. Dar a fost mult mai dificil daca incepem sa ne indreptam spre Cassandra, de exemplu, solutia de model de date.
Deci nu ai facut-o – modelul tau din Mongo este inca destul de relational?
Dreapta. Dreapta. Exact. Incercam sa modelam astfel incat sa putem atenua riscul, pentru ca, pentru noi, timpul de piata este foarte important. Asadar, nu am vrut sa reinnoim complet intregul nostru model de date, mai ales cand aveti date masive pe care le stocam. Prin urmare, incercam sa facem un risc cat mai mic, dar, in acelasi timp, sa nu aiba impact asupra performantei. Este foarte important pentru noi. Nu putem compromite performanta si scalabilitatea.
O.K. Va multumesc din nou. Cred ca Thod va fi in spatele camerei daca vrei sa-i pui intrebari dupa aceea. Acum este ora pranzului. Va multumim tuturor ca ati fost aici pentru a ne auzi povestile. In aceasta dupa-amiaza avem inca cinci povesti grozave despre cum sa va transformati afacerea cu MongoDB. Ne vedem in curand.
Nu uitati sa completati sondajele. De fiecare data cand completati un sondaj, aveti ocazia pentru un Xbox. Multumiri.
