От token ring к tablets: репликация и multi-DC в ScyllaDB
Как устроено распределение данных — от классического token ring к tablets, как ведёт себя multi-DC репликация при отказе ДЦ и что происходит с tablets при decommission узла
Базы данных
Consistency levels и LWT в ScyllaDB: что реально стоит кворум и Paxos
Разница между ONE/QUORUM/ALL на живых числах, во сколько раз LWT дороже обычной записи и что происходит с CAS-операциями под конкуренцией
Compaction, tombstones и repair в ScyllaDB: жизненный цикл данных под капотом
Как TWCS группирует sstable по времени записи, почему исторический backfill без USING TIMESTAMP ломает окна компакции, как реально считаются tombstones и почему repair на tablet-keyspace — не nodetool repair -pr
Архитектура ScyllaDB: shard-per-core и почему это меняет правила игры
Как устройство shard-per-core (Seastar, без блокировок между ядрами) распределяет нагрузку по шардам, что это даёт в задержке и throughput — на живом 3-узловом кластере
ClickHouse, TimescaleDB, DuckDB: что выбрать под аналитику
Карта выбора аналитической БД по нишам: масштабная аналитика на ClickHouse, аналитика и time-series внутри экосистемы PostgreSQL на TimescaleDB, встроенная локальная аналитика на DuckDB — с учётом стоимости и эксплуатации
Когда нужна ScyllaDB и как думать данными: моделирование под wide-column
Чем wide-column-модель отличается от реляционной, как проектировать партиции «запрос-первым», почему плохой ключ партиции убивает производительность — на живых числах ScyllaDB
ClickHouse и S3: многоуровневое хранение и внешние данные
Две грани S3 в ClickHouse: многоуровневое хранение (hot/cold-тиринг MergeTree через storage policies и TTL MOVE на S3, separation of storage/compute) и S3 table function для запроса и загрузки Parquet прямо из объектного хранилища. С живым стендом на MinIO
Эксплуатация и тюнинг ClickHouse: merges, mutations, мониторинг, backup
Что нужно знать про ClickHouse в проде: parts и фоновые merges, почему mutations (ALTER UPDATE/DELETE) дорогие и асинхронные, мониторинг через system.*-таблицы, backup/restore и тюнинг — codec-сжатие колонок, гранулярность индекса, память запроса. С живыми числами и продакшн-чеклистом
Распределённый ClickHouse: шардирование, репликация, Keeper
Как ClickHouse масштабируется горизонтально: шардирование и репликация через ClickHouse Keeper, ReplicatedMergeTree и Distributed-таблицы, что ломается при падении узла — реплика недоступна против шард недоступен. Живой кластер 2 шарда × 2 реплики
Материализованные представления и real-time агрегации в ClickHouse
Материализованные представления в ClickHouse как триггеры на вставку, предагрегация через AggregatingMergeTree и SummingMergeTree, чтение потока из Kafka через Kafka engine, TTL и ретеншн, проекции — как строить обновляемые в реальном времени агрегаты
В работе
Ближайшие материалы, которые продолжают этот раздел.
Redis: где он помогает, где создаёт проблемы и почему "просто поставим кэш" — плохой план
Вводный материал про Redis как класс решений: паттерны, анти-паттерны, ограничения и подходы к надёжности.
PostgreSQL в Docker: что можно, что нельзя и как не потерять данные
Практический baseline для PostgreSQL в контейнерах: volume, backup, healthcheck и границы допустимого production.
ClickHouse в контейнерах: когда это удобно, а когда лучше не надо
Разбор dev- и lab-сценариев для ClickHouse и того, где контейнеризация уже начинает мешать эксплуатации.