डेटा आकर्षण फॉर्मूला

वर्चुअलाइजेशन और क्लाउड कंप्यूटिंग के विशेषज्ञ वीएमवेयर कर्मचारी डेव मैक्रोरी ने एक असामान्य मॉडल बनाया, जो इंटरनेट पर डेटा, सेवाओं और अनुप्रयोगों के व्यवहार का वर्णन करता है। उन्होंने डेटा के लिए द्रव्यमान और गुरुत्वाकर्षण की अवधारणाओं को पेश करने का प्रस्ताव रखा, जो भौतिकी में उपयोग किए जाने वाले लोगों के समान है, और यहां तक ​​कि आवेदन और डेटा के बीच गुरुत्वाकर्षण बातचीत के लिए एक सूत्र भी प्राप्त किया है। यह मॉडल उतना पागल और अर्थहीन नहीं है जितना कि यह पहली नज़र में लग सकता है - इसी तरह के गुरुत्वाकर्षण मॉडल लंबे समय से अर्थशास्त्र और समाजशास्त्र में उपयोग किए जाते हैं, सफलतापूर्वक देशों और शहरों, प्रवास और शहरीकरण के बीच व्यापार का वर्णन करते हैं।

तारों या ग्रहों की तरह, डेटा क्लस्टर एक दूसरे और अधिक हल्के वस्तुओं को आकर्षित करते हैं, जैसे अनुप्रयोग और सेवाएं, और इस आकर्षण का बल सीधे द्रव्यमान के समानुपाती होता है और दूरी के विपरीत आनुपातिक होता है, जिसके नेटवर्क में बैंडविड्थ और पिंग का संयोजन होता है। इसके अलावा, प्रत्येक जोड़ी "डेटा - एप्लिकेशन" को एक व्यक्तिगत गुणांक द्वारा विशेषता है, जो इस बात पर निर्भर करता है कि आवेदन कितनी तीव्रता से या डेटा उत्पन्न करता है। यह गुणांक गुरुत्वाकर्षण स्थिरांक के समान है। एक मजबूत गुरुत्वाकर्षण क्षेत्र में किसी भी वस्तु के लिए, यह पर्याप्त "रनवे गति" की सूचना देने के लिए, डेटा से एप्लिकेशन को "आंसू" करने के लिए काफी प्रयास करने के लिए आवश्यक है। डेटा के साथ काम करने वाले अनुप्रयोग और सेवाएँ देरी को कम करते हैं और चैनल का विस्तार करते हैं, त्वरण के साथ डेटा तक पहुंचते हैं, जैसे जमीन पर गिरने वाला पत्थर।

अब डेटा आकर्षण सूत्र इस तरह दिखता है:

F में आकर्षक बल है (Mb / s) 2 , m d - डेटा का द्रव्यमान (एमबी), एम ए - एप्लीकेशन मास (एमबी), n प्रति सेकंड अनुरोधों की संख्या है, एल - देरी (सेकंड) आर - औसत अनुरोध आकार (एमबी), बी - चैनल चौड़ाई (एमबी / एस)।

यह अंतिम संस्करण नहीं है, लेखक अपने सुधार और सत्यापन में समुदाय की मदद की उम्मीद करता है। इस सूत्र में प्रमुख मूल्य डेटा और अनुप्रयोगों के द्रव्यमान हैं। इनकी गणना निम्न प्रकार से की जाती है। डेटा का द्रव्यमान मेगाबाइट और घनत्व में उनकी मात्रा का उत्पाद है, जिसे संपीड़न अनुपात के रूप में लिया जाता है। उदाहरण के लिए, एक संकुचित डेटाबेस 5 गीगाबाइट पर कब्जा कर लेता है। संपीड़न अनुपात 2: 1 है। तब इस डेटा का द्रव्यमान 10 जीबी है।



एप्लिकेशन के द्रव्यमान की गणना थोड़ी अधिक जटिल है: यह राशि प्रक्रिया में उपयोग की जाने वाली रैम की मात्रा और डिस्क पर प्रोग्राम द्वारा कब्जा किए गए स्थान के रूप में ली जाती है। घनत्व की गणना करने के लिए, संपीड़न अनुपात के अलावा, जो आमतौर पर अनुप्रयोगों के मामले में 1 के बराबर होता है, प्रोसेसर लोड, गीगाहर्ट्ज़ में मापा जाता है, का उपयोग किया जाता है।



इस तरह से गणना की गई जनता और नेटवर्क विशेषताओं (विलंब और चैनल की चौड़ाई) और आवेदन और डेटा (प्रति सेकंड और औसत अनुरोध आकार की संख्या) के बीच बातचीत की तीव्रता का एक संयोजन, जो दूरी और गुरुत्वाकर्षण निरंतर के अनुरूप है, हम आकर्षण के बल को प्राप्त कर सकते हैं।

डेव मैककरी के अनुसार, इस फॉर्मूले का उपयोग अनुप्रयोगों और डेटा केंद्रों के विकास की योजना बनाने के लिए किया जा सकता है, जो गुरुत्वाकर्षण को ध्यान में रखते हैं। आंकड़ों में आवेदन की पोर्टेबिलिटी या किसी विशेष डेटा सेट के लिए अनुलग्नक की डिग्री को व्यक्त करना संभव होगा, बड़े डेटा केंद्रों और बहुत अधिक के बीच डेटा के इष्टतम वितरण की गणना करें।

उदाहरण के लिए, बातचीत के द्रव्यमान के अधिक जटिल संयोजनों पर विचार करना और भी अधिक दिलचस्प है, उदाहरण के लिए, एप्लिकेशन से थोड़ी दूरी पर डेटा का बफर द्रव्यमान बनाना, जो "गुरुत्वाकर्षण निरंतर" (कैशिंग) को कम करके आकर्षक बल को काफी कम कर सकता है। इसके अलावा, वास्तविक दुनिया में एक कानूनी और आर्थिक प्रकृति की ताकतें हैं जो डेटा के द्रव्यमान के गुरुत्वाकर्षण बातचीत को काफी मजबूत या कमजोर कर सकती हैं। उदाहरण के लिए, डेटा या एप्लिकेशन परिणाम की उच्च लागत आकर्षण के बल को बहुत बढ़ा देती है। एक्सचेंज स्वचालित ट्रेडिंग सिस्टम डेटा द्वारा इतनी दृढ़ता से आकर्षित होते हैं कि वे सचमुच उन पर "गिर" जाते हैं, पहले उनके साथ एक ही डेटा सेंटर में और फिर उसी रैक में होने की कोशिश करते हैं।

कई कंपनियां और क्लाउड सेवाएं अपने पक्ष में डेटा आकर्षण की शक्ति में हेरफेर करने के लिए टैरिफ नीतियों और कानूनी प्रतिबंधों का उपयोग करती हैं। कुछ डेटा गोपनीय होते हैं, कुछ कॉपीराइट द्वारा संरक्षित होते हैं, कुछ एप्लिकेशन और डिवाइस निर्माता द्वारा निश्चित डेटा सेट और संचार चैनलों से मजबूती से बंधे होते हैं। यदि डेटा आकर्षण सूत्र का विस्तार करना संभव है, तो यह समान स्थितियों का वर्णन करता है, तो एक संपूर्ण सिद्धांत निकल सकता है।

डेटा आकर्षण का विचार पहले से ही कुछ प्रतिध्वनि का कारण है। यह सब एक मैकक्रॉरी ब्लॉग पोस्ट के साथ शुरू हुआ । बाद के कई पोस्ट, उनकी चर्चा और इंटरनेट मीडिया ( GigaOM , ReadWriteWeb , ZDnet ) में कई प्रकाशनों ने इस तथ्य को जन्म दिया कि डेव मैककॉरी ने पूरी तरह से डेटा आकर्षण के लिए समर्पित एक साइट बनाने का फैसला किया।