مقایسه ی تجربی تاخیر و همگرایی در مدل های سازگاری Strong، Eventual و Strong Eventual در سیستم های توزیع شده

سازگاری داده ها یکی از چالش های اساسی در طراحی سیستم های توزیع شده (Distributed Systems) است، زیرا تاثیر مستقیمی بر صحت داده ها، دسترس پذیری و کارایی سیستم در شرایط شبکه ی غیرایده آل دارد. با وجود استفاده ی گسترده از مدل های سازگاری قوی (Strong Consistency)، نهایی (Eventual Consistency) و نهایی قوی (Strong Eventual Consistency)، مقایسه ی عملی و تجربی این مدل ها در بسیاری از منابع محدود به تحلیل های نظری باقی مانده است.در این مقاله، یک مطالعه ی تجربی و مقایسه ای از سه مدل سازگاری مذکور ارائه می شود که بر پایه ی شبیه سازی رویداد–گسسته (Discrete-Event Simulation) با استفاده از زبان پایتون (Python) و کتابخانه ی سیم پای (SimPy) انجام شده است. رفتار این مدل ها در محیطی با تاخیر شبکه ی متغیر و ارتباطات ناهمگام (Asynchronous) مورد ارزیابی قرار می گیرد و دو معیار اصلی شامل زمان تاخیر عملیات (Latency) و زمان همگرایی (Convergence Time) به عنوان شاخص های عملکرد در نظر گرفته می شوند.نتایج آزمایش ها نشان می دهد که اگرچه سازگاری قوی (Strong Consistency) بالاترین سطح صحت آنی داده ها را فراهم می کند، اما هزینه ی قابل توجهی از نظر تاخیر عملیات به سیستم تحمیل می نماید. در مقابل، سازگاری نهایی (Eventual Consistency) کمترین تاخیر را ارائه می دهد، اما همگرایی داده ها به صورت تدریجی انجام می شود. همچنین نتایج نشان می دهد که سازگاری نهایی قوی (Strong Eventual Consistency)، علی رغم تضمین همگرایی نهایی بدون تعارض، در برخی سناریوهای شبکه دارای تاخیر متغیر، سربار ادغام (Merge Overhead) بیشتری نسبت به سازگاری نهایی (Eventual Consistency) ایجاد می کند. این یافته ها بیانگر آن است که سازگاری نهایی قوی (Strong Eventual Consistency) همواره یک نقطه ی میانی ساده میان سازگاری قوی و سازگاری نهایی نیست و انتخاب مدل سازگاری باید با توجه به ویژگی های شبکه و نیازهای کاربرد انجام شود.

کلیدواژه ها:

سیستم های توزیع شده ، مدل های سازگاری ، سازگاری قوی ، سازگاری نهایی ، سازگاری نهایی قوی ، CRDT ، SimPy