¿Puede explicar en profundidad qué es la replicación de la base de datos y qué métodos se conocen al respecto, incluidas las analogías de la vida real?

La replicación de la base de datos es una técnica a través de la cual una instancia de una base de datos se copia, transfiere o integra exactamente con otra ubicación. La replicación de la base de datos permite copiar un archivo de base de datos desde un sistema de administración de base de datos maestra (DBMS) y su despliegue exacto en un DBMS esclavo.

Existen 3 métodos principales para la replicación de bases de datos:

Volcado completo y replicación de carga

Con el volcado y la carga completos, define un intervalo de replicación (como cada 4 horas). En ese intervalo, consultamos cada una de las tablas que está replicando, tomamos una instantánea completa (volcado) de la tabla y reemplazamos la instantánea anterior (carga) en su almacén de datos de destino.

Ventaja: la configuración es simple y este método funciona mejor para tablas pequeñas.

Desventaja: las tablas solo se actualizan cada pocas horas debido al tiempo que lleva realizar el volcado. Esto también puede requerir muchos recursos, lo que puede ralentizar su base de datos, especialmente para tablas más grandes.

Replicación incremental

Con incremental, usted define una “columna de indicador de actualización” (como updated_at) para cada una de las tablas que está replicando. Cada vez que se actualiza una fila en su base de datos, obtiene el siguiente valor más grande en la columna del indicador actualizado. Cada pocos segundos, consultaremos en sus tablas lo que ha cambiado desde la última vez que lo verificamos, aprovechando la columna del indicador de actualización. Copiaremos esos cambios incrementales en su almacén de datos de destino y los fusionaremos cada 15 minutos. También le proporcionaremos una vista para ver los cambios casi en tiempo real.

Ventaja: la configuración es simple, no crea mucha carga en su base de datos y es de baja latencia.

Desventaja: Requiere una columna de indicador de actualización para cada tabla. Requiere trabajo adicional para capturar eliminaciones.

Change Data Capture (CDC), también conocida como Replicación de registros

El estado del arte en replicación de bases de datos, CDC es la forma más rápida y confiable de replicar. Para las bases de datos que lo admiten (MySQL, PostgreSQL autohospedado y MongoDB), consultamos el registro interno de la base de datos cada pocos segundos para obtener los últimos cambios. Copiaremos ese registro de cambios en su almacén de datos de destino y los fusionaremos cada 15 minutos. También le proporcionaremos una vista para ver los cambios casi en tiempo real.

Ventaja: estado del arte: permite la replicación casi en tiempo real con un impacto de consulta muy bajo.

Desventaja: Requiere más trabajo de configuración inicial.

Un ejemplo de la vida real con el que tuve que lidiar recientemente es exportar mi base de datos MySQL a un almacén de datos, por lo que utilicé una herramienta llamada Alooma que admite los métodos de replicación mencionados anteriormente.