فراموش کنید که برای خواندن چند سطر ساده، کلاستر (Cluster)های سنگین راه‌اندازی کنید. ساخت برنامه‌های بومی با استفاده از پروتکل دلتا لیک به شما اجازه می‌دهد مستقیماً از داخل اسکریپت‌ها یا باینری‌های خود به داده‌ها دسترسی داشته باشید و نیازی به موتورهای توزیع‌شده نداشته باشید. به طور سنتی، تعامل با دلتا لیک مستلزم مدیریت زیرساخت‌های محاسباتی توزیع‌شده سنگین بود که سربار معماری و هزینه‌های هنگفتی را تحمیل می‌کرد. بدون رویکرد بومی، حتی ساده‌ترین پرس‌وجوها نیازمند تخصیص منابع کلان بودند. این فصل با معرفی کتابخانه‌های بومی به شما نشان می‌دهد که چگونه می‌توان این پارادایم را تغییر داد و مستقیماً با زبان‌های پایتون و راست به خواندن، نوشتن و جستجوی جداول دلتا پرداخت. برای شروع، فرآیند راه‌اندازی و تعامل مستقیم با سیستم‌های فایل و سرویس‌های ابری بدون نیاز به گره هماهنگ‌کننده کلاستر بررسی می‌شود. در بخش پایتون، با ابزارهای اکوسیستم برای دستکاری فریم‌های داده آشنا می‌شوید، و در بخش راست، از کارایی و ایمنی حافظه برای مدیریت حجم بالای داده با حداقل مصرف منابع بهره می‌برید. در نهایت، با ساخت یک تابع بدون سرور (Serverless) در فضای ابری، داده‌های ورودی را پردازش کرده و مستقیماً در لایه نقره‌ای ذخیره می‌کنید تا تضمین‌های معاملاتی (Transactional Guarantees) حفظ شوند. بزرگ‌ترین مزیت یک برنامه داده بومی، حذف سربار شبکه و ارکستراسیون کلاستر است که مقیاس‌پذیری توزیع‌شده را با سرعت اجرای محلی مبادله می‌کند. | ویژگی | دلتا لیک مبتنی بر اسپارک | دلتا لیک بومی (delta-rs) | | :--- | :--- | :--- | | زیرساخت | نیازمند کلاستر (یارن، کوبرنتیز) | بدون زیرساخت (خط فرمان، لَمبدا) | | مدل مقیاس‌پذیری | افقی (گره‌های توزیع‌شده) | عمودی (محدودیت‌های تک‌ماشین) | | سربار راه‌اندازی | بالا (راه‌اندازی ماشین مجازی جاوا) | آنی (اجرای کامپایل‌شده یا مفسری) | [ ] مقداردهی اولیه یک جدول دلتا لیک بومی با استفاده از پایتون یا راست. [ ] پیکربندی پس‌زمینه‌های ذخیره‌سازی ابری برای دسترسی بدون زیرساخت. [ ] پیاده‌سازی کنترل همزمانی خوش‌بینانه و قفل‌گذاری توزیع‌شده. [ ] ساخت و دیپلوی یک تابع ابری برای پردازش و غنی‌سازی داده‌ها مستقیماً در جدول نقره‌ای.