बाइट के बजाय पंचक - डेटा भंडारण और पुनर्प्राप्ति दृष्टिकोण

क्विंट एक तरह से डेटा के परमाणु टुकड़ों को पेश करने का एक तरीका है जो व्यावसायिक क्षेत्र में उनकी भूमिका को दर्शाता है। पंचक किसी भी वस्तु का वर्णन कर सकते हैं, जबकि उनमें से प्रत्येक में अपने और अन्य पंचक के संबंधों के बारे में पूरी जानकारी है। ऐसा वर्णन उपयोग किए गए प्लेटफ़ॉर्म पर निर्भर नहीं करता है। इसका उद्देश्य डेटा के भंडारण को आसान बनाना और उनकी प्रस्तुति की दृश्यता में सुधार करना है।



हम भंडारण और प्रसंस्करण जानकारी के लिए एक दृष्टिकोण पर चर्चा करेंगे और इस नए प्रतिमान में एक विकास मंच बनाने पर कुछ विचार साझा करेंगे। किस लिए? तेजी से और कम पुनरावृत्तियों में विकास करने के लिए: अपने प्रोजेक्ट को स्केच करें, सुनिश्चित करें कि आपने जो सोचा है, उसे परिष्कृत करें और फिर परिणाम को परिष्कृत करते रहें।

पंचक में गुण हैं: प्रकार, मूल्य, माता-पिता और साथियों के बीच आदेश। इस प्रकार, पहचानकर्ता सहित 5 घटक हैं। यह जानकारी रिकॉर्ड करने का सबसे सरल सार्वभौमिक रूप है, एक नया मानक जो संभावित रूप से किसी भी प्रोग्रामिंग मांगों को फिट कर सकता है। डेटा के निरंतर सजातीय अनुक्रमित बल्क में क्विंट को एकीकृत संरचना की फ़ाइल प्रणाली में संग्रहीत किया जाता है। पंचक डेटा मॉडल - एक डेटा मॉडल जो किसी भी डेटा संरचना को उनके (मेटाडेटा) के आधार पर बुनियादी प्रकारों और शर्तों की एकल परस्पर सूची के रूप में वर्णित करता है, साथ ही इस मेटाडेटा (डेटा) के अनुसार संग्रहीत वस्तुओं के उदाहरण भी।

बाइट के बजाय क्विंट क्यों?

बिट या इलेक्ट्रॉनिक आवेग नहीं जो चुंबकीय स्पिन को उन्मुख करते हैं।

हम बाइट्स में डेटा को मापने के आदी हैं, चाहे वह एक दस्तावेज़ या फोटो आकार, इंटरनेट ट्रैफ़िक सीमा, या आपके मोबाइल डिवाइस पर उपलब्ध स्थान हो। हम एक और उपाय प्रस्तावित करते हैं - पंचक - जिसका कोई निश्चित आकार नहीं है जैसे बाइट करता है, लेकिन एक परमाणु मात्रा में डेटा का प्रतिनिधित्व करता है, जो उपयोगकर्ता के लिए कुछ मूल्य का है।

उदाहरण के लिए, आप कह सकते हैं कि आपका डेटाबेस 119 मेगाबाइट के भंडारण पर कब्जा कर लेता है या आप यह बता सकते हैं कि यह डेटाबेस 1.37 मेगा-क्विंटल संग्रहीत करता है। आपको इस संदर्भ में एक बाइट क्या है, इसकी ज्यादा परवाह नहीं है, लेकिन आप समझते हैं कि इस डेटाबेस में आपके विवरण, वस्तुओं, उनकी विशेषताओं, लिंक, घटनाओं, उनके विवरण के साथ प्रश्नों आदि के 1.37 मिलियन हैं। १.३ having मिलियन मूल्यवान डेटा रखने के लिए आप पर १ ९ ० मेगाबाइट सामान रखने की तुलना में कामुक लगता है।

इस प्रकार, यह डेटा माध्यम पर जानकारी संग्रहीत करने के तरीके को प्रतिस्थापित करने के लिए नहीं है, बल्कि अमूर्त के दूसरे स्तर पर स्थानांतरित करने के लिए है।

पंचक की संरचना

इस लेख का मुख्य विचार मशीन के प्रकारों को मानवीय शब्दों से बदलना और चर को वस्तुओं से बदलना है। उन वस्तुओं द्वारा नहीं जिन्हें एक निर्माता, विध्वंसक, इंटरफेस, और एक कचरा कलेक्टर की आवश्यकता होती है, लेकिन एक ग्राहक द्वारा संभालती जानकारी की क्रिस्टल-स्पष्ट इकाइयों द्वारा। यही है, अगर ग्राहक "क्लाइंट" कहता है, तो माध्यम पर इस बयान के सार को बचाने के लिए प्रोग्रामर की विशेषज्ञता की आवश्यकता नहीं होगी।



यह केवल वस्तु के मूल्य पर उपयोगकर्ता का ध्यान केंद्रित करने के लिए समझ में आता है, जबकि इसके प्रकार, माता-पिता, आदेश (अधीनता में बराबर) और पहचानकर्ता संदर्भ से स्पष्ट या बस छिपे हुए होने चाहिए। इसका मतलब है कि उपयोगकर्ता को पंचक के बारे में कुछ भी नहीं पता है, वह बस एक कार्य देता है, यह सुनिश्चित करता है कि यह सही तरीके से स्वीकार किया गया है, और फिर इसका निष्पादन शुरू करता है।

मूल अवधारणाएँ

डेटा प्रकारों का एक सेट है जो हर कोई समझता है: स्ट्रिंग, संख्या, फ़ाइल, पाठ, दिनांक, और इसी तरह। इस तरह का एक सरल सेट समाधान को स्केच करने के लिए काफी है, और इसके कार्यान्वयन के लिए आवश्यक शर्तों के साथ इसे "प्रोग्राम" करना है। पंचक द्वारा दर्शाए गए मूल प्रकार इस तरह दिख सकते हैं:



इस मामले में, पंचक के कुछ घटकों का उपयोग नहीं किया जाता है, जबकि पंचक का उपयोग मूल प्रकार के रूप में किया जाता है। यह मेटाडेटा एकत्रित करते समय सिस्टम को नेविगेट करना आसान बनाता है।

पृष्ठभूमि

उपयोगकर्ता और प्रोग्रामर के बीच विश्लेषणात्मक अंतर के कारण, एक परियोजना की रूपरेखा के चरणों में अवधारणाओं का एक महत्वपूर्ण विरूपण होता है। उपयोगकर्ता के दृष्टिकोण से मूल्यांकन किया जा रहा है, तो समझ, अक्षमता और अवांछित पहल अक्सर ग्राहक के एक सरल और उचित विचार को तार्किक रूप से गड़बड़ कर देती है।



नुकसान और विरूपण के बिना ज्ञान हस्तांतरण होना चाहिए। इसके अलावा, इस ज्ञान के भंडारण को व्यवस्थित करते हुए, आपको चुने गए डेटा प्रबंधन प्रणाली द्वारा लगाए गए प्रतिबंधों से बेहतर तरीके से छुटकारा पाना चाहिए।

अब हम डेटा को कैसे स्टोर करते हैं

आमतौर पर, सर्वर पर कई डेटाबेस होते हैं; उनमें से प्रत्येक में विवरण के एक विशिष्ट सेट के साथ डेटा योजना का विवरण होता है - तार्किक रूप से परस्पर डेटा। वे डेटा माध्यम पर एक विशिष्ट क्रम में संग्रहीत किए जाते हैं, आदर्श रूप से - पुनर्प्राप्ति प्रयासों को कम करने के लिए इष्टतम।
प्रस्तावित सूचना भंडारण प्रणाली विभिन्न प्रसिद्ध तरीकों के बीच एक समझौता है: स्तंभ-उन्मुख, संबंधपरक और NoSQL। यह आमतौर पर इनमें से एक दृष्टिकोण द्वारा किए गए कार्यों को हल करने के लिए डिज़ाइन किया गया है।

उदाहरण के लिए, स्तंभ-उन्मुख डीबीएमएस का सिद्धांत सुंदर दिखता है: हम केवल वांछित कॉलम पढ़ते हैं, लेकिन समग्र रूप से रिकॉर्ड की सभी पंक्तियों को नहीं। हालांकि, व्यवहार में, यह संभावना नहीं है कि डेटा को मीडिया पर रखा जाएगा ताकि दर्जनों विभिन्न विश्लेषणात्मक आयामों को पुनर्प्राप्त करना सुविधाजनक हो। ध्यान दें कि गुण और विश्लेषणात्मक मीट्रिक को जोड़ा जा सकता है और हटाया जा सकता है, कभी-कभी हम अपने स्तंभ भंडारण को फिर से बना सकते हैं। यह उल्लेख नहीं करने के लिए कि डेटाबेस में डेटा में संशोधन किया जा सकता है, जो अपरिहार्य विखंडन के कारण भंडारण स्कीमा की सुंदरता का भी उल्लंघन करेगा।

मेटाडाटा

हमने एक अवधारणा पेश की - एक शब्द - किसी भी ऑब्जेक्ट का वर्णन करने के लिए जो हम साथ संचालित करते हैं: इकाई, संपत्ति, अनुरोध, फ़ाइल, आदि। हम उन सभी शर्तों को परिभाषित करेंगे जो हम अपने व्यावसायिक क्षेत्र में उपयोग करते हैं। और उनकी मदद से, हम उन सभी संस्थाओं का वर्णन करेंगे जिनके पास विवरण हैं, जिसमें संस्थाओं के बीच संबंधों का रूप भी शामिल है। उदाहरण के लिए, एक विशेषता - एक स्थिति शब्दकोश प्रविष्टि का एक लिंक। शब्द को डेटा के एक पंचक के रूप में लिखा गया है।

एक नियमित डेटाबेस में तालिकाओं और क्षेत्रों की संरचना द्वारा दर्शाए गए समान शब्द मेटाडेटा का एक सेट है। उदाहरण के लिए, निम्नलिखित डेटा संरचना है: कुछ तारीख पर एक सेवा अनुरोध जिसमें सामग्री (अनुरोध विवरण) और एक स्थिति है, जिसमें एक उत्पादन प्रक्रिया के प्रतिभागी टिप्पणियां जोड़ते हैं जो तिथि का संकेत देती है। एक पारंपरिक डेटाबेस निर्माता में यह कुछ इस तरह दिखाई देगा:



चूंकि हमने उपयोगकर्ता से सभी गैर-आवश्यक विवरणों को छिपाने का फैसला किया था, जैसे कि बाध्यकारी आईडी, उदाहरण के लिए, योजना कुछ हद तक सरल होगी: आईडी के उल्लेख हटा दिए जाते हैं और संस्थाओं और उनके प्रमुख मूल्यों के नाम संयुक्त होते हैं।

उपयोगकर्ता कार्य को "ड्रॉ" करता है: आज की तारीख से एक अनुरोध जिसमें एक राज्य (संदर्भ मूल्य) है और जिसमें आप तारीख को इंगित करते हुए टिप्पणी जोड़ सकते हैं:



अब हम 9 के बजाय 6 अलग-अलग डेटा फ़ील्ड देखते हैं, और पूरी योजना हमें 13. के बजाय 7 शब्दों को पढ़ने और समझने की पेशकश करती है। हालांकि यह मुख्य बात नहीं है, ज़ाहिर है।

इस संरचना का वर्णन करने के लिए पंचक-प्रसंस्करण कर्नेल द्वारा उत्पन्न क्विंट्स निम्नलिखित हैं:



ग्रे में हाइलाइट किए गए पंचक मानों के स्थान पर स्पष्टीकरण स्पष्टता के लिए प्रदान किए गए हैं। इन क्षेत्रों को नहीं भरा जाता है, क्योंकि सभी आवश्यक जानकारी स्पष्ट रूप से शेष घटकों द्वारा निर्धारित की जाती हैं।


यह मनुष्यों के लिए थोड़ा जटिल लग सकता है, लेकिन अच्छी खबर यह है - एक मानव यह कभी नहीं देखेगा। कर्नेल मेटाडेटा को बोधगम्य आरेखों के रूप में और डेटा को साधारण सपाट तालिकाओं के रूप में प्रदर्शित करेगा।

उपयोगकर्ता डेटा

मुझे दिखाते हैं कि हम उपरोक्त कार्य के लिए इस तरह के डेटा को कैसे स्टोर करते हैं:



मेटाडेटा के अनुसार डेटा को क्विंट में संग्रहीत किया जाता है। हम उन्हें उसी तरह की कल्पना कर सकते हैं जिस तरह से हमने ऊपर किया था:



हम एक परिचित पदानुक्रमित संरचना देखते हैं जो नीचे दी गई सूची विधि की तरह कुछ का उपयोग करके लिखी गई है।

भौतिक भंडारण

डेटा को बाइट्स में डेटा के बाइट में अनुक्रम के रूप में मेमोरी में लिखा जाता है। अनुक्रमणिका द्वारा खोज करने के लिए कर्नेल उन डेटा बाइट्स का इलाज करता है जो बुनियादी प्रकारों द्वारा उनके लिए परिभाषित डेटा प्रकार के अनुसार होते हैं।
यह बात है: पाँच डेटा आइटम्स की एक विशाल सूची।

RDBMS में स्टोरेज सिद्धांत समान से बहुत भिन्न नहीं हैं, जो हमें डेटा को पुनः प्राप्ति, जॉइन, एग्रीगेट फ़ंक्शंस और अन्य चीज़ों से संबंधित बनाता है जो हमें रिलेशनल डेटाबेस में पसंद हैं।

पंचक भंडारण प्रणाली के आधार पर एक विकास मंच के प्रोटोटाइप का परीक्षण करने के लिए हम एक रिलेशनल डेटाबेस का उपयोग करते हैं।

प्रदर्शन

उपरोक्त उदाहरण बहुत सरल है, लेकिन क्या होगा जब संरचना हजार गुना अधिक जटिल है और डेटा के गीगाबाइट हैं?

हमें क्या चाहिए:

1. चर्चा की गई पदानुक्रमित संरचना - 1 पीसी।
2. आईडी, माता-पिता और प्रकार द्वारा खोज के लिए बी-ट्री - 3 पीसी।

इस प्रकार, हमारे डेटाबेस में सभी रिकॉर्ड अनुक्रमित किए जाएंगे, जिसमें डेटा और मेटाडेटा दोनों शामिल हैं। एक रिलेशनल डेटाबेस का लाभ प्राप्त करने के लिए ऐसा अनुक्रमण आवश्यक है - सबसे सरल और सबसे लोकप्रिय उपकरण। मूल सूचकांक वास्तव में समग्र (पेरेंट आईडी + प्रकार) है। किसी प्रकार की वस्तुओं की त्वरित खोज के लिए अनुक्रमणिका प्रकार का सूचकांक भी समग्र (प्रकार + मूल्य) है।

मेटाडेटा हमें पुनरावृत्ति से छुटकारा पाने की अनुमति देता है: उदाहरण के लिए, किसी दिए गए ऑब्जेक्ट के सभी विवरणों को खोजने के लिए, हम मूल आईडी के साथ सूचकांक का उपयोग करते हैं। यदि आपको एक निश्चित प्रकार की वस्तुओं की खोज करने की आवश्यकता है, तो हम टाइप आईडी द्वारा सूचकांक का उपयोग करते हैं। प्रकार एक तालिका नाम का एक एनालॉग और एक संबंधपरक डीबीएमएस में एक क्षेत्र है।



किसी भी मामले में, हम पूरे डेटा सेट को स्कैन नहीं करते हैं, और यहां तक ​​कि किसी भी प्रकार के मूल्यों की एक बड़ी संख्या के साथ, वांछित मूल्य कम संख्या में चरणों में पाया जा सकता है।

विकास मंच के लिए आधार

अपने आप में, ऐसा डेटाबेस अनुप्रयोग प्रोग्रामिंग के लिए आत्मनिर्भर नहीं है, और पूरा नहीं है, जैसा कि वे कहते हैं, ट्यूरिंग के अनुसार। हालांकि, हम यहां न केवल डेटाबेस के बारे में बात कर रहे हैं, बल्कि सभी पहलुओं को कवर करने की कोशिश कर रहे हैं: ऑब्जेक्ट्स, अन्य चीजों के अलावा, मनमाने ढंग से नियंत्रण एल्गोरिदम लॉन्च किए जा सकते हैं, और वे काम करेंगे।

नतीजतन, जटिल डेटाबेस संरचनाओं और नियंत्रण एल्गोरिदम के अलग-अलग संग्रहीत स्रोत कोड के बजाय, हम एक समान सूचना क्षेत्र प्राप्त करते हैं, जो भंडारण स्थान की मात्रा द्वारा सीमित है और मेटाडेटा के साथ शासित है। डेटा अपने आप में उपयोगकर्ता के लिए एक समझने योग्य रूप में प्रस्तुत किया जाता है - विषय क्षेत्र की संरचना और उसमें संबंधित प्रविष्टियां। उपयोगकर्ता मनमाने ढंग से संरचना और डेटा को बदलता है, जिसमें उनके साथ थोक संचालन करना शामिल है।

हमने कुछ भी नया आविष्कार नहीं किया है: सभी डेटा फ़ाइल सिस्टम में पहले से ही संग्रहीत हैं और उनमें खोज बी-पेड़ों का उपयोग करके की जाती है, या तो फ़ाइल सिस्टम में, या डेटाबेस में। हमने केवल आंकड़ों की प्रस्तुति को पुनर्गठित किया है ताकि इसके साथ काम करना आसान और स्पष्ट हो।

इस डेटा प्रतिनिधित्व के साथ काम करने के लिए, आपको एक बहुत ही कॉम्पैक्ट कर्नेल सॉफ़्टवेयर की आवश्यकता होगी - हमारा डेटाबेस इंजन एक कंप्यूटर BIOS से छोटे आकार का है, और, इसलिए, इसे हार्डवेयर में नहीं बनाया जा सकता है, तो कम से कम जितना तेज़ और बग- संभव के रूप में मुफ्त। सुरक्षा कारणों से, यह भी केवल पढ़ा जा सकता है।

मेरे पसंदीदा .Net में एक असेंबली में एक नया वर्ग जोड़ना, हम इस वर्ग की परिभाषा पर केवल 200-300 एमबी रैम के नुकसान का निरीक्षण कर सकते हैं। ये मेगाबाइट उचित स्तर के कैश में फिट नहीं होंगे, जिससे सिस्टम डिस्क पर सभी परिणामी उपरि के साथ स्वैप कर सकता है। ऐसी ही स्थिति जावा के साथ है। पंचक के साथ एक ही वर्ग का वर्णन दसियों या सैकड़ों बाइट्स लेगा, क्योंकि कक्षा डेटा के साथ काम करने के लिए केवल आदिम संचालन का उपयोग करती है जिसे कर्नेल पहले से जानता है।

आप सोच सकते हैं कि यह दृष्टिकोण पहले से ही विभिन्न अनुप्रयोगों में कई बार लागू किया गया है, लेकिन यह सच नहीं है।

हमने इंटरनेट और बौद्धिक संपदा (पेटेंट) दोनों आधारों में एक गहरी खोज की, और कोई भी दावा नहीं करता है कि निर्माणकर्ताओं की प्रदर्शन सीमा, एकल-टेबल समाधान और अन्य ईएवी-आधारित सिस्टमों को तोड़ने के लिए एक ही समाधान करें। फिर भी, हमने इस तरह के पंचक में सैकड़ों गीगाबाइट लगाए और पाया कि यह काफी अच्छा काम कर रहा है। यदि आप सबूत देखना चाहते हैं, तो अपने स्वयं के उदाहरण का निर्माण और परीक्षण करें, हमारे जीथूब खाते पर जाने के लिए स्वतंत्र महसूस करें।

हमारे द्वारा बनाए गए प्लेटफॉर्म के प्रोटोटाइप में चार घटक हैं:

1. मेटाडेटा को परिभाषित करने के लिए दृश्य प्रकार संपादक
2. एक साधारण SQL नेविगेटर की तरह डेटा नेविगेशन टूल
3. डेटा के लिए SQL क्वेरीज़ बनाने के लिए विज़ुअल रिपोर्ट डिज़ाइनर
4. प्रश्नों द्वारा पुनर्प्राप्त डेटा के साथ टेम्पलेट को संयोजित करने के लिए एक टेम्पलेट प्रोसेसर

जैसा कि यह इरादा था, प्रोटोटाइप के साथ काम करना कोई उपयोगकर्ता यह नहीं सोचता कि अंदर क्विंटल हैं - यह एक साधारण कंस्ट्रक्टर की तरह दिखता है।

प्रोग्रामिंग प्रतिमान

वर्णित दृष्टिकोण केवल पंचक के उपयोग तक सीमित नहीं है, लेकिन प्रोग्रामर के लिए उपयोग किए जाने वाले की तुलना में एक अलग प्रतिमान को बढ़ावा देता है। एक अनिवार्य, घोषणात्मक या वस्तु भाषा के बजाय, हम क्वेरी भाषा को मनुष्यों के लिए अधिक परिचित के रूप में प्रस्तावित करते हैं और हमें प्रोग्रामर और मौजूदा विकास के वातावरण की अभेद्य परत को दरकिनार करते हुए सीधे कंप्यूटर पर कार्य सेट करने की अनुमति देते हैं।

बेशक, आम उपयोगकर्ता की भाषा से स्पष्ट आवश्यकताओं की भाषा में अनुवादक अभी भी ज्यादातर मामलों में आवश्यक होगा।

इस विषय को उदाहरण और मौजूदा घटनाक्रम के साथ अलग-अलग लेखों में अधिक विस्तार से वर्णित किया जाएगा।

इसलिए, शीघ्र ही, यह निम्नानुसार काम करता है:

1. हमने एक बार पंचक का उपयोग करके आदिम डेटा प्रकारों का वर्णन किया: स्ट्रिंग, संख्या, फ़ाइल, पाठ और अन्य, और उनके साथ काम करने के लिए कर्नेल को भी प्रशिक्षित किया। प्रशिक्षण का अर्थ है डेटा की सही प्रस्तुति और उनके साथ सरल संचालन का कार्यान्वयन।
2. अब हम उपयोगकर्ता की शर्तों (डेटा प्रकार) का वर्णन करते हैं - मेटाडेटा के रूप में। विवरण केवल प्रत्येक उपयोगकर्ता प्रकार और संबंधों को निर्धारित करने के लिए एक आदिम डेटा प्रकार निर्दिष्ट कर रहा है।
3. हम मेटाडेटा द्वारा निर्दिष्ट संरचना के अनुसार डेटा पंचक दर्ज करते हैं। डेटा के प्रत्येक पंचक में इसके प्रकार और माता-पिता के लिए एक लिंक होता है, जो आपको डेटा संग्रहण में जल्दी से ढूंढने की अनुमति देता है।
4. कर्नेल कार्य उपयोगकर्ता द्वारा परिभाषित मनमाने ढंग से जटिल एल्गोरिदम को लागू करने के लिए डेटा लाने और उनके साथ सरल संचालन करने के लिए आते हैं।
5. उपयोगकर्ता उन दोनों को प्रस्तुत करने वाले दृश्य इंटरफ़ेस का उपयोग करके डेटा और एल्गोरिदम का प्रबंधन करता है।

संपूर्ण सिस्टम की ट्यूरिंग पूर्णता बुनियादी आवश्यकताओं के अवतार द्वारा सुनिश्चित की जाती है: कर्नेल अनुक्रमिक संचालन, सशर्त रूप से शाखा कर सकता है, डेटा की प्रक्रिया कर सकता है और एक निश्चित परिणाम प्राप्त होने पर काम रोक सकता है।

किसी व्यक्ति के लिए, लाभ सादगी की धारणा है, उदाहरण के लिए, एक चर को शामिल करने की घोषणा करने के बजाय

for (i = 0; i <length (A); i ++) if A [i] meets a condition do something with A [i] 

एक अधिक समझने योग्य रूप का उपयोग किया जाता है, जैसे

 with every A, that match a condition, do something 

हम सूचना प्रणाली के निम्न-स्तरीय सूक्ष्मताओं से अमूर्त होने का सपना देखते हैं: लूप, कंस्ट्रक्टर, फ़ंक्शंस, मैनिफ़ेस्ट्स, लाइब्रेरी - ये सभी प्रोग्रामर के दिमाग में बहुत अधिक जगह लेते हैं, रचनात्मक काम और विकास के लिए बहुत कम जगह छोड़ते हैं।

अनुमापकता

स्केलिंग के साधन के बिना एक आवेदन अक्सर बेकार होता है: एक सूचना प्रणाली की भार क्षमता का विस्तार करने के लिए एक असीमित क्षमता की आवश्यकता होती है। वर्णित दृष्टिकोण में, डेटा संगठन की चरम सादगी को ध्यान में रखते हुए, मौजूदा आर्किटेक्चर की तुलना में स्केलिंग का आयोजन अधिक जटिल नहीं है।

सेवा अनुरोधों के साथ उपरोक्त उदाहरण में, आप उन्हें अलग कर सकते हैं, उदाहरण के लिए, उनकी आईडी द्वारा, विभिन्न सर्वरों के लिए निर्धारित हाई बाइट्स के साथ आईडी की पीढ़ी बना सकते हैं। यही है, आईडी स्टोर करने के लिए 32 बिट्स का उपयोग करते समय, बाईं ओर दो-तीन-चार या अधिक बिट्स, आवश्यकतानुसार, उस सर्वर को इंगित करेगा जिस पर ये एप्लिकेशन संग्रहीत हैं। इस प्रकार, प्रत्येक सर्वर के पास आईडी का अपना पूल होगा।

एक सर्वर का कर्नेल अन्य सर्वरों के स्वतंत्र रूप से कार्य कर सकता है, उनके बारे में कुछ भी जाने बिना। ऑब्जेक्ट बनाते समय, इसका उपयोग सर्वर को एक उच्च प्राथमिकता दी जाएगी, जिसमें न्यूनतम आईडी का उपयोग किया जाता है, यहां तक ​​कि लोड वितरण सुनिश्चित करने के लिए।

ऐसे डेटा संगठन में अनुरोधों और प्रतिक्रियाओं के संभावित विविधताओं के एक सीमित सेट को देखते हुए, आपको एक काफी कॉम्पैक्ट डिस्पैचर की आवश्यकता होगी जो सर्वरों पर अनुरोध वितरित करता है और उनके परिणामों को एकत्र करता है।