Ngobrolin Database
Episode ini membahas Database Scaling, khususnya perbedaan antara horizontal scaling dan vertical scaling.
EP 133 1j 43m
Dengarkan versi audio
MP3 100 MB, file yang sama dengan feed podcast.
Poin utama
Bantu Koreksi- Horizontal scaling = menambah jumlah server, Vertical scaling = menambah spesifikasi server (CPU, RAM)
- Database sering menjadi bottleneck terlepas dari kecepatan backend framework
- Perdebatan ORM vs Raw SQL: ORM support raw query, pilihan tergantung konteks dan kebutuhan
- SQL memerlukan cara berpikir berbeda (set theory, joins, grouping) yang sulit bagi frontend developer
- Role DBA (Database Administrator) semakin langka, tugasnya sering dibebankan ke DevOps/SRE
- Tools untuk monitoring slow query: MySQL slow query log, pgAdmin untuk PostgreSQL, Prometheus + Grafana
- EXPLAIN ANALYZE untuk melihat execution plan dan mengidentifikasi query yang lambat
- APM (Application Performance Monitoring) seperti New Relic mahal, alternatif open source: Prometheus + Grafana
Baca ringkasan lengkap
Episode ini membahas Database Scaling, khususnya perbedaan antara horizontal scaling dan vertical scaling. Topik ini diajukan oleh Mas Triad Moko melalui GitHub discussion sejak April tahun lalu. Narasumber tamu adalah Mas Doni yang sudah ketiga kalinya hadir di Ngobrolin WEB. Diskusi dimulai dengan cerita lucu tentang tagihan StreamYard yang membengkak hingga 13 juta per tahun setelah stream platform otomatis upgrade ke Pro ketika streaming ke 3 platform sekaligus. Kemudian masuk ke topik utama: database scaling. Host membahas bahwa tidak peduli seberapa cepat framework yang digunakan (Rust, Zig, Laravel), jika database query-nya lambat, aplikasi tetap akan lambat. Episode juga menyentuh perdebatan ORM vs Raw SQL, pentingnya memahami struktur data, tools untuk monitoring slow query, dan peran DBA di era modern.
Cari di episode ini
Bantu KoreksiSering disebut 87 23 9 6 4 4 4 4
Lompat ke
Lihat transkrip lengkap
[MUSIC] Dapatkan hanya di Domesticia [MUSIC] [TING TONG] Hello, hello, hello Selamat malam Wah lupa disembunyain nih narasumbernya Ada songsportnya Mbak Eka, kok berubah? [TING TONG] Hello, hello semuanya Mudah-mudahan teman-teman sehat-sehat ya Yang ada di Youtube sama yang ada di linkin Apa kabarnya? Seperti biasa, selesam malam Waktunya ngobrolinin Ngomong-ngomong nggak jadi ada di Twitch lagi ceritanya [TING TONG] Tagian membengkak
Gimana cerita, gimana cerita ya Mas Ridha? Mungkin bisa jadi cerita lucu Jadi kan baru dapet sponsor nih, kan Tujuan utama sponsor adalah untuk beli stream ya Yang paket core namanya, yang tengah-tengah lah Yang paling murah lah ya, iya kan Terus nggak lama setelah dapet sponsor Harganya naik Harganya naik dulu Tadinya bukan segitu Harganya naik, abis itu Begitu udah upgrade ke yang core Nggak baca kan target streamingnya bisa hanya dibatasi 2 Bikin lah linkin X nggak bisa, karena harus premium kan Akhirnya Twitch Jadi 3, langsung otomatis naik ke Pro 13 juta Setahun Abis itu langsung kaget kan dapet tagian
Kok segi ini, turunin lagi Ternyata turuninnya juga nggak dapat uang kemali Tapi dalam bentuk Ini tarifan cerita ya, tarifan Iya, tarifan nggak bisa dikasih credit Jadi ya kita bertahan 2 tahun ke depan menggunakan stream ya Itulah suka dukanya podcast Gak melulu, suka melulu ya Ada jebakan-jebakan Iya, apa namanya Uang sponsornya jadi nggak cukup Harus cari sponsor lagi kita Ngomongin sponsor ya Seperti biasa malam hari ini sudah episode ke yang ke berapa ya 134 Dan episode ke 5 atau ke 6 ya sama Domensia Jadi kita kolaborasi sama Domensia Nah yang beda adalah kita dapat ini baru Kita menerima apa namanya Feedback dari teman-teman
VPS, jadi sekarang Teman-teman kalau mau langganan atau mau nyobain VPSnya Domensia bisa Pakai promo code ngobrolin VPS DN Jadi bisa nyobain virtual private server ya atau VM lah ya Buat deploy-deploy termasuk nyobain database Database bisa di VM juga Promo-nya ini 50% Sekali pakai aja untuk pembelian baru Bisa untuk Cloud VPS Turbo Untuk semua paket Tidak berlaku untuk Cloud VPS Eco Kalau Eco ini berarti kayaknya ekonomis ya Kalau Turbo itu yang paling kencang ya Nebak-nebak doang Terima kasih soalnya Kita coba Amin Mas Yudi semoga dapat sponsor lagi Halo Mas Arif juga dari LinkedIn
Ada Mas Doni Ada Mas Doni dari Youtube Ngomong-ngomong soal Sudah habis Jadi kita mendatangkan Nara Sumber Langganan ya Udah berapa kali ya Mas Doni? Udah berapa kali? Tiga kali ya Tiga kali Terima kasih banyak Udah menyempatkan waktunya Gimana sekarang? Lagi sibuk apa Mas? Lagi banyak speaker-speaker ya Habis dari Pontianak tadi ceritanya Ya tadi Habis pulang dari Pontianak sebenernya Subuh tadi Oh tadi pagi Tadi pagi Kita ada kesempatan untuk ngisi Mengenalkan AI ya Di salah satu event Adobe US Kebetulan waktu itu Diundangnya di Universitas Tanjung Pura Pontianak
Di sana Jadi membantu untuk memberikan Perspektif bagaimana Untuk bisa menggunakan AI Untuk social impact di sana Gak melibir ke IKN Sekalian Jauh Mas Siapa tahu Aku tadi mikirnya sampai Pontianak Berarti ngajarinya di IKN ini Itu kayaknya Kalau diundang di IKN itu Mix feeling ya Bisa lihat itu Bisa lihat tugular yang ipsum loh Tugular yang ipsum itu Nggak tahu gimana Tugu placeholder Masih loading Terus gimana Animo Teman-teman yang Penonton di sana Terhadap perkembangan AI Mereka menggunakannya itu sudah sejauh mana sih Legal workshop ya Di sana
Yang ditargetkan itu sebenernya Malah bukan yang punya background Teknik informatika Atau IT Tapi yang ikut itu kayak HI Kemudian ilmu komunikasi Di sana Wokshopnya tentang apa Wokshopnya itu tentang Yang pertama itu adalah Bagaimana perspektif dari penggunaan AI Dalam kehidupan saya Yang pertama, yang kedua itu Pengenalan sederhana machine learning Pake teachable machine Oh Oke, jadi bukan hanya penggunaan Chat Transfer learning maksudnya Transfer learning, oh bukan Teachable machine itu Adalah produk dari Google Yang dimana kita bisa melatih Machine learning Hanya menggunakan browser Di sana Yang tensorflow.js itu bukan kan Yang bisa dieksport Ke tensorflow.js
Oh iya iya Waktu itu sempat dengar Waktu masih main sama tensorflow.js Udah lama sih 2018 Waktu baru-baru Baru muncul Iya lagi height Oke menarik menarik menarik Ya, jadi malam ini Kita akan bahas tentang Scaling database, ini adalah topik Diminta oleh Mas Triad Moko Di github Discussion kita Iya, udah lama Mintanya dari April Tahun lalu Tahun lalu lagi April nya bukan April tahun ini April nya tahun lalu Yang minta dibahas tentang database scaling Nah, saya ingat pas Mas Donny sempat sharing Cukup banyak kan ya di ex ya Di twitter, tentang database kan Kayak best practice Wah ini kayaknya cocok nih, dicolek aja Ternyata gayung bersambut
Jadi malam hari ini kita akan bahas Apa sih bedanya Horizontal scaling sama vertical scaling Secara gampangnya dulu, gak usah dalam Kalau vertical itu Menambahkan Spesifikasi dari Misalkan 2 CPU ke 4 CPU Jadi nambah Upgrade Upgrade device Kalau horizontal itu menambahkan Device Open dengan spek yang sama Untuk bisa membagi Cluster Oh replication Replication lebih tepat Oke Oke kalau gitu, kita mulai Dari mana, kalau misalkan Apa Nah ini pertanyaan penting Yang pertama Kenapa topik database ini penting Oke Kalau ada yang kemarin minta ya di githubnya
Itu githubnya Mas Riza ya Githubnya ngobrolin web Nah kalau kita Dari pertanyaan itu, oh minta dong Bagaimana pembahasan replikasi dari Radical punggung horizontal Sebenernya kalau kita ngomong Pentingnya dimana, itu adalah Di back-end, di sisi back-end Kebanyakan kita itu akan Selalu berinteraksi dengan database Di sana Dan biasanya bottleneck aplikasi Itu bukan di bahasa Pemogramannya Hmm, selalu database pasti ya Puslim itu database disana Katakanlah sederhananya Pakai JavaScript, Node.js Atau pakai Rails, pakai PHP Gitu kan Atau pakai Rust, gitu ya Pakai Rust, pakai Zig Yang blazingly flash Blazingly fast Iya blazingly fast, gitu kan ya Terus 100x kecepatannya Tetapi in the end, kalau misalnya
Dia terkoneksi dengan database Dan database itu Pembutuhkan waktu 5 detik Untuk memproses, mau pakai Rust, mau pakai Laravel Tetap aja 5 detik ya Ya, 5 detik plus sekian Disana Sehingga pemahaman-pemahaman kita Mengendal kapasitas Dan skalabilitas dari database Itu jadi menarik Penting Itu kayak never ends Pembahasannya, dan sangat luas sekali Ya, oke Yang paling sering bikin Lambat itu apa sih biasanya Query, load Atau IO Apa semua Sebenernya Kalau kita mau Apa sih yang membuat lambat, gitu kan Yang membuat lambat itu Sebenernya adalah bagaimana Kita mengakses data ini, gitu kan Kalau kita ketahui Database itu adalah
Banyak struktur data yang Digunakan untuk kita menyimpan data Dan data itu disimpan di dalam storage Bayangin dulu jamannya kita ya Jamannya kita, tahun 2000an Itu kan SST belum Belum secepat sekarang Belum murah sekarang, dan belum semurah sekarang Murah dan cepat sekarang Disana, sehingga kerasa itu Bottle lag nya untuk menang sesetengah itu Dan RDBMS Data business ini adalah Most of the time ada RDBMS Relational Data Management System Jadi MySQL, Postgres Dan Oracle Atau apapun itu yang berbayar Itu mereka pasti akan Ada tabel-tabel Yang berrelasi satu dengan yang lainnya Ketika berrelasi Berarti kita harus menggabungkan Menjoin tabel-tabel tersebut Nah, ketika kita melakukan join Itulah kalau kita tidak Carefully mengatur Desain dari data business itu Maka proses pencarian datanya Akan menjadi lambat
Disana Jadi yang membuat lambat itu Adalah skema nya Dan cara kita mengambil Datanya Query Plus seberapa besar data Tersebut Mungkin dalam tabel bisa giga-giga An gitu ya Terapai kalau yang udah di level Besar sekali Disana, itu berpengaruh Oke Kalau ngomongin Query Berarti ada pengaruh Penggunaan ORM juga dong ya Oh, itu yang Kayaknya rame ya Rame ya Kita bahas Di Di forum Dan di kalangan Ada tim puris ya Tim puris SKLRO Ada yang tim apatis Tim ORM Tidak ada yang lebih baik
Tapi itu tergantung kondisi dan konteks Iya Kita juga semua ORM Itu support raw SKL kan ya Harusnya iya Jadi ORM itu sebenarnya Gak ini ya Bukan sesuatu yang Sangat support gitu Bahkan mereka itu bisa Dan raw query Kalau misalkan ada masalah Kalau kita pakai ORMnya langsung Kita mau lebih efisien itu sebenarnya Bisa tuh Pakai raw query Bagi penonton yang berasal dari Dunia front-end Kalau database query itu Antara Query langsung atau ORM Itu sama dengan main CSS CSS vanilla Pake tailwind Ya itu lah Perbandingan apple to apple nya Iya itu Analogi yang bisa dipahami ya Iya
Khusus penonton nanti yang Ini orang front-end apa ya Kalau tailwind kayaknya masih Agak low level ya Kurang lebih lah begitulah ya ORM itu object Relational mapper Dan Mungkin ada Beberapa istilah Juga Kalau kita mau berinteraksi Dengan database maksudnya Aplikasi atau kode kita mau berinteraksi Dengan database Maksudnya Kalau pakai ORM kan gampang Bisa koneksi Terus bisa query pakai API atau SDK nya dia Masing-masing ya Mau pakai drizzle atau pakai Action Action apa Kalau rails lupa namanya pokoknya Semua ORM ya Terus Juga sebenernya Ada library yang
Di tengah-tengah namanya itu Query builder Kalau di node.js itu namanya ada Dulu ya gak tau sekarang ya ada namanya Next.js k-n-e-x Nah itu dia hanya Hanya membuat Query aja Jadi dia Tidak Tidak merelasikan antara Object oriented ya Object oriented programming dengan Table atau Di database gitu jadi dia hanya query Builder aja Tapi pengalaman ya Misalnya kalau bagi kita yang bisa Langsung SQL query Dan Diketemukan sama orang yang Gak pernah menentu database Dan taunya hanya main di front-end Memang susah memahami Memahami SQL Query itu loh Karena harus paham matematika Dan Paham itu kan diagram Dan segala macam kan diagram
Oh join-join Join-join dan grouping Itu sebenernya Kalau Pada namanya konsep berpikirnya Sangat berbeda Untuk lakukan SQL query Kalau dari sisi Seberang ya bukan susah Menjago backend tapi sisi seberang Itu sulit loh Karena beda konsep berpikir Makanya adalah ORM untuk Mempermudah hip Tapi dulu saya waktu awal Awal karir banget Itu sempat Ditandemin dengan ada role yang namanya DBA database administrator Memang masih ada sampai sekarang Dia yang bikinin query kita tinggal Minta doang Nanti dia bikinin viewsnya kita tinggal Tinggal select Tinggal select dari view yang dia buat ya Enggak select malah udah dikasih Kayak snippet-snippetnya ini untuk select ini untuk insert Ini untuk apa gitu Udah disediain jadi enak banget
Merasa dimanjakan Gitu Karena view beda lagi View itu bisa bikin subset dari table Betul-betul jadi dia bikinin Khusus misalkan oh saya mau join Table ini sama table ini namanya table student Mungkin subjek gitu ya Dia bikinin itu view student subjek Jadi kita gak perlu join Kayaknya sekarang role nya udah gak ada ya Atau mungkin role untuk itu Tapi DBA masih DBA masih Kalau yang enterprise itu DBA itu penting Karena urusannya Itu tadi scaling Scaling Replication Backup Restore disaster recovery Semua kayaknya penting deh Tugas DBA itu Orang Di dunia modern ini mulai jarang Mencari DBA Pada akhirnya kemampuan Ini itu dibebankan ke temen-temen
Devops, SRI Dulu Devops, SRI Padahal itu kayak Ada art And science nya sendiri Aku coba untuk belajar Database internalnya tuh Even kayak How it works itu aku harus tahu Tentang tree Tree base data structure gitu Bagaimana parser dari SKL Dari kita ngeparser SKL query supaya jadi execution Disana itu kayak Bisa satu semester sendiri Itu membahas itu semua Oke Kalau gitu kita omongin Gimana caranya How to start Gimana mulai untuk Misalkan udah punya Database nya Untuk optimize nya itu mulai dari mana Mungkin ini berhubungan Ini ya introdasinya ada Salah satu pertanyaan di youtube ya
Mas tabel saya pas SKLnya ukurannya Kurang lebih 300 giga tuh Mereka nyoba tambah index Solusinya terbagi gimana Jadi ini ada step by step Ya untuk kita mengetahui Dan nanti Akan semakin kompleks Bagaimana kita bisa Optimize nya Yang pertama ketika kita mengetahui adanya Kelambatan dari aplikasi kita Itu terkadang majoritas Di Indonesia atau di perusahaan Indonesia itu belum punya Monitoring atau observability yang Cukup oke Untuk bisa mengetahui blockways Bagaimana Jadi definisi lambat itu Harus ditentukan tidak semua Proses lambat kan Misalnya kalau ada select Select data limit 5 Itu kan enggak lambat Yang bikin lambat itu adalah query Yang beri impact ke Semuanya
Berarti yang harus diketahui adalah Tahu enggak ada yang slow query Ini digunakan Yang namanya ada Observability tools Jadi kalau misalnya kamu kebetulan Kami di siruan group itu Expertisnya di Postgres ya Jadi apakah yang cerita dari Postgres Ada tabel Kalau pakai PSPL Aja itu ada tabel namanya PG stat statement PG statistic statement Gimana kita bisa tahu query yang Lambat Jadi kalau misalnya Mas data bisaya lambat Yang mana yang bikin lambat Jadi temukan dulu Querynya Yang lambat Atau kalau misalkan Ada yang punya Grafana Kalau ada yang pakai Kalau di Google ya, ada yang namanya Cloud SQL Itu ada beberapa Ada beberapa Metric yang kalian bisa access Slow query
Itu bisa disediakan Jadi ada nggak tools MySQL, ada MySQL slow query kan Bisa dibuat locknya Ada MySQL bisa diaktifkan konfigurasi nya Untuk lock Slow query Nanti query yang lebih dari 700 milliseconds Atau 1 second itu akan di lock Betul, disana Dan setiap engineer itu punya channel Bisa sendiri untuk mengetahui Bagaimana slow query itu Di sana Jalan Postgres sendiri itu Kalau kami, biasanya kami pakai Prometheus ya, untuk irim Metrics Ini mungkin agak sedikit detail Ke infra, tapi intinya adalah Gunakan tools yang mampu untuk bisa Mengakses statistiknya Even phm admin aku nggak tahu ya Phm admin itu ada nggak tools Untuk mengetahui itu Karena gpg admin Itu juga ada beberapa tools untuk View, jadi tabel itu bisa Diview di dalam GUI nya
Sehingga GUI nya tahu bahwa ini Ada beberapa slow query Yang muncul disana Jadi itu dulu mas Jejen Yang pertama gitu kan Kita lanjutin yang kedua gitu kan Nah ketika ada Sudah tau nih, ada Top 5 gitu kan, top 5 atau top 10 Kita bisa Investigate, mulai dengan Ada Ada salah satu SQL namanya Bila Explain Analyze Ini yang mungkin Jarang ya Diajarin di kampus juga Disana Dan Orang itu nggak ngah kalau ini tuh Ada fiturnya, jadi Explain Analyze Query Yang dimana, kalau mungkin Mas Riza bisa bantu Untuk mencari ya Disana Itu ada, bagaimana kita Tahu bahwa query tersebut Yang
Ada atau image ya Untuk bisa melihat Repersentasi maksudnya apa Gak ada, kita cari yang Lain MySQL Reading Postgre Query Plan MySQL juga Punya tuh Itu kan yang di Postgre ya Jadi ada, mungkin yang ini aja Stop disini aja Mas Riza, yang ada hasil Plan Misalkan disitu kan Ada Explain Analyze Ada selectnya gitu kan ya From dari Dari tabel mana Ada filternya tuh disitu Nah Itu akan memberitahu bagaimana Kiranya, planningnya Eksekusi itu akan berjalan Disana, jadi disitu ada Beberapa Beberapa detail Bahwa Di dalam query itu akan melakukan sesuatu Di databasenya
Dan Untuk memahami ini Itu kita harus belajar Bagaimana penyimpanan data Di dalam database, kalau kita Bisa lihat disitu yang Yang paling gampang aja, yang paling sering terjadi Kita nggak usah lihat Joint condition, total-total Harusnya ada total ini ya Ada planning, execution time itu Lapan, itu lapan Lapan millisecond Lapan ribu Lapan millisecond Ini koma ya Iya itu lapan millisecond Aku lupa bahasanya gimana Di disana, tapi Tapi intinya ini nanti akan Disitu ada salah satu kunci Namanya sequential scan Sequential scan disitu Berarti dia itu akan mencari Di seluruh data yang ada Di dalam data table tersebut Jadi worst case scenario-nya Berarti end ya End of data, disana untuk
Menemukan disitu Dan itu yang kita Bisa lakukan adalah mengimprove bagaimana Logika Data itu disimpan dan ditemukan Kembali Jadi basicnya disini Pemahaman, pembacaan Explanation, planningnya Disana Jadi intinya sebenarnya Yang pertama adalah Di-measure ya Diukur, lambat itu seberapa lambat Cepat itu seberapa cepat Karena itu kan relatif ya Jadi bisa diukur pakai Apa namanya? PG-Stat Terus Habis itu bisa pakai Slow query juga kalau di MySQL Atau lewat APM Juga bisa kan kelihatan kan ya Bisa, bisa APM Tapi biasanya mayoritas Ini ya
Maksudnya apa kan pekerjaannya Banyak menghandle Legacy code dari Legacy line Itu jarang punya APM yang bagus Biasanya Jadi Kalau nggak punya Apalagi kalau yang melihat ini Malah di luar gitu kan APM itu kan tidak apa-apa Disana Kita bisa langsung akses database-nya Kalau mau pakai De-beaver gitu ya Bisa juga Sayang-sayang Sayang-sayang aku udah lama nggak hands-on ya Jadi aku nggak bisa Nge-bisa demo-in Di sini, tapi intinya Kalian tuh bisa hanya menggunakan CLI doang untuk mengetahui Query mana yang lambat Disana Boleh mungkin di-spill Sedikit ya, APM yang bagus itu Standarnya Mas Donny apa sih? APM yang bagus adalah
Tergantung budget APM itu mahal ya New Relic Iya, New Relic Tapi mahal Kalau punya budget New Relic Data drop ya Data drop juga mahal Tapi kalau mau tahu Zero One Group pakai apa Prometheus ganti dashboardnya Di Grafana Tapi kami lagi main ekspor namanya Prometheus Back-endnya Elastic Stress Kenapa? Prometheus back-endnya Prometheus itu Stack yang berbeda Kalau Elastic Stress itu LK Elastic Log Test Kibana Elastic sama Kibana Betul-betul Kalau yang Grafana itu biasanya LGTM Loki Grafana Tempo Mimian Open Source Solution
Kalau misalnya ya Enterprise, on-premise Gak perlulah Kamu bisa akses sendiri lah database Query gitu Langsung SSA Langsung masuk ke ini ya Atau database-nya di-dump dulu Coba-coba di lokal gitu ya Jadi kalau mau start gitu Kalau mau pakai APM Kami pakai LGTM Dan kami lagi eksporasi Cygnos namanya Cygnos, oke Sentry mahal by the way Apa mahal? Sentry Sentry mahal ya Mahal untuk di-running self-host Jadi dia butuh 4 CPU 4 CPU 6 dan 3 Oh yang self-hostednya ya Ya, tapi untuk buat start up itu ya murah-murah aja Tapi dia juga startnya udah yang 4 CPU juga gak murah kan ya
Kalau dihitung per bulannya lumayan ya Oh iya, lumayan Jadi makanya APM apa yang paling terbaik tergantung budget Semakin mahal semakin baik Ya maksudnya kan tadi Menyebutin APM-nya kurang gitu kan Ternyata memang, berarti budgetnya memang kurang Nah ini Nur Holid ini mantep nih Sering pakai explain analyze semenjak ada isu query Ternyata karena order by Kalau short order dari join gak pake indexing Ya dia sekuensial Jadi mungkin kasih gembaran umum ya Sena yang tadi kan bahwa Ketika kalian anak back-end itu Akan sangat bermanfaat Menginvestasikan waktunya bagi mana tetap sepekerja Di sana Nah proses indexing itu adalah Sebenernya adalah membagi pencarian Dengan melalui struktur data tree Gitu
Jadi kita tidak perlu menge-scan semuanya Data yang ada Ada yang paling populer itu adalah B-tree namanya B-tree index Di situ yang secara umum sering digunakan Jadi kalau Kalau tidak di indexing gitu kan ya Dia akan langsung nge-scan semua Yang tadi aku bilang di awal Nge-scan semua row untuk mencari data Di sana Dan itu bisa kayak 10-100x ini Waktunya Even seribu Untuk bisa nyari data Di situ Iya Perlu ya apa Harus belajar big o notation Big o notation ya Analytics good Sering juga Karena Keburu terekspos dengan Banyak best practice
Kalau database lambat Tambahin aja indexnya Index itu kan kalau analoginya Kayak apa ya? Kayak buku gitu ya Buku ini lah Yellow Pages ada yang ngalamin ga sih? Contact deh Sebenernya kayak Sebenernya kayak liat Kalau kita ngomong Kamu kayaknya terlalu Marketnya generasi Yang lebih muda kayaknya ga pernah Pilih-pilih baju Daftar isi Daftar isi tebel o konten Nah itu Ini Langsung gue tunjukin nih Ini butuh Buku manual mobil saya Terus kan isinya Banyak banget ya kan Gak mungkin saya baca satu-satu Yang mau saya cek dimana Tentu Kalau index di database itu Ya langsung saya langsung ke daftar isi
Disini, oh masalah Oli Halaman sekian Bukan, daftar isi di depan Biasanya index di belakang, bener ga sih? Kalau buku ya Kalau buku definition indexnya beda Ya definition indexnya beda Kalau kayak ini aja lah Oh ya daftar isi, daftar isi di depan Kalau Di belakang itu index Index untuk kata-kata kan Ya Kalau yang di database itu index ini Index begini, bukan daftar isi Betul, jadi kayak apa ya Contact book lah, contact book Kalau misalkan saya mau cari Atau Mas Donny mau cari Riza kan Saya harus scroll dari A sampai R Dulu kan Jadi pencet aja huruf R Nah baru cari Riza, deket Kalau saya kan tinggal pake "Hi Google Call Riza" Woi woi woi Ini analogi digital ya Mau ngeluarin yellow pages Sudah ga punya
Jadi contact book aja Gitu lah ya Dan kalau index Ini di apa ya Semuanya di index Ya jadinya sama aja Balik lagi kayak kita baca buku satu halaman Satu halaman gitu Jadi harus diperhatikan juga Jadi tidak Semua solusi adalah menambahkan index Sebenernya karena sebenernya Kalau kita lihat Kalau kita menambahkan indexnya lebih banyak Berarti ketika proses data itu dimasukkan Itu juga harus memasukkan indexnya juga Pada waktu itu Dan itu adalah rate performance Rate data base nya Bayangkan Kalau misalnya itu data Itu sering banget diisi Let's say tablet transaksi ya Yang dihajar banyak Itu jadinya bisa lebih lama banget Jadi kita harus punya ini ya Semua itu trade off ya Semua itu trade off Tidak ada solusi ini Silver bullet
Dan kebanyakan index Storage nya membengkak Overhead Karena index itu kan perlu disimpen Dalam bentuk pointer Bahasanya sih pointer Menuju datanya di raw mana Jadi kita simpen Indexnya itu disimpen lagi Di table pointer Dan pointer itu memakan space Kalau data base nya membengkak Storage kita membengkak juga Jadi ada Trade off juga Yang bakal kita bahas Kalau sudah mandek disini Kita next step nya Lanjut Jadi next step nya Setelah katakan lagi Udah nih kita Udah oke nih mas Query nya udah Udah kita improve Udah kita kasih index Disana Yang dilihat dari level coding nya lagi Teman-teman disini pakai connection pooling apa enggak Disana
Connection pooling itu Ketika kita melakukan connection Kedalam setelah database itu kan butuh Membuka connection Ada shake hand Ketika sudah dipakai Connection itu diputus Bayangin kalau kalian pakai connection pooling itu akan jadi terus-terusan Contoh analogi nya Karena kita selalu membahas analogi Analog analogi nya itu kayak Kamu parkir sendiri Mobil kamu Masuk ke parkiran Cari yang kosong gitu kan ya Terus keluar dan super market Nah connection pooling ini namanya pool ya Jadi mengumpulkan connection itu kayak Avali sebenarnya Jadi kita enggak Ini kita menggunakan Satu Meja yang sama gitu kan ya Untuk menaruh parkiran kita sederhananya gitu Jadi connection Yang kita gunakan untuk membuka Database Itu akan direuse untuk Request yang lain Jadi kita buka
Connection Itu juga ada art Sama science nya sendiri Karena Gak bisa dibuka terus Connection itu bergantung pada RAM Bergantung pada RAM Satu connection itu Mungkin 25 MB Dan berapa aplikasi Yang kalian buka gitu kan ya Kalau misalnya aplikasinya Ini ya, pakai kube Horizontal scale, berarti Kamu harus maintain, kamu harus hitung Berapa connection pooling yang Bagus Kalau misalnya pakai container kan Container kan bisa 10 kan Buka connection ke database Yang sama database nya kan Gak mungkin, gak banyak juga kan Jadi kalau misalnya Container nge scale, jadi dari 10 Ke 100, kalau dia pooling Mulu, ya misalnya Masimal tadinya cuma bisa 10 pooling Ya yang lain bottleneck, nunggu Tunggu yang satu dimatikan dulu
Dia baru bisa buka lagi Jadi bottleneck di Connection Jadi bukan database nya yang lambat, tetapi Jalurnya Yang penuh Jalurnya yang penuh, jadi tidak hanya database nya Harus dipikirkan bagaimana kita perinteraksi Dengan database nya Salusinya adalah Ada hitung-hitungan sederhananya Sebenarnya Kamu mau pasang Container berapa Kamu mau pasang Kalau kita ngomong ini ya Kalau kita ngomong Efficient untuk kita Bisa menggunakan RAM nya itu Kita ada hitungan kasarlah Karena Ini pengalamanku Mengerjakan software project di Indonesia ya Itu tidak Sampai ke scale nya unicorn Yang banyak banget Itu Kayak Kebanyakan database yang For CPU 8GB
Setiap ada Satu container Satu container itu bisa buka berapa Connection itu sebenarnya kita bisa hitung Di situ, jadi bukan Kalau misalkan ada database tau-tau Aku pake kube supaya bisa handle banyak request Belum tentu Engga juga Engga auto scaling tapi koneksinya Di database nya Engga cukup gitu kan ya Anri pada akhirnya Kayak jalan raya Ya mobilnya banyak Tapi jalannya sedikit atau kecil Jadi ngantri tetap ngantri ya Terus terakhir dari Sepenceng apalah juga ya Terus terakhir Dari level code ya Kalau tadi kita udah bahas sedikit ORM Kita tau misalnya Ada LF1 Terus active record Yang jahat Prisma ya Prisma drizzle Type ORM
Terus sedikit terakhir ya Perkara ORM ya Dulu itu pernah maintain salah satu Salah satu agensi Yang trading edge ya Di enterprise Prisma versi 1 Prisma engine nya masih pake skala Skala? Dulu itu Prisma Engine nya pake skala Versi 1 ya Dan itu Ada GitHub issue dibuka Salah satu caranya adalah migrasi ke versi 2 Dan selalu out of memory Karena Java Karena JVM Jadi temen-temen yang Aku gak bilang kalian harus jago Ini ya SQL Karena juga tadi bener kata mas Ivan Frontend itu mungkin Tidak punya banyak waktu untuk bisa Mengerti semua yang terlihat kan ORM itu bisa mematuh Jadi sebenarnya ya gak ada salahnya Juga pake ORM
Kecuali kamu di mata purist gitu kan ya Buat apa pake ORM Berlaku kebudakannya Ngapain gak mau nulis Gampang Gak produktif ya Gak produktif Yang penting ini aja sih Awareness kita tahu Kita pake ORM Jadi kalau terjadi kelambatan Kita coba cek disitu dulu Karena kita dari aplikasi Masih ada satu layer lagi Sebelum ke SQL Padahal SQL itu kan sudah layer untuk Komunikasi ke database kan Jadi ada satu layer Di atas SQL Query Vanilla Tapi ada sudut pandang yang berbeda nih Kalau Frontend, anak Frontend kan Sekarang udah terbiasa dengan Deklaratif kan Ngulis kodnya kan Deklaratif pake React lah
Atau SwiftUI Sql itu kan deklaratif Jadi belajar juga harusnya lebih muda Ya mungkin belajar syntax baru Cuman kan Apalagi sekarang bisa dibantu AI Jadi mungkin cara Belajarnya sekarang jauh lebih Learning curve nya Lebih rendala dibandingkan dulu Sulit sih mas Maksudnya Saya bisa Belajar Tau SQL Query itu karena kuliah Dan saat kuliah itu Mata kuliah database itu Sampai kayaknya 2 semester deh 2 semester Basis data 1 sama Basis data 2 Dan waktu itu Base nya Oracle Dan memang dari awal tuh Dari select, grouping, segala macem Dan nanti sudah yang basis data 2 Itu lebih advanced lagi Kayak Stored procedure
Fuse Itu sebenernya Banyak yang bisa Bisa didistribusikan Jadi gak perlu semuanya Di level aplikasi Stored procedure itu bisa Di level database kita bisa membuat Function nya kita sendiri Di database Jadi kita cuma tinggal panggil function itu doang sebenernya Itu bisa cuman Itu gak stored procedure saya yakin Di dunia Kalau kita Merujuk kepada dunia Frontend yang pengguna Next.js dan segala macem Pasti stored procedure itu bukan Sesuatu yang sering didengar Kalau yang sampai Yang susah juga Maintainan di dalam stored procedure nya susah Gak bisa masuk ke git lah Gitu kan susah kan Betul Dia nyantol Di database nya jadinya Jadi semuanya sekarang Semuanya di level aplikasi
Dan database nya sekedar SQL query nya saja Untuk ambil dan transaksi data saja Tapi sebenernya Database is more than that Banyak lho Contoh Mungkin Kalau Melakukan Select distance misalnya Radius Kalau misalnya kita punya Mapping Lokasi warehouse Mana ya kita Mau Query jarak terdekat Dari Latitude Longitude ini Contohnya Kalau pakai Aplikasi Itu susah Misalnya kita harus query semua Warehouse Lalu pakai aplikasi untuk mencari Jarak terdekat dari latitude longitude Yang kita punya dari titik tengahnya kita
Anggap aja kita punya ini ya Punya Franchise Dan punya banyak store Terus mau ditampilkan di Google Map Contohnya Terus kita mau cari Yang mana jarak terdekat dari Jakarta Barat misalnya Itu kan dia bisa Ngecari radius Kalau pakai aplikasi susah itu Tapi kalau pakai Postgres Itu tinggal select distance Postgres ya Postgres Dan bisa langsung sort by distance Gini ya Satu query Itu maksudnya Banyak hal-hal yang bisa Database itu bisa lakukan lho Yang lebih-lebih dalam Nah ini Menjawab tadi ya Rumus connection pool ya Sebenernya banyak rumus Spindles ini apa?
Spindles itu Kalau misalkan Sebentar aku lagi Buka Google resource ya Di sana Jadi bisa Ada yang ngomong Ada yang ngitung itu dari CPU Ada yang ngitung dari Tadi kan aku bilang kayak satu buka connection itu Sekitar 25 megabit RAM di sana Referensi ku itu Mungkin lebih ke Cari coba cari referensi dari database engine Yang kalian pakai Yang aku ngomong RAM itu tadi Postgres Beberapa orang ngomong bahwa Ambil aja 25 Ambil aja 1 connection pool adalah Di Prisma itu kayak Ngomong connection pool itu Dia ambilnya Ada CPUnya juga Di sana, hitungannya ada CPU juga Jadi menurutku kalau menjawab pertanyaan ini Coba cari database enginenya
Kemudian coba cari beberapa Referensinya Aku nggak terlalu Ada hal yang sakit, karena aku kalau liat di Google Banyak banget referensi Connection poolnya Atau start default dulu deh Default itu jadi good starting point Nanti lihat pakai APM Baru nanti kita bisa lihat apakah connection poolnya itu Biasanya di APM itu Ada limit Connection biasanya Kita terlalu banyak pakai connectionnya apa nggak Masing-masing database berbeda ya Cara penanganannya ya Kita lanjut aja kali ya Kita ada beberapa tahap Di situ Nah setelah kita udah lihat nih dari keseluruhan Ternyata tidak masih bisa Mahendal, baru kita mulai untuk Bermain infrastructure di sana Yang paling populer Di selain scaling gitu ya Apakah database ini Punya kompetensi yang berat
Alternatifnya adalah menambahkan layer Di atas database itu Adalah credits ya Caching, kemudian ada Gvalue store Yang bisa disimpan di ram biar lebih cepat Ada search engine Elastic search Melee search gitu kan ya untuk mencari data Ada messaging queue Jadi yang biasanya untuk Kayak Kafka Biasanya kalau data Rate-nya, call rate-nya tinggi Daripada kita harus dihajar Di satu endpoint gitu kan Kita kasih queue di sana supaya Lebih terproses dengan Berurutan Jadi writing-nya ngantri Ada queue-nya gitu ya Pake Kafka Atau Revit MQ Itu terserah lagi ya Terserah dengan familiaritas dengan Apa teknologi yang digunakan Mungkin quick lagi ya Setelah itu Ada technical scaling ya, itu udah deh
Paling gampang udah Lakukan semua masih berat Naikin CPU sama RAM-nya Kenapa? Karena itu Kita masih bisa maintain dengan Ini tergantung seberapa besar tim infra-nya Atau tim monitoring-nya Paling gampang adalah naikin Kalau pakai clock enak ya Tapi kalau on-premise Kalau saya Kalau pakai on-premise Hybrid Kalau saya Cek dulu, ini hard disknya Pakai apa? Masih pakai piringan atau Itu cek dulu tuh Karena Kalau mau gimana pun Dinaikin, kalau masih piringan Tetep aja lambat Dan ini ada Beberapa pembahasan ya Salah satunya DHH itu adalah Yang bikin Rails ya Oh Anumayar Hansen Ya itu
DHH Dengan Kecepatan storage CPU itu Bahkan sekarang banyak perusahaan Besar itu masih bisa handle single note Tetap di sana Jadi vertical itu Jadi solusi disitu Ketika vertical sudah gak bisa gitu kan ya Terlepas dari budget dan kawan-kawan Muncul horizontal scale Yang paling gampang horizontal itu Bahkan read replica Jadi Ketika ada satu database Kamu bisa tambahkan database kedua Untuk hanya Mencari budget database Disitu Jadi ada write Write db Ada read db, kalau jaman dulu Yang bahasanya tidak Inclusive itu Ada master slave Jaman gue Jaman yang gak sudah inclusive Jadinya harus write sama Read
Bisa primary replica atau worker manager Itu tergantung Ya Tapi horizontal Scale juga ada masalahnya juga gitu kan ya Horizontal scale itu Replikasi menambahkan Sesuatu Latensi Kemudian kalau misalnya kita membaca Tapi belum di replikasi Out of sync Delay Itu sudah busing Out of sync itu Itu adalah salah satu teori Yang kita sebut dengan cap theorem ya Cap theorem itu adalah Konsistensi, availability Ataupun partition Kita gak bisa dapatin ini semuanya Di sana, jadi kalau kamu mengejar Konsistensi, berarti ada masalah Availability, out of syncnya lebih Lebih ini, lebih Kerasa Tapi kalau katakanlah Ini apa contohnya Financial application Kan gak boleh itu misalnya
Ngirim apa Ngirim uang Tapi waktu Orang baca lagi gitu kan ya Di request kedua kalinya, aku masih pakai saldo yang lama Bahaya ya Harus konsisten di semua replica yang ada Tapi itu berimpak Sehingga sampai availability Orang itu gak banyak bisa handle request Secara concurrent Availability yang diutamakan Konsistensi gak perlu Itu contohnya social media Kan gak perlu amat kamu harus melihat Exkut yang terbaru Terbaru Yang berubah Konsisten ke semuanya Gak harus Dan banyak tools ya Banyak tools yang Di gunakan Kalau di Postgres itu ada nama Patroni Patroni untuk bikin Streaming Blaster, Postgres Kalau di MySQL itu Vitesse
Ataupun Proxy SQL Di sana Vitesse bukan Vitesse JS ya Bukan, bukan Vitesse Bukan Vitesse pakai buat view itu ya Bukan, bukan Intinya adalah dia itu Ada Proxy nya Yang Patroni itu intinya adalah Ada Proxy di depan database itu Yang dia nanti ngatur Oh ini adalah query read Dia yang mengatur Menatur jalannya Query, jadi di depan itu ada Load balancer namanya Haproxy Haproxy Terus data Data key value store yang disimpan Dalam cluster itu pakai etcd Di sana Oke Kayaknya kalau ngomongin Load balancer Satu topik sendiri lagi kayak Load balancer Itu, itu Round-robin Ada banyak poin ya, algoritma List connection, layer
Berapa Load balancernya Panjang ceritanya ya Jadi kalau Database vertical horizontal itu kan Harus ada Load balancernya kan Jadi yang ngatur Kan dari aplikasi koneksinya Cuma tau satu, tapi dari Proxy Yang ngatur mau ke database yang mana Yang mungkin cara jadulnya itu adalah Kalau misalnya tidak ada Load balancernya Di depan itu kayak Di dalam code nya ada dua koneksi Oh ini, ini yang buat Ada array, ada array Ngecek ini write apa write Jadi manual, itu pun bisa dilatukkan Di sana ya Jadi ya cuman bikin replika aja Kamu nggak ada Load balancernya di depan Itu masih bisa aja, tapi ya Ribet di aplikasinya Untuk handle itu ya Di sana Mungkin dua lagi tentang scaling ini Yang selanjutnya itu adalah partisi Jadi tabel yang gede banget misalkan Itu bisa dipartisi
Jadi beberapa, kita memacah Kayaknya ada data structure lagi Ada 1TB itu kan tabel itu dibagi 250GB supaya lookupnya Lebih gampang Di sana, dan yang terakhir Itu adalah sharding yang di mana Kita bagi tabel Semua tabel Di berbagai macam Notes Di server yang berbeda Itu lebih kompleks Tapi ada open source yang dibuat oleh Microsoft Untuk membantu mempermudah Sharding di Postgres namanya Cetus Gimana? Aku nggak tahu saya ngomongnya gimana nih Cetus, mi apa? Nggak ada yang relate lho Kita yang ketawa doang Last thing Perkara scalingnya Kalau kamu mau nggak berepot, ada yang namanya serverless
Data base sekarang lagi rame Ini planet scale ya? Planet scale Itu planet scale ya? Kalau di Postgres namanya neon Neon Jadi dia mau memisahkan Compute engine nya dengan storage nya Jadi itu Another things lagi Jadi itulah Sedikit ini ya, macem-macem Gimana kita bisa nge scale data base Iya, sempat penasaran juga Ini serverless data base ini Gimana kan? Sebelumnya kan kita Aplikasi yang serverless Ini data base juga serverless juga ya Yang diserverless Kan itulah secara teori Sederhananya adalah pemisahan Storage dengan compute nya Di sana Jadi Compute nya yang di scale Auto scale Compute nya yang di auto scale Di situ
Secara dalam nya aku belum dalam lagi Tapi itu yang bisa membuat pada akhirnya Bisa serverless Jadi disana Oke Ini buat MySQL yang tadi neon buat Postgres ya Siap Mantap Itu untuk Serverless Tapi Dalam sampai tahap apa sih kita Perlu mendata base scaling Karena ada juga ide Kayak apa itu Situs besarnya masih pakai Eskialight Sanggup-sanggup aja gitu Discord ya Enggak salah eskialight ya Bukan Eskialight Enggak tahu ya apa ya Aku lupa Eskialight itu yang sebenarnya Unique selling point nya Adalah dia embedded kan Jadi yang paling banyak dipakai adalah
Ya HP Android iOS ya Windows, HP, Handphone ya Itu eskialight semua kan Ya Tapi kalau untuk Product web Ini ada yang kayak aku share ke mana ya Share ke private chat Private chat Docs juga boleh Ada itu tuh Kayak berapa terah itu eskialight Yang mana yang mana Oh ini private chat ya Ada 6 terabyte Searchcode.com Wow Gede loh itu 6 terabyte Nah kalau Eskialight itu gimana Gimana scalingnya Gak bisa
Satu file kan Filebase kan Enggak usah Scaling nya dulu deh Deploy nya gimana kalau deploy Kalau pakai docker kan harus stateless kan Gak bisa ya Saya juga baru belajar kemarin harus pakai volumes Kalau kita ngomong mungkin aku secara detail Aku belum baca ini ya Bagaimana cara dia bisa ngasih scale sebesar Tapi kita coba untuk Apa sih benefitnya eskialight Daripada rdbms engine yang lain Ya boleh Jadi Jadi nilai tambah dari eskialight itu Adalah kemampuan untuk performance Query datanya itu sendiri Di sana Jauh lebih cepat dari Apapun rdbms engine yang ada Mau mysql, mau postgres Tetapi kurangnya dimana sih Kurangnya itu adalah Di dalam konkurensi User untuk akses database Asebut
Karena tidak digunakan untuk Di akses dalam waktu yang bersamaan Database nya Di sana Makanya ada yang namanya Tursow ya Tursow Ada satu eskialight Kemudian direplikasi Di edge Untuk orang yang bisa Akses banyak Dia itu memanfaatkan Performance yang eskialight Kemudian cara yang nyebarnya gimana Direplikasi ke multiple edge Untuk bisa mematasi Sekian concurrent user Jadi sebenarnya benefitnya Eskialight itu disitu Dan banyak juga project-project Jadi tidak segede-gede apapun Kayak dashboard Itu kan banyak heavy di read ya Itu kita gunakan eskialight aja untuk Performance query datanya Kalau kita tidak di akses banyak orang Contoh ada satu project CMS Yang aku share di google docs Itu kan namanya PocketBase ya PocketGIS itu adalah siap
Kayak eskialight Ya ya ya Pernah pake ini Pernah bahas ya Disitu Ini back-end nya go Terus dia kasih back office Kan kita bisa operasi bisa Insert data bisa Manipulasi bisa update bisa delete Kan ya. Terus ada Dia kasih rsapi nya ya Routes nya ya Betul disana dan itu pun Majoritas Mungkin orang itu cukup Disana untuk menggunakan eskialight Tapi jujur aku tidak pernah Melakukan komparasi Yang cukup komprehensif ya untuk bisa Berani berkata bahwa Ada sekala-sekala tertentu yang Kayak konkurensi kali ya Konkurensi Konkurensi akses Sebenernya Kalau misalnya Kita bikin aplikasi Yang dipake banyak orang kalau pake eskialight Mungkin bottleneck disaat read
File nya karena dia file base kan Betul ya ya ya Sedangkan kalau Aplikasi yang personal Contohnya ya Misalnya mozilla thunderbird itu pake Eskialight Karena kan terisolate Satu user satu data Justru kalau pake mozilla thunderbird Pakainya install my eskialight lagi Ya susah ya kan Jadi efektnya pake eskialight Pocket base kan personal Atau Paling maksimal ya 4-5 orang Dalam keluarga doang kan Pake ini gitu Ya kalau misalnya Sudah di akses sama ratusan Ribuan secara Concurrent mungkin Harus pake DBMS Ada post read and read file nya itu Read and write file nya Yang jadi masalah Untuk local first juga cocok Mas Ari sih Orang dalem orang dalem By the way
Ada satu kasus yang membuat Battle neck juga Kalau saat DBMS itu Sedang melakukan write operation Dia akan butuh Dia sedang ngerite ke table ya Ya blocking, dia akan blocking Kalau ngerite, dia akan Locking ya, bukan blocking Ada locking mekanisme kan Kalau satu process sedang Ngerite dan Ngerite plus Ngeindeks kan, jadi habis write dia Ngerite index, dan process itu Butuh waktu, nah kalau misalnya Ada concurrent yang sedang membaca Table itu di saat yang sama, dia akan Lock dulu, menunggu sampai process Write selesai, baru bisa dibaca Baru bisa diselect ceritanya Nah, ini Kita cerita bukan pakai cluster Yang ada read write Table ya, beda Satu database doang Ceritanya, ya itu akan terjadi Yang namanya locking mekanisme Dan karena ada locking Ya, kelihatannya
Query kita yang Nge-select selanjutnya itu Kelamaan, tapi sebenarnya Kan nge-lock oleh Process yang sebelumnya Nah, itu bisa jadi pengalaman Pribadi Oh ya, itu sebenarnya kalau yang dibilangin Mas Ivan adalah Konsekensi dari mislifat DBMS yang menerapkan akit Mungkin kalau teman-teman Yang kuliah ya Dan aku selalu tanya Waktu skill test nya Zero One Group Kalau ada yang apply Di Zero One Group, itu selalu aku akan tanyakan Tau nggak akit itu apa Di sana Asem Jadi, akit itu adalah kepanjang dari Atomicity, konsistensi, Integrity, dan Durability Dan setiap engineer itu Punya caranya sendiri untuk menghandle ini Di dalam Postgres itu aku share
Mas Riza di private chat Ataupun di Google Docs Ada yang HPG locks the query Mungkin kita lihat bareng-bareng Jadi, untuk menjaga Sebuah integritas dari sorto database Itu kadang-kadang kita harus nge-lock processnya Dan setiap query itu punya Skala lock nya masing-masing Di sana Di dalam ini Dia ngasih tau semua Impact dari Query kita itu apakah Table atau Room Di sana Jadi kadang-kadang Ini juga yang aku masalahin di beberapa project enterprise ya Karena kan query nya cukup jelimit Di sana Di dalam top 3 SQL itu bukan Yang bikin cool print Tapi adalah Impact dari locking Locking ini Nah itu ada Locking sendiri Jadi kita Di dalam Postgres itu ada Locking buat lock
Jadi kita harus kayak Ini mana yang nge-lock Di sana Bisa di trace ya dari situ ya Di satu Nah locking ini lagi-lagi Untuk kita kadang-kadang Ada konsep namanya Seperti kayak Mau beli web ini, tapi di Seriwan Group kan punya live streaming juga Namanya Astro Office ya Itu waktu itu Salah satu engine Seriwan Group, Mbak Amel Itu bahas tentang ada Yang namanya bagaimana Postgres itu Menghandle integritas data Jadi misalkan apa yang dibaca Orang itu apakah data yang baru Atau data yang lama Dalam suatu transeksyen Ada konsep namanya ghost read Ghost read datanya atau gimana Dan setiap data based engine Itu punya caranya sendiri Untuk handle Bawa bawa bawa Bawa Sama itu Anak BE wajib tahu ajib Itu itu itu
Bagaimana Postgres itu Integritasnya gimana Sebelah mana dia menjaga integritas Datanya supaya terjadi Data yang konsisten Di sana Jangan lupa di subscribe ya Live nya setiap Beberapa bulan Oh lagi libur Coba cari format live Oke oke Ini tadi C Tadi masih Berlanjut ngobrolin tentang Eskelat ya Ada ada apa Ada beberapa yang menarik juga Ternyata ada banyak Yang scaling juga Salah satunya apa Posting ini tahun berapa ya 2022 Dia bisa sampai 200 juta Request per bulan Atau 4 juta Request per sekai Levels I/O ya Ya levels I/O
Dia kalau gak salah pernah cerita Eee Lupa ya Buka aja opsennya levels.io Ini kan Apalagi yang Pinter namanya Ya pinter levels ya pinter levels Yang produknya banyak banget kan Kalau gak salah dia pernah cerita Kalau dia pake eskelat itu untuk multi tenancy Application Jadi satu tenant satu Satu udah habis Expensive Bukan gak tau apa namanya Yang jelas Dia pernah cerita kayak Ada orang yang Berlangganan SAS nya dia Dia bikin satu instant atau satu tenant Itu database nya satu aja Jadi selain aman Nampur sama database orang lain Yang kedua ya Udah database nya itu doang satu Ini beda piter Beda piter Beda tuh
Beda Ya pasti kan ada kayak Ini ya spesifik use case Yang kita gak tau gimana cara Set up nya ya Tapi di websitenya eskelat.org Went to use ya, jadi mungkin itu ada referensi utamanya Went to use Dari eskelat.org Yes Ini ada referensinya silahkan Kalau ada kasus seperti itu Kita ke eskelat.org Ini juga salah satu Project Yang sangat menarik Karena sebenarnya dia Open source Dalam artian Codenya bisa dilihat Tapi yang bisa commit atau yang bisa nge push Cuma 3 orang yang punya perusahaan Gak menerima pull request bahasa itu Gak menerima pull request ya Jadi read only ya Went to use Ada tuh went to use eskelat itu Jadi kalau misalnya mau tanya apa harus pakai eskelat sih
Itu Embedded device Ini udah pasti ya kan Udah umum Application file format Website Berarti ini web scale ya Kalau misalnya Most of system kita Pasal block nya Mas Riza Gak ada masalah pakai eskelat Nggak gak pakai database Coba bikin block pakai database Banyak kali ada yang mau bikin Kalau block nya sampai 100 100 artikel per hari Perlu Mas Itu bukan block itu Portal berita Internet kerjaannya Mas Ivan 100 kata per minggu aja Belum tentu bisa Apalagi 100 artikel Ini
Seru ya Yang nomor 2 nya Client server Application High volume High concurrency High concurrency ya Yang kita bahas Writer nya itu Masalah Betul-betul Karena file base Jadi ada Locking mechanism yang berbeda kan Pada saat mungkin ada yang lagi Hanya boleh 1 orang yang boleh merubah Hanya boleh 1 orang Jadi gak Kongkaren Oke pertanyaan pertama dari saya Sebelum kita menjawab pertanyaan penonton Kalau scaling Scaling yang mana dulu nih Horizontal Kalau memang dibutuhkan scaling Vertikal dulu lebih mudah ya
Ya vertikal sampai mentok Dan maksudnya vertikal itu tidak selamanya Jadi yang biasa Vertikal dulu temukan toolprint nya Down Uses nya diturun lagi Oh bisa Bisa ya Jadi kalau kita pakai ini ya Kalo kan Apalagi ya pakai manage ya Manage service Itu kita harus naikin Ada concept downtime nya Kita harus tau downtime nya berapa lama Setelah dinaikin gitu kan ya Kita tau nih toolprint nya Di mana kita work on it Turun Diturunin akhirnya Jadi kayak naik itu hanya untuk sepersekian Hari Sepersekian hari untuk Disana Supaya gak down Kapan-kapan harus Ini tuh gak bisa naik lagi Gitu adalah ketika memang
CPU nya naik ya CPU nya naik tapi tidak ada Slow query yang Berarti gitu kan ya Tapi lebih karau banyak request Untuk nge handle read secara Secara jumlah request nya CPU nya naik tapi tidak ada slow query Tidak ada itu berarti Sebelah harus di replikasi Kalau seasonal Contohnya Kayak 11/11 9/9, 10/10 Biasanya Itu disediain dulu Disediain dulu Di pre-empt ya Tau bahwa itu seasonal Ready Atau banyak teknik ya Caching nya sebelah mana Karena kan contoh yang bisa share ya Jadi akan pernah terjadi News media Quick count Itu kan seasonal Iya itu seasonal Jadi kalau misalnya Ada satu website yang perlu di read
Caching itu adalah Bumper utama Semua di caching Multi level dari GraphQL nya Di caching, dari data Per item nya di caching Itu level caching nya Itu banyak dari atas sampai bawah Tapi kan kalau quick count di caching Ngamuk tuh entar Iya, kok nge-net naik ya Tapi kan quick count Nggak real time pak Masa? Oh iya ya Per 5 menit, per 10 menit update nya ya Nggak mau level lho Kalau kita mau real time Itu beda cerita webshop ya Ternyata iya kan Sekalian aja online Berarti bukan quick count dong namanya ya Periodic count Catching count Quick itu kan Relatif Iya Kalau real time count baru Beda, harus real time
Iya Atau biasanya Bulan 2, bulan 3 itu kan Pelaporan pajak Tahunan kan Itu biasanya Lambat juga Apalagi awal tahun Ganti ini ya Ada versi baru ya Awal tahun ya Untung bisa pakai yang lama Untung tahun ini bisa pakai yang lama Aku masih pakai yang lama sih Karena berusaha login nggak bisa Yaudahlah pusing Kalau untuk Peribadi iya yang lama Tapi kalau untuk perusahaan nggak bisa Karena pakai yang ber kan Skortex iya Luar deh Ya ampun Oke Sebelum kemana-mana Ini kita jawab-jawabin ya pertanyaannya Saya siswa RPL kadang bosen Belajar database, mudah-mudahan abis dengerin ini Jangan nggak bosen ya
Banyak banget yang bisa di eksplor Dan kebanyakan Database itu mahal lho Iya, kebanyakan developer Sekarang kan fokusnya belajar aplikasi Sedangkan database nya kan itu kayak Second class gitu ya Kalau kita punya kemampuan database yang Kuat kayaknya nilai tambahnya Lebih gede kali ya Udah bisa bikin app, database nya Kencang gitu ya Saya di company saya salah satu Engineer yang Mengerti banyak Mengenai Elasticsearch Jadi secara karir saya aman Karena masih ada beberapa klien Banyak klien yang pakai Elasticsearch Jadi kalau ada apa-apa Saya tetap masih punya pekerjaan Database engineer Dajinya menarik Oh iya Yang menarik adalah Sekarang itu banyak AI startup Bisa jauh datas UMR
Banyak AI Database Faktor database Lagi banyak startup Itu kadang-kadang Tahu internalnya, Postgres Itu sangat-sangat menarik sih Tapi ya Berat sekali untuk belajar dan musuhnya Berat-berat juga Ini tadi ada yang Ngomongin tentang Elasticsearch itu kan bagian dari NoSQL berarti ya Ya itu dia Bukan Bukan SQL base ya Search engine ya Search engine jatuhnya ya Ini ada pertanyaan tentang MongoDB Kalau MongoDB gimana scalingnya NoSQL Kalau, jadi kalau Sekarang sederhana ya RDBM itu sangat RDBMS itu
Dia kan ada Asset compliant ya Dengan posisi dan rubriknya Most of NoSQL itu adalah Asset compliant tapi high scalable Karena Ini mau read write-nya itu Cepat banget, karena kan tidak ada skema Yang menggunakan satu tabel dan satu tabelnya Di sana Dia read write-nya cepat Di sana, tapi saya ingat Itu MongoDB versi terbaru Dia mencoba untuk menambahkan fitur Aku gak tahu konsepnya gimana Tapi itu Jadi mungkin ada Fitur di dalam Mongo Jadi lebih kala-kala spektrumnya NoSQL itu Heavy Highly scalable Tapi tidak Agile compliant, RDBMS Agile compliant tapi tidak Gampang di scalingnya Susah scalingnya ya Oke, ini tapi pertanyaannya Bukan tentang MongoDB sih Ada proses transaksi yang saat ini
Displit menjadi beberapa collection Collection-nya, panjang banget Ada paca ya Ini database apa ini Ada alasan khusus Kenapa skema nya displit terlalu panjang Pertanyaannya ada gak? Baca lagi, isu saya sekarang untuk Generated Report Agregat data, agregat data salah satunya Kesulitannya di NoSQL Kalau non-relational Untuk agregasi adalah musuhnya Itu musuh utamanya Tidak bisa Kenapa pakai NoSQL? Atau kalau mau gak mau Cara paling gampangnya adalah Mas bikin tron job Buat masukin itu ke relational database Atau bikin objeknya sendiri Khusus untuk view Atau bikin collection Bikin collection yang dimana itu Ngebungkan, jadi ada summary Ada ITL-nya ya
Extract Terus di load collection itu Khusus buat report itu Jauh lebih gampang bacanya Jadi bukan quitcon lagi, jadi batching Saya juga sering menemukan Beberapa hal tentang Biasanya terutama MongoDB Atau NoSQL itu Mindsetnya masih relational database Jadi design tablenya itu Masih relasi gitu Masih dipisah-pisah Jadi keunggulan si NoSQL Jadi gak kepake gitu kan ya Jadi harus join-join juga PR banget itu kalau join-join Aku juga waktu budget firestore dulu ya Itu cara Membuat simulasi kita kan ID ini Di beberapa collection itu Itu share gitu Jadi ketika kita punya satu ID ini Dia langsung ambil semuanya Dalam satu waktu bersama itu
Salah satu cara mengakali simulasi RDPMS Tapi aku udah agak lupa sih Karena udah lama banget gak main Tapi jangan segera Mengembangkan sama SQL Jadi RDPMS itu salah Ya, justru Kelebihannya justru bukan disitu Kelebihannya adalah ya tadi Kencang untuk Nulis dan baca, tapi kalau untuk Join-join mah susah, SDK-nya susah Ada pertanyaan tentang Firebase Data Connect Wah, gak ngerti nih saya, Mas Donny ngerti gak? Aku pernah bikin inkos senang ini ya Di platform lain Intinya adalah Data Connect itu sebenarnya pakai Cloud SQL Cloud SQL? Oh, oke Ada magic happen disana Berarti kamu hal-hal Tahu bahwa Ya, jadi kalau kita connect your app To fully manage scaleable database Using Cloud SQL for scale-scale Cuman, Data Connect itu
Interface-nya pakai GraphQL Itu doang sebenernya Oh Oke, oke Kebayang-kebayang Untuk saya, aku gak bakal pakai itu sih Kenapa? GraphQL, gara-gara GraphQL, bukan? Karena kami custom solver Solusinya harus jadi on-off Oh, karena ini ya, karena kebutuhan Jadi gak akan pakai, karena gak cocok Kalau itu cocok buat kamu Pakai aja nih Kira-kira cocoknya buat aplikasi seperti apa Atau perusahaan apa Yang bergerak di bidang apa Startup Karena dia ada VectorDB ya Vector PG Vector Disana, dan ada GameKit Firebase GameKit Pernah bikin blog di Google Cloud Indonesia ya, jadi gampang banget Bikin receiver sama indexer-nya Pakai GameKit Oke, oke
Oh, berarti dia lebih ke integrasinya ya Kalau kita Real-time database-nya Itu connect gak ke Fire, apa namanya? Firestore ya? Firebase yang Real-time database itu? Beda ya? Beda Beda ya, oke Itu kan non-sql juga ya Itu non-sql juga ya, berarti ya Ya Nah, Firebase ini juga salah satu Database yang mungkin anak front-end Cukup familiar ya, dengan Firebase Atau supabase sekarang Atau tadi pocketbase, dan base-base yang lain Ada budi-base banyak banget Bagaimana budi-base? Itu budi-base Kayaknya CMS no code ya? Iya, budi-base itu Yang buat budi bukan ya orang Indonesia Itu kayak Google Cool Internal Tools gitu loh, Mas Iya, buat internal tools, kayak apa ya Ritual Ritual, ya Ritual Ya Ritual
Buat dashboard internal Nah, Mas Rio Untuk lo audit trail, better No-sql atau rdbms? Audit Trail Bukan yang pakai itu ya, tadi ya Elasticsearch gitu ya Kalau logging-logging Siapa pernah, akses siapa Pernah untuk Nyimpan ini kan ya, lebih ke Apakah NTT itu dirubah Bentuk perubahannya apa, kemudian Siapa yang merubahannya Aku kebetulan banyak Kasus dimana Table audit logging itu di dalam Database yang sama Jadi Menurutku secara mayoritas Audit ini kayak akan jarang Dikunakan ya, di akses Dalam kondisi tertentu Nggak harus dipisah sih Mendingan pakai database yang sama Dan nggak perlu ada relasi, itu cuma kayak Dam doang
Oke, oke, ada tips nggak Untuk pindahan data-database Dari sql server ke Postgre Dengan Iya ya, enak sekarang ya Kalau dulu kita bikin sendiri ya Karena Sebenernya jadi masalah itu adalah Sql itu share Sql1 dengan engineer itu Mungkin di angka 70% Jadi kamu nggak bisa Dengan query yang sama Itu bakal Mati, gitu kan Satu-satunya cara adalah Ya udah, gitu pakai Demini buat Untuk bantuan AI ya Bikin ini disana Atau pakai ORM Multi-dialect ya Data-based ya Disini gunanya ORM juga ya Itu juga benefitnya
ORM sih, bisa pindah-pindah Data-based Jadi yang mengurus ini tuh bukan kamu Ya, abstraksi Ngomongin ORM Kalau project awal pakai ORM, sekarang Quailshare aja udah terasa latensinya Apakah perlu re-readdb atau Pake query-builder Ya Latensinya Di mana dulu, cari dulu Cari tahu dulu Root cause-nya Locking mechanism Atau Locking, atau memang Ada slow-query, atau ya Mp1 Anda itu Yang manggil-manggil Berulang kali Jangan-jangan aplikasinya Atau kodenya yang Four di dalam four Terus panggil query langsung kan Bisa aja, banyak ya Jadi harus cari tahu ini dulu Jangan asal
Re-write Karena takutnya masalahnya bukan di situ Kawatirnya masalahnya Bukan di situ Ini pertanyaan internal nih Mas Aris Sampai saat ini ada perdebatan pemilihan tipe data Primary ke antara UID atau serial Atau Big Indie MySQL Ini nama-nama Nanti aja di jawab internal Buat yang nggak tahu Kalau serial itu kan Autoincrement kan ya Kalau sekarang kan sudah Disarankan untuk tidak menggunakan auto increment Karena terlalu mudah di Prediksi Bisa mudah ditebak Misalkan user/1/edit Ini user ID 1 nih Bisa ketahuan Jadi lebih disarankan menggunakan UID Itu kalau dari sisi awam ya UID sudah versi berapa sekarang?
UID 7 ya? V4 V7 Ada lagi yang baru ulit Ada ulit itu sudah sendiri Oh ada, beneran dia Saya pikir Bedanya V7 sama V4 itu adalah V7 itu sudah menambahkan timestamp Unique timestamp Dalam generasinya Kalau di versi 4 kan Dia cuman random set of Ini ya, unique Tidak ada timestampnya, jadi tidak bisa dissolve Secara ID Di sana Perdebatannya panjang Atau UID Di sana Karena set of example itu Pasti akan mengambil storage Cukup lumayan Karena cukup panjang untuk mencari unique ya Unique, unique ID Di sana 64 ya?
64 karakter ya? Berapa banyak sih? 128 bit Panjang ya, panjang karakternya Apa ulit? 48 bit unique timestamp 4 bit versi random data Di sana Oke Bisa pilih salah satu ya Kalau pindah dari auto increment ke UID atau ulit gimana caranya? Bikin aja Tablebar, te kolom baru Generate aja UID nya Pindahin index nya Tapi gak jadi primary key Ya ubah aplikasinya Dulu Di alternya Gak mungkin diritikkan itu kalau direplace Mending tambah kolom baru Jangan direplace ya
Apalagi delete Delete kolom itu cari masalah hidup sih Terus dari aplikasi Dilarang Dilarang menggunakan ID Jangan lagi pakai kolom ID Pelan-pelan ya, gak langsung Semuanya ya, kecuali aplikasinya kecil Jangan dirit kolom, itu benar kata mas Tony Apalagi kalau sudah deplikasi Sekali dirit kolom gede Itu syncronasi lama Bisa out of sync Kalau udah out of sync sakit kepala Saya kalau sudah out of sync Mending saya matiin to server Generate ulang, replikasi aja Karena sudah susah Kalau udah out of sync Aku pernah delete database production Waktu magang baru 3 hari Serius Saya Saya belum pernah Delete database, tapi saya pernah
Delete query, tapi lupa where Begitu liat seribu sekian Roll affected Oh oh, kalau itu pernah Benarnya itu jadi test dari Perusahaan itu sih, apakah dia punya Mekanisme dimana kalau ada mistake Dari sesuatu, bisa direcover dengan Udah Di sana, jadi itu experience Yang tidak akan terlupakan sih Kalau misalnya, by the way itu Pernah disini, anaknya Zero One Untung ada backup Jadi beneran literalnya, delete Ada para di backupnya jadi aman Oh, kalau Mezo Katanya, tadi Pernah delete database, tapi nggak kehapus Gak beneran kehapus, soft delete atau gimana Nggak tahu deh Keringet dingin Oh, di test kali, emang sengaja kali Di test, emang harus mengalami itu Dan itu juga bagian test dari perusahaan Apakah siap kalau terjadi kesalahan-kesalahan Itu kan kesalahan umum ya
Kalau sesuatu yang Kamu kerja pernah Waktu kerja, pernah mengisi form Untuk bersedia, bekerja di bawah tekanan Itu paling di bawah tekanan itu kayak gitu Itu bekerja di bawah tekanan Itu Job description yang paling tidak Tidak bisa dijelaskan Tekanan apa dulu Oh iya, itu juga ya Makanya jangan sekali-kali Mengesekusi Sql, yang Mas Oddy itu Mengesekusi Sql Di production itu harus dilihat dua kali ya Kadang-kadang lupa, aware itu Hapus-hapus semua itu Betul-betul, saya juga pernah mengalami Ini kalau aware-nya lupa Bahkan bukan hanya delete, update Update juga bahaya kan, aware-nya lupa Oh iya, nggak pakai aware itu Makanya harus Mekanisme Production, staging
Testing itu harus Ini dulu ya, harus clear dulu Kalau di lokal kapus ya Udah Harus jangan sendirian ya Kalau mau mengupdate sesuatu Di production jangan sendirian, harus lebih dari satu Orang Ada kuncennya Pak Imre kayaknya sekarang rolnya itu ya Kuncen, udah habis dia ya Kuncen Harus udah kuncennya, nggak boleh sendiri Apalagi anak magang Wah, ini ada sesuatu yang aneh Kalau anak magang bisa akses database production langsung ya Jadi ya gitulah Kalau saya pernah Arcing, delete Tetapi lupa supply Pathreal-nya Terus, kehapus dong Ya kehapus lah Production Harusnya path-nya itu A, B, C, D, E, E
A, B, C, D Tetapi Waktu di concat itu C dan D-nya String kosong Jadinya A, B aja Jadi semua yang di belakang A, B itu Ke delete Aduh kan diwasa Tapi itu jalannya di GitHub Action Dan saat deploy Loh, kok ilang semua Hati-hati yang kalau pakai Siapa yang ngerubah kondisional ini Wah, dilihat Ya Tapi bisa recover Berhasil recover atau Tidak Pertanyaannya, saya nggak tahu file apa yang kehapus Jadi, yang penting-penting Berhasil recover Tetap ada backup-nya Backup file-nya itu kebetulan nggak ada
Jadinya ada yang hilang sih, tapi ya Ya sudahlah Ya sudahlah ya Lesson learned Pendewasaan ini ya Tapi bukan saya Saya bukan, bukan saya penyebabnya Saya yang dipanggil untuk Nge-recover Di investigasi Recover Nggak, langsung kayak Kalau bahas di rumah sakit, code blue Kayak langsung Kebakaran Emergenci, dan saya yang ditugaskan Untuk merecover itu semua Secepat mungkin 6 jam saya, sampai jam 12 malam Baru bisa recover Berapa situs ya 16 situs Banyak ya Itu pendewasan diri ya Kalau mau jadi senior engineer Harus melewati fase itu ya Harus pernah horror story Besok paginya Nulis RCA
Postmortem Sudoh RMRS Sudoh ya Ya bukan sudoh, arcing, arcing delet Itu juga masalahnya Bahaya, sama bahaya Sama RMRF Sama Menghilangkan sesuatu Dengan cara yang berbeda Kalau database Nggak sih Kalau database, rusaknya karena itu tadi Ya saya lakukan delet Tapi kebanyakan, tapi lupa Aplikasinya, replikasinya Yang lain, akhirnya terjadi Out of sync, database nya Loking, segala macam Ya Sakit kepala disitulah Membantu situs
Plug Merah Dia juga bottleneck nya Di web server, di hujung nih Banyak traffic, tapi database nya Satu, dan nggak ada caching Itu juga masalahnya Banyaklah Pertanyaan terakhir Ini tentang trigger Ini mirip juga, kayak tadi kita udah bahas Store procedure ya, trigger juga sama Susah maintenance trigger Betul Preferensi ku adalah Mendingan di aplikasi Karena tidak semua orang Aware tentang store procedure Tidak semua orang mengerti Bagaimana membaca itu Kalau aplikasi kan sudah fair sama semua ya Mengerti tahu bahwa itu ada Cron job, atau ada Triggering suatu disitu Paling mentok Yang aku pakai di post way itu Adalah auto Out of sync
Listen change Jadi ketika ada Kita kayak, web server itu ya Kalau misalnya ada suatu Table, kita bisa listen Ketika ada perubahan, dia Otomatis juga menghasilkan Data yang paling baru Disana, jadi ada itu di post way Dan digunakan sama Beberapa anak siruan Sebatas itu Kayak custom Bikin SPG SPG, PGL sendiri Itu terlalu Terlalu ini Terlalu susah untuk Dipahami Terlalu susah untuk dipahami, iya Jadi, sebar-sebar ya bisnis logicnya ya Lo masih live Mereka, lo masih live ya Banyak yang curhat soalnya Banyak yang curhat Ini baru mau udahan Udah pertanyaan terakhir Gimana, kita cukupkan? Cukup
Kita cukupkan sampai disini, berarti kesimpulannya adalah Kalau mau scaling data bis Pertama yang dilakukan vertical scaling Dulu ya, sampai mentok Sampe mentok budgetnya Ya, sampai mentok Bukan, sebelum melakukan scaling Cari tahu justifikasi Kenapa butuh scaling Oh iya, ini dulu Measure dulu Lambat itu seberapa lambat Jadi sebelum di optimize Di measure dulu, oh Waktu sekarang ini 3 detik Jangan sampai Begitu di optimize, malah jadi 6 detik, gitu ya [tertawa] Monitoring itu penting Monitoring itu penting, karena kita bisa tahu Betul Sukses apa Term of suksesnya apa Kalau optimize, harusnya kan harus lebih cepat Kalau kita nggak tahu Berapa lama database Query-nya dijalankan Ya, kita nggak bisa measure Nggak bisa ngitung ini
Jadi lebih baik atau lebih buruk, gitu Jadi harus measure dulu Habis itu kalau mau scaling ya Di check, di check ini dulu ya Di check query-nya satu-satu Indexing-nya Connection pool-nya Terus ORM-nya Kalau pakai ORM, di optimize Query-nya, kalau bisa pakai Query kalau udah Lumayan kompleks Terus habis itu baru Menuju ke infra Infra-nya tadi kita nggak bahas ya Kasing-nya dulu Betul Kalau misalkan kayak Postgre Atau MySQL itu kan banyak ya servisnya ya Ada Cloud SQL Ada Aurora RDS, macam-macam gitu ya Atau kita bisa sendiri Menyalahin VM Install Postgre Jadi gitu kan bisa juga Tapi kalau pakai yang servis kan lebih gampang ya Lebih sederhana
Ada monitoring-nya juga Terus kalau Berasa masih lambat Vertical scaling sampai mentok ya Mentok, entah itu mentok mesinnya Atau mentok duitnya, budgetnya Karena Semakin ke atas itu Semakin mahal ya, jaraknya semakin tinggi ya Harganya Dan nggak linear ya Harga Cloud itu nggak linear Nggak linear Eksponensial mereka itu Eksponensial, betul Kalau setelah vertical scaling Udah mentok, baru larinya ke Horizontal ya Jadi horizontal itu adalah mesinnya dibanyakin Kalau vertical itu mesinnya Di upgrade Abis itu bisa dipecah Mau dipecah pakai Replika, partitioning Sharding Dan lain-lain Kalau SQLite beda lagi karena dia satu file Dan servisnya
Kalau di Cloud-Cloud besar nggak ada ya Harus bikin sendiri ya, atau pakai Pocket base tadi Oke, mungkin cukup Ada lagi yang mau disampaikan Sebelum kita udah, cukup Terima kasih buat teman-teman Diskusinya seru Beberapa pertanyaan yang belum terjawab Mohon maaf belum bisa dijawab Nanti larinya ke Github aja Atau ke Eks Ke Github Discussion atau ke Eksnya, Mas Donny Eksnya apa? Baru aku liat Ternyata juga ada bagu hantam Sedikit informasi aja, di Eks Sudah ada bagu hantam tentang ORM dan Rockwell, aku baru liat Oh iya? Apa pas banget kita lagi ngomongin gitu Tiba-tiba ada bagu hantam Iya, bagu hantam ini Ya udah deh Mas Donny ini yang punya
Manjalah Gatra bukan sih? Apa? Bukan! Sebenernya Sebenernya, mana ininya Ini Terima kasih Bukan Iya, Mas Donny harus mampir lagi Harus Harus sering-sering mampir ya, jangan sampai Ya Oke Mungkin sekian dulu Terima kasih buat semuanya, terima kasih juga Buat Mas Donny yang udah menyempatkan hadir Terima kasih Mas Donny Kita ketemu di Ayo Eks ya Ayo Eks Atau di manapun kita ketemu ya Sampai ketemu Buat Ivan Dan Eka, sampai ketemu minggu depan Bye-bye
[MUSIK] Buat eksplorasi, kita akan mencoba.
Deskripsi asli dari YouTube
馃棧锔忦煏革笍 Selasa malam waktunya #NgobrolinWEB! Malam ini kita akan membedah berbagai cara scaling database. Masih bersama panelis tetap kita Ivan dan Eka. Dan turut mengundang narasumber ahli. 馃彿 Gunakan kode NGOBROLINWEBDN dan dapatkan DISKON 10% Untuk Pembelian Web Hosting DomaiNesia: Beli Web Hosting DomaiNesia disini: https://my.domainesia.com/ref.php?u=25754 馃巵 DISKON 50% Cloud VPS Turbo dengan Kode Promo: NGOBROLINVPSDN Beli Web Hosting DomaiNesia disin: https://www.domainesia.com/cloud-v Kunjungi https://ngobrol.in untuk catatan, tautan dan informasi topik lainnya.
Memuat komentar dari GitHub Discussions...
Jika komentar tidak muncul karena ekstensi privasi / adblocker, kamu bisa berdiskusi langsung di GitHub Discussions .