Skip to main content
AI EducademyAIEducademy
🌳

AI పునాదులు

🌱
AI Seeds

వాస్తవ ప్రపంచానికి AI అక్షరాస్యత

🌿
AI Sprouts

మేధో వ్యవస్థల వెనుక పునాదులు

🌳
AI Branches

నేటి AI సామర్థ్యాలతో రూపొందించండి

🏕️
AI Canopy

ఇంజనీర్ నమ్మదగిన GenAI వ్యవస్థలు

🌲
AI Forest

AI ఉత్పత్తులను బాధ్యతాయుతంగా రవాణా చేయండి

🔨

AI నైపుణ్యం

✏️
AI Sketch

AI బిల్డర్ల కోసం ఇంజనీరింగ్ పునాదులు

🪨
AI Chisel

క్లిష్టమైన సమస్యలను పరిష్కరించడానికి నమూనాలు

⚒️
AI Craft

AIని స్కేల్ చేసే డిజైన్ సిస్టమ్‌లు

💎
AI Polish

AI యుగంలో కమ్యూనికేట్ చేయండి మరియు నాయకత్వం వహించండి

🏆
AI Masterpiece

మీ ఉత్పత్తి AI క్యాప్‌స్టోన్

🚀

కెరీర్ రెడీ

🚀
ఇంటర్వ్యూ లాంచ్‌ప్యాడ్

AI ఇంజనీరింగ్ జాబ్ మార్కెట్‌ను నావిగేట్ చేయండి

🌟
ప్రవర్తనా ఇంటర్వ్యూ నైపుణ్యం

మీరు ప్రభావాన్ని ఎలా సృష్టిస్తారో కథ చెప్పండి

💻
సాంకేతిక ఇంటర్వ్యూలు

ఒత్తిడిలో పరిష్కరించండి, రూపకల్పన చేయండి మరియు కమ్యూనికేట్ చేయండి

🤖
AI & ML ఇంటర్వ్యూలు

ఆధునిక ML మరియు GenAI ఇంటర్వ్యూల కోసం సిద్ధం చేయండి

🏆
ఆఫర్ & అంతకు మించి

నమ్మకంగా, సమాచారంతో తదుపరి కదలికను చేయండి

అన్ని ప్రోగ్రామ్‌లు చూడండి→

ల్యాబ్

7 ప్రయోగాలు లోడ్ అయ్యాయి
🧠న్యూరల్ నెట్‌వర్క్ ప్లేగ్రౌండ్🤖AI లేదా మనిషి?💬ప్రాంప్ట్ ల్యాబ్🎨ఇమేజ్ జనరేటర్😊సెంటిమెంట్ ఎనలైజర్💡చాట్‌బాట్ బిల్డర్⚖️ఎథిక్స్ సిమ్యులేటర్
🎯మాక్ ఇంటర్వ్యూల్యాబ్‌లోకి వెళ్ళండి→
ప్రయాణంబ్లాగ్
🎯
మా గురించి

ప్రతి చోటా, ప్రతి ఒక్కరికీ AI విద్యను అందుబాటులోకి తీసుకురావడం

❓
తరచుగా అడిగే ప్రశ్నలు

సాధారణ ప్రశ్నలకు సమాధానాలు

🧰
AI టూల్స్

మేము వాడే, సిఫార్సు చేసే ఎంపిక చేసిన టూల్స్

✉️
సంప్రదించండి

మమ్మల్ని సంప్రదించండి

⭐
ఓపెన్ సోర్స్

GitHub లో బహిరంగంగా నిర్మించబడింది

ధరలు
నేర్చుకోవడం ప్రారంభించండి
AI EducademyAIEducademy

© 2026 AI Educademy. సర్వ హక్కులు ప్రత్యేకించబడ్డాయి.

నేర్చుకోండి

  • ప్రోగ్రాములు
  • పాఠాలు
  • ల్యాబ్
  • ఏఐ స్టార్టర్ కిట్
  • ధరలు

సంఘం

  • GitHub
  • సహకరించండి
  • ప్రవర్తనా నియమావళి
  • మా గురించి
  • తరచుగా అడిగే ప్రశ్నలు

మద్దతు

  • కాఫీ కొనండి ☕
  • సేవా నిబంధనలు
  • గోప్యతా విధానం
  • సంప్రదించండి
  • Sitemap
AI & ఇంజనీరింగ్ ప్రోగ్రామ్‌లు›⚒️ AI Craft›పాఠాలు›సిస్టమ్ డిజైన్ మూలాలు - స్కేల్ అయ్యే వ్యవస్థలు యొక్క నిర్మాణ భాగాలు
🏗️
AI Craft • అధునాతనం⏱️ 20 నిమిషాల పఠన సమయం

సిస్టమ్ డిజైన్ మూలాలు - స్కేల్ అయ్యే వ్యవస్థలు యొక్క నిర్మాణ భాగాలు

సిస్టమ్ డిజైన్ ఎందుకు ముఖ్యం

ప్రతి భారీ స్థాయి అనువర్తనం ఒకే రకమైన మౌలిక నిర్మాణ భాగాలు తో నిర్మించబడుతుంది. ఇంటర్వ్యూయర్లు మీరు కొత్త సాంకేతికత కనిపెట్టాలని ఆశించరు. ఇచ్చిన సమస్యకు సరైన భాగాలను ఎంచుకుని కలపగల సామర్థ్యం చూడాలనుకుంటారు. ఈ పాఠంలో ప్రతి డిజైన్ ఇంటర్వ్యూ కు అవసరమయ్యే సాధనాలను కవర్ చేస్తాము.

క్లయింట్-సర్వర్ ఆర్కిటెక్చర్

వెబ్ యొక్క మూల మోడల్ చాలా సరళం: క్లయింట్లు రిక్వెస్ట్‌లు పంపుతాయి, సర్వర్లు వాటిని ప్రాసెస్ చేస్తాయి, స్పందనలు తిరిగి వస్తాయి. కానీ ఆధునిక వ్యవస్థలు లో స్కేల్, నమ్మకత్వం, పనితీరు నిర్వహించడానికి ఈ రెండు చివరల మధ్య అనేక పొరలు ఉంటాయి.

ఒక సాధారణ రిక్వెస్ట్ ఈ మార్గం ద్వారా వెళ్తుంది: క్లయింట్ → CDN → లోడ్ బ్యాలెన్సర్ → API గేట్‌వే → అప్లికేషన్ సర్వర్ → క్యాష్ → డేటాబేస్. ప్రతి పొర ఒక స్పష్టమైన సమస్య పరిష్కరిస్తుంది, మరియు ఏ పొర ఎప్పుడు అవసరం అనేది అర్థం చేసుకోవడమే బలమైన అభ్యర్థులు ను సగటు వారి నుండి వేరు చేస్తుంది.

💡

ఇంటర్వ్యూలు లో వివరాలు లోకి వెళ్ళే ముందు ఎప్పుడూ అధిక-స్థాయి క్లయింట్ సర్వర్ ప్రవాహం రూపురేఖ వేయండి. ఇది నిర్మిత ఆలోచన చూపిస్తుంది.

లోడ్ బ్యాలెన్సర్లు: ట్రాఫిక్ ని విస్తరించడం

ఒక ఒకే సర్వర్ కి పరిమితమైన సామర్థ్యం ఉంటుంది. లోడ్ బ్యాలెన్సర్లు లోనికి వచ్చే రిక్వెస్ట్‌లు ను ఈ వ్యూహాలు ద్వారా అనేక సర్వర్‌లు కు విస్తరిస్తాయి:

  • రౌండ్ రాబిన్ - రిక్వెస్ట్‌లు వరుసగా సర్వర్‌లు కు వెళ్తాయి
  • అతి తక్కువ కనెక్షన్‌లు - అతి తక్కువ క్రియాశీల రిక్వెస్ట్‌లు ఉన్న సర్వర్ కు మార్గం మళ్లిస్తుంది
  • స్థిరమైన హ్యాషింగ్ - ఒక కీ ఆధారంగా రిక్వెస్ట్‌లు ను స్పష్టంగా సర్వర్‌లు కు మ్యాప్ చేస్తుంది (క్యాషింగ్ కు ఉపయోగకరమైన)

లోడ్ బ్యాలెన్సర్లు ఆరోగ్యం తనిఖీలు కూడా చేస్తాయి, అనారోగ్య సర్వర్‌లు ను స్వయంచాలకంగా సమూహం నుండి తొలగిస్తాయి. క్లౌడ్ పరిసరాలు లో AWS ALB లేదా Azure Front Door వంటి సేవలు ఇది పారదర్శకంగా నిర్వహిస్తాయి.

🧠త్వరిత తనిఖీ

ఒక సోషల్ మీడియా ఫీడ్ సేవ రైట్‌లు కంటే 10 రెట్లు ఎక్కువ రీడ్‌లు పొందుతుంది. వినియోగదారులు స్థిరంగా అదే సిద్ధ క్యాష్ ఉన్న సర్వర్ ను సంప్రదించడం అయ్యేలా ఏ లోడ్ బ్యాలెన్సింగ్ విధానం బాగా నిర్ధారిస్తుంది?

క్యాషింగ్: ప్రతి పొర లో వేగం

క్యాషింగ్ తరచుగా ప్రాప్తించే డేటా ను కన్స్యూమర్ కి దగ్గరగా నిల్వ చేస్తుంది. ఇది అనేక స్థాయులు లో ఉంటుంది:

| పొర | ఉదాహరణ | లేటెన్సీ | |-------|---------|---------| | బ్రౌజర్ క్యాష్ | స్థిర ఆస్తులు, API రెస్పాన్స్‌లు | ~0ms | | CDN | చిత్రాలు, CSS, JS ఫైళ్లు | ~10-50ms | | అప్లికేషన్ క్యాష్ | Redis, Memcached | ~1-5ms | | డేటాబేస్ క్యాష్ | క్వెరీ ఫలితం క్యాష్ | ~5-10ms |

10 యొక్క పాఠం 10% పూర్తి
←ప్రోగ్రామ్‌కు తిరిగి
కొనసాగించండి: URL సంక్షిప్తీకరణ సేవ డిజైన్ చేయండి - మీ మొదటి సిస్టమ్ డిజైన్ ఇంటర్వ్యూ→

చర్చ

సైన్ ఇన్ చేయండి చర్చలో పాల్గొనడానికి

ఈ పాఠానికి మార్పు సూచించండి

క్యాష్ చెల్లుబాటు రద్దు కంప్యూటింగ్ లో అత్యంత కష్టమైన సమస్యలు లో ఒకటిగా ప్రసిద్ధి. సాధారణ వ్యూహాలు లో TTL (జీవనకాలం), రైట్-త్రూ (ప్రతి రాయడంతో క్యాష్ నవీకరించడం), మరియు క్యాష్-అసైడ్ (అప్లికేషన్ క్యాష్ ను స్పష్టంగా నిర్వహించడం) ఉన్నాయి.

🤯

Phil Karlton యొక్క ప్రసిద్ధ వ్యాఖ్య - "కంప్యూటర్ సైన్స్ లో రెండే కష్టమైన విషయాలు ఉన్నాయి: క్యాష్ చెల్లుబాటు రద్దు మరియు పేర్లు పెట్టడం" - ఇది ఎంత విస్తృతంగా ఉదహరించబడుతుంది అవుతుందంటే, సిస్టమ్ డిజైన్ ఇంటర్వ్యూలు లో ఇది ఒక ప్రవేశ సంస్కారం అయిపోయింది.

డేటాబేస్‌లు: SQL వర్సెస్ NoSQL

సరైన డేటాబేస్ ఎంచుకోవడం అత్యంత ప్రభావవంతమైన డిజైన్ నిర్ణయాలు లో ఒకటి:

SQL డేటాబేస్‌లు (PostgreSQL, MySQL) ACID లావాదేవీలు, బలమైన స్థిరత్వం మరియు నిర్మిత స్కీమాలు అందిస్తాయి. డేటా లో స్పష్టమైన సంబంధాలు ఉన్నప్పుడు మరియు జాయిన్‌లు తో క్లిష్టమైన క్వెరీలు అవసరమైనప్పుడు ఇవి బాగా పని చేస్తాయి.

NoSQL డేటాబేస్‌లు అనేక రకాలుగా వస్తాయి:

  • పత్రం నిల్వలు (MongoDB) - వంచనీయ స్కీమాలు, వివిధ డేటా నిర్మాణాలు కు బాగా సరిపోతాయి
  • కీ-విలువ నిల్వలు (DynamoDB, Redis) - కీ ద్వారా అత్యంత వేగమైన వేగంగా లుక్‌అప్‌లు
  • విస్తృత కాలమ్ నిల్వలు (Cassandra) - భారీ రాయండి థ్రూపుట్, విస్తరిత ద్వారా డిజైన్
  • గ్రాఫ్ డేటాబేస్‌లు (Neo4j) - సోషల్ నెట్‌వర్క్‌లు వంటి సంబంధ ఆధారిత భారీ డేటా కు
🧠త్వరిత తనిఖీ

మీరు తరచుగా మారే, అర్థ నిర్మిత డేటా (ప్రతి వినియోగదారు రకం కు వేర్వేరు ఫీల్డ్‌లు) తో వినియోగదారు ప్రొఫైల్‌లు నిల్వ చేసే సిస్టమ్ డిజైన్ చేస్తున్నారు. ఏ డేటాబేస్ రకం అత్యంత బాగా సరిపోతాయి అవుతుంది?

సందేశం క్యూలు: Aసమకాలీకరణ ప్రాసెసింగ్

ప్రతి కార్యాచరణ కు తక్షణ రెస్పాన్స్ అవసరం లేదు. సందేశం క్యూలు (RabbitMQ, Apache Kafka, AWS SQS) ఉత్పత్తిదారులు ను వినియోగదారులు నుండి విడదీస్తాయి, దీనివల్ల:

  • అసమకాలిక ప్రాసెసింగ్ - సైన్‌అప్ తర్వాత రెస్పాన్స్ బ్లాక్ చేయకుండా ఇమెయిల్ పంపడం
  • లోడ్ స్థాయీకరణ - రిక్వెస్ట్‌లు బఫర్ చేసి ట్రాఫిక్ ఒక్కసారిగా పెరుగుదలలు తట్టుకోవడం చేయడం
  • లోపం సహనశక్తి - కన్స్యూమర్ కూలిపోవడం అయితే, సందేశాలు క్యూ లో వేచి ఉంటాయి

Kafka ప్రత్యేక ప్రస్తావనకు అర్హం: ఇది కేవలం క్యూ కాదు, ఒక విస్తరిత ఈవెంట్ లాగ్, ఇది ఈవెంట్-ఆధారిత ఆర్కిటెక్చర్లు సాధ్యం చేస్తుంది - ఇక్కడ అనేక వినియోగదారులు స్వతంత్రంగా అదే ఈవెంట్ల స్ట్రీమ్ ప్రాసెస్ చేయగలరు.

ఆర్కిటెక్చర్ చిత్రం చూపిస్తూ క్లయింట్, లోడ్ బ్యాలెన్సర్, అప్లికేషన్ సర్వర్‌లు, క్యాష్ పొర, డేటాబేస్, మరియు సందేశం క్యూ
ఆర్కిటెక్చర్ చిత్రం చూపిస్తూ క్లయింట్, లోడ్ బ్యాలెన్సర్, అప్లికేషన్ సర్వర్‌లు, క్యాష్ పొర, డేటాబేస్, మరియు సందేశం క్యూ

సూక్ష్మసేవలు వర్సెస్ ఏకశిల వ్యవస్థ

| అంశం | ఏకశిల వ్యవస్థ | సూక్ష్మసేవలు | |------|----------|---------------| | డిప్లాయ్‌మెంట్ | ఒకే యూనిట్ | స్వతంత్ర సేవలు | | స్కేలింగ్ | అంతా కలిసి స్కేల్ | వ్యక్తిగత సేవలు స్కేల్ | | క్లిష్టత | ప్రారంభించడం సులభం | నిర్వహణ భారం | | డేటా | పంచుకున్న డేటాబేస్ | డేటాబేస్ ప్రతి సేవ |

ఏకశిల వ్యవస్థ తో ప్రారంభించండి, అవసరమైనప్పుడు సూక్ష్మసేవలు వేరు చేయండి. చాలామంది ఇంటర్వ్యూయర్లు సూక్ష్మసేవలు విస్తరిత సిస్టమ్ క్లిష్టత (నెట్‌వర్క్ వైఫల్యాలు, డేటా స్థిరత్వం, డిప్లాయ్‌మెంట్ సమన్వయం) తీసుకొస్తాయని అంగీకరించే అభ్యర్థులు ను గమనిస్తారు - ఇవి ఎల్లప్పుడూ సరైన ఎంపిక కాదు.

🤔
Think about it:

Netflix అనేక సంవత్సరాలలో ఏకశిల వ్యవస్థ నుండి సూక్ష్మసేవలు కు వలస చేసింది. కానీ Shopify - బిలియన్లు లో లావాదేవీలు నిర్వహిస్తూ - ఇప్పటికీ మాడ్యులర్ ఏకశిల వ్యవస్థ ను నడుపుతుంది. ఒక కంపెనీ కి ఏ విధానం మెరుగు అనేది ఏ కారకాలు పై ఆధారపడవచ్చు?

CAP Theorem సులభంగా

CAP సిద్ధాంతం ప్రకారం ఒక విస్తరిత సిస్టమ్ ఏకకాలంలో మూడింటిలో రెండు లక్షణాలు మాత్రమే హామీ చేయగలదు:

  • స్థిరత్వం - ప్రతి చదవడం అత్యంత ఇటీవలి రాయండి ను రిటర్న్ చేస్తుంది
  • అందుబాటు - ప్రతి రిక్వెస్ట్ కు రెస్పాన్స్ వస్తుంది
  • పార్టిషన్ సహనశక్తి - నెట్‌వర్క్ వైఫల్యాలు ఉన్నప్పటికీ సిస్టమ్ పని చేస్తూనే ఉంటుంది

విస్తరిత సిస్టమ్‌లు లో నెట్‌వర్క్ విభజనలు తప్పనిసరి కాబట్టి, నిజమైన ఎంపిక CP (స్థిరత్వం అందుబాటుపై) మరియు AP (అందుబాటు స్థిరత్వంపై) మధ్య ఉంటుంది.

  • CP సిస్టమ్‌లు (ఉదా: HBase, MongoDB తో మెజారిటీ రీడ్‌లు) - పాతది డేటా ఇవ్వకుండా లోపాలు రిటర్న్ చేస్తాయి
  • AP సిస్టమ్‌లు (ఉదా: Cassandra, DynamoDB) - ఎల్లప్పుడూ స్పందిస్తాయి, కానీ డేటా కొంచెం పాతది అయి ఉండవచ్చు
🧠త్వరిత తనిఖీ

మీరు ఒక బ్యాంకింగ్ లావాదేవీ సిస్టమ్ డిజైన్ చేస్తున్నారు, ఇక్కడ తప్పు నిల్వలు ఆర్థిక నష్టం కు కారణమవుతాయి. ఏ CAP రాజీ ఆఫ్ ప్రాధాన్యం ఇవ్వాలి?

ఇంటర్వ్యూ ఫ్రేమ్‌వర్క్

సిస్టమ్ డిజైన్ ఇంటర్వ్యూ లో ఈ నిర్మాణం అనుసరించండి:

  1. అవసరాలు - కార్యాత్మక మరియు అకార్యాత్మక అవసరాలు స్పష్టం చేయండి (5 నిమి)
  2. API డిజైన్ - కీ ఎండ్‌పాయింట్లు లేదా ఇంటర్‌ఫేస్‌లు నిర్వచించండి (5 నిమి)
  3. డేటా మోడల్ - డేటాబేస్‌లు ఎంచుకోవడం చేసి స్కీమాలు నిర్వచించండి (5 నిమి)
  4. అధిక-స్థాయి ఆర్కిటెక్చర్ - ఈ నిర్మాణ భాగాలు తో సిస్టమ్ రూపురేఖ వేయండి (10 నిమి)
  5. లోతైన లోతైన పరిశీలనలు - అడ్డంకులు స్కేల్ చేయండి, వైఫల్యాలు నిర్వహించండి, మెరుగుపరచు చేయండి (15 నిమి)
🤔
Think about it:

మీరు రోజువారీ వాడే సిస్టమ్ గురించి ఆలోచించండి - Instagram, Uber, లేదా Spotify. ఈ పాఠం లోని ఏ నిర్మాణ భాగాలు అది బహుశా వాడుతుందో గుర్తించగలరా? లోడ్ బ్యాలెన్సర్ ఎక్కడ ఉంటుంది? ఏమి క్యాష్ అవుతుంది? ఏ డేటాబేస్ రకం దాని డేటా మోడల్ కు సరిపోతుంది?

ముఖ్యమైన విషయాలు

  • ప్రతి స్కేల్ అయ్యే సిస్టమ్ అదే మూల నిర్మాణ భాగాలు వాడుతుంది - ఒకసారి నేర్చుకోండి, అన్నిచోట్ల అమలు చేయండి
  • లోడ్ బ్యాలెన్సర్లు, క్యాష్‌లు మరియు సందేశం క్యూలు ప్రతి ఒక్కటి వేర్వేరు స్కేలింగ్ సవాళ్లు పరిష్కరిస్తాయి
  • డేటాబేస్ ఎంపిక (SQL వర్సెస్ NoSQL) డేటా shape, స్థిరత్వ అవసరాలు మరియు యాక్సెస్ నమూనాలు పై ఆధారపడుతుంది
  • CAP సిద్ధాంతం రాజీలను తప్పనిసరి చేస్తుంది - మీ సిస్టమ్ ఏ వైపు ప్రాధాన్యం ఇవ్వాలో తెలుసుకోండి
  • నిర్మిత ఇంటర్వ్యూ ఫ్రేమ్‌వర్క్ అనుసరించండి: అవసరాలు → API → డేటా → ఆర్కిటెక్చర్ → లోతైన లోతైన పరిశీలనలు

తదుపరి పాఠం: ఈ మూలాలు అమలు చేసి ఒక URL సంక్షిప్తీకరణ సేవ ను మొదటి నుంచి నుండి డిజైన్ చేద్దాం.