Базы данных Nosql и их способность автоматически разделять данные

Базы данных Nosql могут автоматически разбивать данные на несколько серверов, чтобы распределять нагрузку и повышать производительность. Это делается путем разделения данных на более мелкие части, называемые осколками, и последующего распределения этих осколков по серверам. Базы данных Nosql могут автоматически разбивать данные на несколько серверов, чтобы распределять нагрузку и повышать производительность.

Когда осколок слишком большой или более направленный, его можно разделить автоматически. Благодаря функции автоматического сегментирования программа не перегружается, что освобождает время для других задач, таких как размещение и поиск данных.

Документы коллекции MongoDB распределяются по сегментам с помощью ключа сегмента. MongoDB разбивает данные на фрагменты, разделяя их на непересекающиеся диапазоны ключевых значений. В рамках усилий MongoDB по распределению этих фрагментов он пытается равномерно распределить их между осколками кластера.

Можно ли распределить Nosql между несколькими серверами?

Да, базы данных NoSQL могут быть распределены по нескольким серверам. Это позволяет повысить масштабируемость и доступность данных.

Это также может повысить безопасность системы, обеспечивая избыточность.

В результате кластеризации данные распределяются по нескольким серверам и могут использоваться как независимый источник.
Почему данные передаются между несколькими серверами?
Для системы выгодно распределить нагрузку между несколькими серверами, чтобы повысить общую производительность.

Поддерживает ли MongoDB автоматическое разделение?

MongoDB поддерживает автоматическое разбиение, что означает, что данные автоматически распределяются между несколькими серверами. Это упрощает масштабирование системы по мере добавления новых серверов.

Запись делится на части в процессе отделения от остальной части коллекции или таблицы и распределения их между несколькими машинами, известными как осколки. В этой статье объясняется, как настроить и запустить сегментированный кластер в среде разработки за считанные минуты. В статье будет рассказано, как выбрать подходящий ключ сегмента, а также как обеспечить равномерное распределение документов MongoDB по сегментам при их написании. В этом руководстве рассматриваются четыре сервера MongoDB, которые составляют сегментированный кластер. При выполнении команд mongo-config вы заметите, что используется синий фон. Все команды, запущенные на сервере с наибольшим количеством ресурсов, отображаются на красном фоне, тогда как команды, запущенные на других серверах, отображаются на зеленом или зеленом фоне. Дополнительную информацию о том, как работают эти роли, можно найти в статье Общие сведения о топологии сегментирования MongoDB.

В MongoDB 3.6 как отдельные сегменты, так и серверы конфигурации должны быть настроены как реплики. Наличие нескольких наборов реплик с несколькими элементами полезно для обеспечения безопасности и доступности ваших данных. Однако сложность сегментированной архитектуры значительно возрастает. В следующей статье описывается, как максимально быстро настроить и запустить сегментированный кластер. Если вы включили аутентификацию в своем экземпляре MongoDB, вам потребуется только аутентификация по паролю. Для достижения наилучших результатов в этом руководстве вам следует отключить блокировку безопасности в файле mongod.conf. Затем добавьте значение configsvr в директиву clusterRole.

В результате MongoDB будет отвечать за размещение этого сервера в сегментированном кластере. Имя набора реплик и роль сегментированного кластера будут прочитаны MongoDB, когда он запустится в текущей конфигурации. Первый набор реплик будет создан на серверах конфигурации в сегментированном кластере. На этом шаге вы сможете реплицировать конфигурацию для обоих отдельных сегментов. Если вы используете MongoDB на MongoDB-shard1, скопируйте файлы конфигурации в MongoDB-shard1 и MongoDB-shard1. В результате у каждого экземпляра MongoDB будет набор серверов, которые служат сегментами. Прежде чем использовать какой-либо шард, его необходимо инициировать через оболочку mongo.

Это руководство предназначено для помощи в настройке и запуске сегментированного кластера с сервером конфигурации и двумя серверами сегментов. Он непригоден для использования в производственных условиях. Первый и второй наборы реплик, Mongo-Shard1 и Mongo-Shard2, являются репликами с одним узлом. Один из двух осколков предложит вам имя, а другой предложит вам имя. В обеих оболочках MongoDB можно использовать метод thers.status(), чтобы убедиться, что каждый набор реплик был правильно настроен. Эти компоненты должны быть связаны с сегментированным кластером через маршрутизатор запросов mongos. Он будет отвечать за управление сервером конфигурации и связь с серверами сегментов.

Теперь, когда команда mongos выполнена, вы можете добавить осколки в сегментированный кластер, используя mongo_shardip: mongo_shardip — это IP-адрес сервера, на котором работает mongo-shard1. Когда вы используете эту команду, вы увидите пустой список подключенных осколков в ключе осколков. Используя метод sh.status(), вы можете проверить, что маршрутизатор запросов находится в том же каталоге, что и сервер конфигурации. Когда в базах данных MongoDB включено сегментирование, они могут хранить данные только так же, как и в других базах данных. Коллекция документов из нескольких самых густонаселенных городов мира послужит основой для этого руководства. Для включения сегментирования базы данных можно использовать следующий метод: enableSharding() Команда вернет сообщение об ошибке: как только она будет выполнена. Если вы настроите базу данных, чтобы разрешить это, теперь вы можете разрешить разделение коллекции городов.

Следуя этому руководству, вы узнаете, как создать работающий сегментированный кластер MongoDB . Коллекция городов в базе данных населения разделена на поле страны, где используется ключ сегмента. После этого можно использовать следующую команду для вставки 20 документов: many. Вывод будет аналогичен типичному выводу MongoDB, поскольку он ведет себя точно так же, как обычная база данных MongoDB. Гарантируется, что каждый сегмент должен использоваться для выполнения запроса, если вы хотите получить все документы из коллекции городов. MongoDB возвращает список сегментов, участвующих в оценке, с помощью ключа сегментов. Если вы делаете запрос к полю континента, в котором нет искомого ключа сегмента, возможно, вам придется выполнить сравнение. В этом руководстве вы узнаете, как настроить серверы конфигурации MongoDB и отдельные сегменты, а также как соединить их все для формирования распределенного кластера MongoDB. Вы также использовали маршрутизатор запросов mongos для автоматизации сегмента, введения секционирования данных, выполнения запросов к базе данных и мониторинга показателей.

Данные распределяются между несколькими хостами посредством этого процесса укладки. Экземпляр MongoDB может разбивать большие наборы данных на небольшие наборы для обеспечения сегментации. С помощью этой возможности вы можете плавно масштабировать базу данных по мере того, как ваши приложения выходят за пределы возможностей одного сервера, не усложняя приложение.
С помощью MongoDB легко масштабировать базу данных, не усложняя приложение. С помощью MongoDB вы можете масштабировать свою базу данных, не усложняя свои приложения, что можно делать по мере роста ваших приложений. Шардинг MongoDB позволяет масштабировать базу данных, не усложняя приложения.

Основы шардинга MongoDB

Шаулинг стал возможен благодаря разбиению данных на осколки. Когда узел хранит данные в одном месте, сегмент — это часть этих данных, хранящихся в одном месте. Затем каждый осколок отправляется на узел данных в системе и распространяется. Когда на сегменте выполняется операция чтения или записи, первым шагом является обеспечение наличия данных на узле данных. Операция проводится до тех пор, пока состояние не изменится. Если данных больше нет, они сохраняются на узле данных и создается новый индекс сегмента. В MongoDB он был разработан, чтобы быть гибким и простым в использовании. Инструмент управления сегментами позволяет легко создавать, удалять и перемещать данные за один сеанс. Вы можете искать и получать доступ к данным для сегмента в течение нескольких секунд, используя индекс сегмента. В дополнение к функции набора реплик MongoDB база данных также включает функцию набора вторичных реплик, в которой хранится реплика осколков данных из другого узла MongoDB. В результате, даже если один из узлов данных выйдет из строя, система продолжит функционировать. Метод автоматического уничтожения MongoDB — это метод автоматического разделения набора данных на сегменты и их распределения по нескольким узлам данных. Разбивая большие наборы данных на более мелкие фрагменты, несколько узлов данных могут хранить их в большем количестве, увеличивая емкость системы хранения.

Нужен ли шардинг для баз данных Nosql?

На этот вопрос нет однозначного ответа, поскольку он зависит от конкретной базы данных NoSQL , о которой идет речь, и от того, как она используется. Как правило, сегментирование может быть необходимо, если база данных используется для приложений с высоким трафиком или если ожидается, что она станет очень большой. Однако некоторые базы данных NoSQL с самого начала проектируются с возможностью горизонтального масштабирования и могут не нуждаться в сегментировании. В конечном счете, лучше проконсультироваться с документацией или поддержкой конкретной базы данных, чтобы определить, необходимо или рекомендуется ли сегментирование.

Разделение базы данных можно использовать для эффективного управления и масштабирования больших наборов данных. Один логический набор данных разделяется на несколько баз данных, которые затем распределяются по нескольким компьютерам. При выполнении запроса, скорее всего, будет задействовано лишь небольшое количество компьютеров. Разделение базы данных возможно как в базах данных SQL, так и в базах данных NoSQL. В результате Sharding имеет архитектуру без общего доступа. Член лезвия не знает о других членах лезвия. Он должен сбалансировать две вещи: уменьшить количество запросов между разделами и равномерно распределить нагрузку за счет сегментирования с правильной степенью детализации.

Для эффективности тип данных ключа сегмента должен быть целым числом. На сервере может одновременно размещаться несколько шардов. Когда нагрузка на сервер возрастает, может возникнуть необходимость его разделения. Прокси-сервер каждого сегмента может выполнять операции кэширования и мониторинга в дополнение к кэшированию и мониторингу. Основными преимуществами сегментирования являются горизонтальное масштабирование, улучшенная производительность и повышенная доступность. Шарды можно использовать для развертывания облачных сервисов. Обновление можно протестировать на одном сегменте, прежде чем распространять на все из них.

Транзакции клиентов могут совершаться в местах, где существуют нормативные требования, а также там, где находятся Осколки. SQLite, Memcached, Zookeeper, Postgres-XC/XL и Citus — все это хорошие варианты. RDS — это служба, позволяющая создавать и развертывать сегментированные базы данных . И репликация, и субконтинентальный шардинг могут выполняться одновременно. Используя использование ЦП и памяти, а также производительность чтения/записи, вы можете определить, насколько эффективны все сегменты. При наличии горячих точек следует рассмотреть возможность повторной заточки. Термин «осколок», по-видимому, возник из массовой многопользовательской онлайн-игры Ultima Online, поскольку он часто используется в контекстах вычислений и хранения.

Инженеры Facebook разрабатывают базу данных NoSQL под названием Cassandra. Google Bigtable позволяет хранить петабайты данных на стандартных серверах. Vitess был создан командой YouTube для решения проблем с масштабируемостью в своей базе данных. логика маршрутизации может быть удалена из кода приложения с помощью Vitess.

С помощью Sharding можно обрабатывать большие объемы данных. Наиболее распространенный метод разделения набора данных на сегменты — использование третьей стороны. Возможность извлекать данные из баз данных SQL и NoSQL чрезвычайно полезна. SQL — это устоявшаяся и хорошо известная технология баз данных. Базы данных NoSQL быстрые и надежные, что делает их привлекательным вариантом для больших баз данных.
С Sharding легко управлять большими наборами данных. Базы данных SQL и NoSQL могут извлечь из этого пользу, повысив производительность базы данных.

Преимущества шардинга

Данные распределяются по нескольким компьютерам с использованием метода Sharding. STreeving — важная функция в развертываниях MongoDB, которые плотно заполнены большими наборами данных и требуют операций с большой пропускной способностью. Системы баз данных с большими наборами данных или приложениями с большой пропускной способностью могут занимать много места на одном сервере. Набор данных, который нельзя хранить в одной базе данных, требует процесса сегментирования . Если вам нужно передумать, сохраните этот ответ. Каждый узел в Cassandra отвечает только за хранение подмножества подмножества подмножества подмножества подмножества подмножества подмножества подмножества подмножества подмножества подмножества подмножества подмножества подмножества подмножества подмножества масштабирования Cassandra позволяет ему обрабатывать данные горизонтально, что полезно, когда данные распределены по нескольким узлам.

Шардинг в базе данных Nosql

В сегментированной базе данных Nosql данные распределяются по нескольким серверам, причем каждый сервер содержит подмножество данных. Этот подход может повысить производительность, позволяя распределять данные между несколькими серверами, которые затем можно запрашивать параллельно.

Для достижения максимальной масштабируемости большие наборы данных должны быть разделены на более мелкие и распределены по нескольким доменам. Разделение данных позволяет распределять их по нескольким узлам, что обеспечивает лучшее выполнение на них. Секционирование — это всего лишь один из компонентов базы данных, и если мы сможем гарантировать, что каждый узел разделит богатство, каждый раздел сможет функционировать как собственный центр обработки данных. Данные могут быть разделены на несколько разделов с помощью распределения данных на основе ключей. В связи с тем, что все данные хранятся в единой файловой системе, приложению электронной коммерции может потребоваться чтение всех данных в течение дня или каждого часа. Этой проблемы можно избежать, определив ключ с префиксом в качестве имени раздела для каждой метки времени. Как только каждому разделу будет назначен набор хэшей ключей (а не набор ключей), все ключи в этом наборе будут храниться в этом разделе.

Горячие точки уменьшаются, но не устраняются полностью с помощью хеширования ключей. Существует тенденция разбрасывать ключи по нескольким разделам, а не по одному. Если процессы чтения и записи связаны, все запросы продолжают следовать одному и тому же пути к одному и тому же разделу. Во многих случаях системы данных используют горячие клавиши для компенсации перекосов в рабочих нагрузках.

Авто-шардинг в MongoDB

Функция автоматического сегментирования Mongodb обеспечивает горизонтальную масштабируемость вашей базы данных за счет автоматического распределения данных по нескольким сегментам. Это позволяет увеличить размер и пропускную способность вашей базы данных без необходимости вручную настраивать сегменты и управлять ими.

Технология сегментирования MongoDB идеально подходит для развертываний с большими наборами данных и высокой пропускной способностью. Акт отправки данных между несколькими машинами с использованием произвольного доступа известен как выборка. Для полного расширения возможностей развертывания требуется всего несколько дополнительных серверов. Увеличение затрат на инфраструктуру и обслуживание во время развертывания компенсируется повышением эффективности. В версиях 4.2 и более ранних ключевые поля для сегментированной коллекции должны присутствовать в каждом документе. Если у вас есть коллекция, вы можете повторно разбить ее, используя ключ, установленный MongoDB 5.0. В зависимости от ключа и его резервного индекса вам может потребоваться изменить стратегию сегментирования .

Когда MongoDB 4.4 будет выпущена, хеджированное чтение будет включено, чтобы уменьшить задержки. Каждый сегмент в кластере может хранить подмножество данных кластера в отдельном экземпляре, что позволяет распределять данные по кластерам. По мере роста набора данных емкость хранилища кластера увеличивается. Поскольку коллекция была раздроблена, не существует способа расшифровки коллекции. MongoDB предоставляет две стратегии сегментирования для распределения данных между сегментированными кластерами. Хэш значения поля хэш-ключа используется для вычисления значения поля хэш-ключа. Благодаря сегментированию на основе диапазона в кластере может выполняться большее количество широковещательных операций.

Плохо рассматриваемые ключи сегментов могут привести к неравномерному распределению данных, свести на нет некоторые преимущества сегментирования и стать причиной снижения производительности. Начиная с MongoDB 4.0.3 и настраивая зоны и диапазоны зон, вы можете создавать зоны и диапазоны зон перед сегментированием пустой или несуществующей коллекции. Следующая команда создаст сопоставление: /jira/ При выборе ключа сегмента очень важно учитывать возможность использования будущих зон. Дополнительную информацию о том, как сегментирование работает с агрегатами, можно найти в электронной книге «Практические агрегаты MongoDB».

Репликация против шардинга

Концепцию репликации можно рассматривать как дублирование набора данных, тогда как концепцию сегментирования влечет за собой разбиение набора данных на отдельные фрагменты. Используя сегментирование, вы можете разделить свою коллекцию на несколько частей. Когда вы реплицируете свою базу данных, вы создаете образы вашего набора данных.

Репликация и система сегментирования могут быть построены для обеспечения высокой доступности (HA) в обоих случаях. Один сервер может хранить записи данных, что позволяет сократить время отклика при чтении и написании запросов. Когда весь набор данных реплицируется, его копируют несколько серверов. Остальные серверы в кластере возьмут на себя управление, если сервер выйдет из строя или отключится. Система базы данных MongoDB — это система, основанная на документах, которая конкурирует с реляционными базами данных. Переключиться на эту систему относительно просто, потому что ее установка и конфигурация аналогичны MySQL. В этом руководстве мы рассмотрим, как хранить и отображать пользовательские комментарии с помощью MongoDB.

В чем разница между секционированием и шардингом?

Разделение данных и разделение данных влекут за собой разбиение массивных наборов данных на более мелкие фрагменты. Хотя сегментирование означает, что данные распределяются между несколькими компьютерами, это не то же самое, что разделение. Цель секционирования — сгруппировать подмножества данных в экземпляре базы данных.

Преимущества шардинга

В результате, если база данных не может справиться с размером набора данных, его можно разделить на более мелкие подмножества и распределить по разным узлам с помощью сегментирования. Поскольку набор данных хранится на большем количестве компьютеров, его можно масштабировать с увеличением объема данных и трафика.

В чем разница между репликацией Redis и шардингом?

Разделение, также известное как разделение данных, представляет собой процесс разделения данных по ключу; тогда как репликация, также известная как зеркало, представляет собой процесс копирования всех данных. Распространенный метод сегментирования повышает производительность за счет одновременного сокращения памяти и нагрузки на все ресурсы. Репликация операций чтения обеспечивает высокий уровень доступности чтения.

Индексирование против. Шардинг: что лучше для вашей базы данных?

Распределение данных усложняется двумя методами: индексированием и шардингом. Ссылка на таблицу может помочь ей работать лучше, а сегментирование может помочь масштабировать базу данных.
Когда вы ищете определенные значения в таблице, полезно индексировать ее. Если вы хотите найти все заказы, размещенные в период с 1 мая 2017 г. по 2 мая 2017 г., вы можете использовать поисковый индекс.
Масштабирование базы данных можно выполнить путем перетаскивания базы данных. Сохранение таблицы влечет за собой разделение ее на несколько разделов на нескольких машинах. В результате доступ к таблице упрощается путем поиска данных в ней.
Кроме того, сегментирование может помочь улучшить производительность базы данных в целом. Когда таблица разделена на более мелкие части, это может уменьшить объем данных, которые должны быть обработаны базой данных. Это может помочь улучшить общую скорость базы данных.

В чем преимущество шардинга?

Когда вы используете сегментирование, вы можете масштабировать свою базу данных для обработки гораздо большей нагрузки благодаря увеличенной пропускной способности чтения/записи, емкости хранилища и высокой доступности.

Риски безопасности шардинга

Несмотря на то, что существует несколько решений этой проблемы безопасности, таких как требование двухфакторной аутентификации и шифрование данных, это все еще вызывает беспокойство. Использование случайных фотонов в контексте HTML теоретически может снизить этот риск за счет создания нескольких фотонов без связи. До тех пор, пока не появится больше доказательств того, что сегментирование снижает риск безопасности, лучше перестраховаться и хранить данные отдельно.

Дополнительные ресурсы для разделения данных Распределенное разделение Sql

На этот вопрос нет однозначного ответа, поскольку он во многом зависит от конкретных потребностей реализации сегментирования SQL. Однако некоторые общие ресурсы, которые могут использоваться для дополнительного сегментирования данных , включают: дисковое пространство, ресурсы ЦП и память. Как правило, любой ресурс, который можно использовать для распределения данных по нескольким серверам, можно использовать для дополнительного сегментирования данных.

Масштабируемость базы данных может быть достигнута одним из двух способов. Разделение базы данных делит базу данных на более мелкие фрагменты в зависимости от количества записей в таблице. Отдельные таблицы можно разделить на разные категории в простой реализации. В этом руководстве объясняется, как работает сегментирование базы данных, и обсуждаются некоторые его преимущества и недостатки. Эта технология может быть особенно полезна для баз данных, которые хранят большой объем данных в очень небольшом количестве таблиц. Как правило, не все таблицы требуют сегментирования, и не все таблицы можно сегментировать одновременно. STreeching стремится к архитектуре без общего доступа.

На практике выгодно реплицировать данные из одного шарда в другой. Стратегия сегментирования базы данных — это стратегия горизонтального масштабирования, поэтому она обладает многими преимуществами стратегии горизонтального масштабирования. Кроме того, он дает несколько дополнительных преимуществ в дополнение к этим. Возможность горизонтального масштабирования имеет решающее значение в системах для достижения высокой скорости масштабирования. При сегментировании диапазона значение ключа сегментирования используется для определения того, к какому диапазону он подходит. Ключ к хеш-функции используется для определения того, какому осколку назначена запись, а также по какому пути она должна идти. Вместо того, чтобы напрямую сопоставлять ключ с сегментом, для этого используется хэш-функция.

В результате записи обычно более равномерно распределяются по разным сегментам. Крайне важно использовать одну и ту же хеш-функцию для всех ключей для каждой операции. Поскольку для этого не требуется таблица поиска, хеширование более эффективно, чем сегментирование диапазона. Невозможно знать, останутся ли осколки идеально сбалансированными. Даже если в данных нет шаблонов, кластеризация может быть вызвана просто случайно. Перебалансировка и перестроение осколков затруднены при работе с хеш-шардингом. Это отличный выбор для хранения баз данных на основе структуры каталогов.

Регионы Новой Англии и Средней Атлантики расположены в первом осколке, который служит северо-восточным регионом. Тот же процесс используется для географической сегрегации, но вместо того, чтобы назначать данные сегментам на основе их местоположения, они делят их на сегменты. В таблице базы данных ключ сегментирования используется для распределения данных между несколькими различными сегментами в зависимости от количества битов в таблице. В результате региональный отдел продаж может быстро и эффективно просмотреть данные о клиентах за считанные секунды. Особенно важно учитывать растущий размер базы данных вашей компании, когда речь идет о шардинге. База данных может масштабироваться горизонтально за счет хранения, памяти и вычислительной мощности так же, как это могут сделать лишь несколько серверов. Помимо увеличения сложности базы данных, сегментирование увеличивает сложность присоединения и изменения схемы. Для создания сегментированной базы данных можно использовать несколько серверов Linode .

Три типа шардинга

Существует три типа шардинга: (1) они являются добровольными; (2) они должны быть устойчивыми; и (3) они должны быть использованы. Начальное образование. В этом типе сегментирования каждому сегменту назначается первичный ключ, и для каждого из них создается реплика для хранения его данных. Этот подход обычно используется, когда наборы данных малы и не содержат конфиденциальных данных.
Данные разбиваются на осколки в результате этого типа разбиения данных на основе их координат. Это используется, когда данные географически рассредоточены, а осколки необходимо хранить вместе по соображениям производительности.
Сегментирование уплотнения — это тип сегментирования, который используется, когда данные не являются высокочувствительными и количество обновлений невелико. Вместо того, чтобы разбивать данные на сегменты, данные делятся на блоки, а затем сегментируются. Этот метод обычно используется, когда размер наборов данных меньше количества осколков.

Монгодб Шардинг

Сегментирование MongoDB — это метод горизонтального масштабирования, который разделяет данные между несколькими экземплярами MongoDB. Распределяя данные по нескольким серверам, сегментирование может повысить производительность и увеличить емкость. При использовании с наборами реплик сегментирование также может повысить доступность.

Процесс распределения данных между несколькими хостами через DHCP известен как хеширование. Сохранение базы данных MongoDB осуществляется путем ее разделения на небольшие наборы данных. Высокая скорость запросов может привести к нагрузке на ЦП, ОЗУ и мощность ввода-вывода дискового накопителя. Существует два типа масштабирования: горизонтальное и вертикальное. Все документы коллекции MongoDB по умолчанию распределяются по всем сегментам коллекции MongoDB. Каждый документ состоит из одного поля или нескольких полей, которые называются его ключом. Для каждой коллекции в сегментированной коллекции требуется только один ключ сегмента.

Рой может повлиять на производительность кластера, а также вызвать узкие места приложений. В этом разделе мы создадим коллекцию MongoDB и индекс с именем person_id, чтобы создать ключ сегмента. Маршрутизаторы запросов будут использоваться для процесса сегментирования, и будет создана база данных с именем people. Файл конфигурации для хранилища базы данных, журналов и ролей кластера сегментирования для сегмента находится в каталоге PostgreSQL. Кроме того, включаются сетевые настройки экземпляра сервера. Используя сегментирование MongoDB, можно распределить рабочую нагрузку между различными серверами, чтобы более эффективно управлять большими наборами данных. Кластер можно эффективно масштабировать для будущих нужд без необходимости полной реструктуризации аппаратной инфраструктуры. Коллекция лиц была разделена на ShardRepSet (10.10.58) в следующих выходных данных.