Stóras ar líne a scálú go tapa do bhreis agus 1 billiún úsáideoir ChatGPT

Braitheann gach táirge OpenAI ar rochtain thapa iontaofa ar shonraí, bíodh duine ag logáil isteach, ag seiceáil a shocruithe Codex nó ag tosú comhrá nua in ChatGPT. D’fhéadfadh go mbeadh gá le go leor cuardach sonraí ar leith le haghaidh gach gnímh díobh sin sular féidir leis an táirge freagairt. Má bhíonn na hiarratais sin mall, mothaítear go bhfuil an táirge mall. Má theipeann ar na hiarratais sin, stopann an táirge ag obair go hiomlán.

Is é Habitat an t-ardán stórála ar líne a thógamar ionas gur féidir le táirgí OpenAI teacht go tapa agus go hiontaofa ar an bhfaisnéis a theastaíonn uathu. Láimhseálann Habitat breis agus 70 milliún iarratas gach soicind anois, ag tacú le táirgí a úsáideann breis agus 1 billiún duine gach seachtain, i mbeagnach 40 réigiún geografach. Seoladh Habitat ar dtús chun tacú le GPTanna ag DevDay 2023, mar leabharlann shimplí Python ar thaobh an chliaint a bhí ceangailte le bunachar sonraí amháin. Sa lá atá inniu ann, is córas casta dáilte é a riarann breis agus 500 peitibheart sonraí.

Ní beag an éacht bonneagar a thógáil agus a oibriú ar an scála seo, ach níl sé thar a bheith dúshlánach ach an oiread. Ba é ráta gan fasach an scálaithe a rinne ár gcás uathúil: b’éigean dúinn tacú le fás ollmhór úsáideoirí agus éileamh táirgí agus ardán aibí á fhorbairt againn ag an am céanna. Is minic a thógann innealtóirí córais do scála deich n-oiread, agus súil acu go mairfidh sé cúpla bliain agus iad ag ullmhú don chéad mhéadú deich n-oiread eile. Inár gcás féin, d’fhásamar níos mó ná deich n-oiread bliain ar bhliain le trí bliana anuas. Dá bhrí sin, bhí tógáil agus oibriú Habitat ina shraith cinntí oirbheartaíochta agus céimnithe: gach comhpháirt a thuiscint ag an leibhéal is ísle chun an leas is mó a bhaint as ár gcruach reatha, agus ganntanais acmhainne stórála agus ríomhaireachta a sheachaint chun am a cheannach d’infheistíochtaí bunúsacha.

De réir mar a d’fhás OpenAI, b’éigean do Habitat fás leis: ar dtús trí bheith iontaofa go leor do thrácht táirgí ríthábhachtach, ansin tapa go leor d’úsáideoirí domhanda, agus ar deireadh trí oibriú go stuama ar mhórscála. Is é seo an chéad phostáil i sraith dhá chuid faoin gcaoi ar scálamar stóras ar líne. Sa phostáil seo, míneoimid conas a d’fhorbair Habitat, cén fáth ar athraíomar ó leabharlann go seirbhís é, agus conas a rinneamar seirbhís i dteanga neamhchoitianta don chruach riartha—Python—a shíneadh ina ciseal iontaofa d’ardán stórála.

I bpostáil amach anseo, míneoimid go mion conas a bhaineamar iontaofacht ilthionóntachta amach ar scála, ár straitéis shraitheach chun feidhmíocht léite a bharrfheabhsú, agus conas a scálamar ár gcomhpháirtíocht le Azure Cosmos DB chun éileamh gan fasach a láimhseáil go hiontaofa.

Thosaigh Habitat le smaoineamh simplí: níor cheart go mbeadh ar innealtóirí táirgí smaoineamh ar bhainistiú bunachar sonraí. Seoladh Habitat ar dtús chun tacú le GPTanna ag DevDay 2023 mar leabharlann bheag Python a rinne cumarsáid le príomhfhreastalaí ChatGPT. Thacaigh sí le tacar beag oibríochtaí a bhí mapáilte, taobh thiar den ardán, chuig feidhmchlár an bhunachair sonraí, Azure Cosmos DB.

Ba é cúram na leabharlainne bealach simplí a thabhairt d’fhoirne táirgí chun sonraí a stóráil agus a aisghabháil gan máistreacht a fháil ar na mionsonraí bunúsacha. Thug Habitat aire don obair riachtanach: cineál na sonraí a aithint, cá háit ar cheart dóibh teacht as nó dul, ar ceadaíodh an t-iarratas, agus mar sin de.

Ní gá d’innealtóirí táirgí a bheith buartha faoi chuardach scéimre, ródú, údarú, criptiú, srathú, múnlú iarratais ná comhthiomsú nasc. Níor ghá dóibh fiú smaoineamh ar fhoinse na sonraí: Azure Cosmos DB, taisceanna nó cineálacha eile stórála.

D’oibrigh an leabharlann Python seo go maith agus ghlac innealtóirí táirgí ag OpenAI le Habitat go tapa, cé nach raibh aon fheachtas lárnach comhordaithe ann chun imeacht ó Postgres agus Azure Cosmos DB féinseirbhíse.

De réir mar a d’fhorbair riachtanais táirgí, bhí sé éasca fiú d’fhorbróirí táirgí tacaíocht do ghnéithe amhail taisceadh, comhbhrú nó criptiú ar thaobh an chliaint a chur leis an leabharlann chomhroinnte.

Faoi lár 2025, bhí teorainn Habitat mar chur chun feidhme ar thaobh an chliaint sroichte. De réir mar a d’éirigh ciseal Habitat níos casta agus a mhéadaigh líon seirbhísí OpenAI, d’éirigh athruithe prótacail a bhí comhoiriúnach siar neamhphraiticiúil.

I gcás amháin, theastaigh uainn tionchar briste i réigiún amháin ar ár dtacair sonraí is criticiúla a laghdú trí iad a aistriú chuig tacar cuntas Azure Cosmos DB a bhí dáilte thar réigiúin. Chun an t-athrú seo a dhéanamh, b’éigean loighic bhreise ródaithe a chur sa chliant taobh thiar de bhratach ghné dhíchumasaithe, a chinntiú go ndearnadh í a rolladh amach chuig gach cliant, agus ansin an bhratach a chumasú.

Thóg sé laethanta imscarthaí a chomhordú thar na mórán seirbhísí agus oibriú le gach foireann chun iad a rolladh amach. Sular chumasaíomar é seo, thuigeamar gur theastaigh uainn roinnt scáthaithe a thabhairt isteach lena chinntiú go mbeadh an loighic deighilte ceart. Thóg sé cúpla lá eile é sin a rolladh amach. Ceartúchán fabht ar rud a thuigeamar a bhí mícheart? Cúpla lá eile. Sa deireadh, bhíomar réidh leis an mbratach a chumasú, ach ansin rinne foireann amháin a seirbhís a rolladh siar ar chúiseanna eile chuig cliant a raibh fabht ann roimhe sin, rud ba chúis leis an mbriseadh a raibh an oiread sin oibre déanta againn lena sheachaint.

D’éiligh athruithe ar leabharlann an chliaint comhordú casta thar na mórán seirbhísí, próiseas a d’éirigh níos sobhriste, níos neamhéifeachtúla agus níos leochailí i leith teipeanna oibríochta. Chun an scaipeadh oibríochta seo a laghdú dár n-imscarthaí amach anseo, chinneamar seirbhís neamhspleách a dhéanamh de Habitat.

Trí loighic an stórála a scaradh ina seirbhís neamhspleách, bhunaíomar pointe rialaithe amháin d’imscarthaí, d’inbhraiteacht agus d’fheabhsuithe ardáin. In ionad nuashonruithe scoilte a bhainistiú, d’fhéadfaimis feabhsuithe a chur chun feidhme go lárnach agus tairbhe láithreach a thabhairt do gach táirge OpenAI.

Tugann seirbhís láraithe pointe srianta amháin dúinn freisin chun na bunphrionsabail is láidre maidir le slándáil agus príobháideachas sonraí a sholáthar. Is i seirbhís Habitat is féidir linn beartais rialaithe rochtana a fhorfheidhmiú go lárnach, logáil iniúchta a dhéanamh agus rochtain ar acmhainní stórála bunúsacha amhail Azure Cosmos DB a theorannú. Tá ról ríthábhachtach ag Habitat maidir le sonraí úsáideoirí a chosaint agus rochtain neamhúdaraithe ó ghníomhaithe seachtracha, inmheánacha agus gníomhairí a chosc.

Bhí a fhios againn go raibh seirbhís de dhíth orainn, ach níor theastaigh uainn bogadh ó Python go fóill, fiú leis an bhforchostas breise a bhaineann le Python mar sheirbhís. Trí Python a úsáid le haghaidh seirbhís ard-tréchuir, mhéadaigh aga folaigh an líonra agus costais scálaithe LAP agus cuimhne go suntasach i gcomparáid leis an leabharlann a rith go háitiúil. Ina theannta sin, thuigeamar nach mbeadh neamhéifeachtúlachtaí Python inghlactha ar scála 100 oiread, rud a d’fhág go raibh athscríobh sa deireadh beagnach cinnte.

Mar sin féin, mheasamar gur glacadh straitéiseach le fiachas teicniúil a bhí ann. Ní barrfheabhsú costais ná acmhainní an phríomhaidhm a bhí againn ag an am, ach bacainní a bhaint roimh fhorbróirí táirgí agus cobhsaíocht ardáin a bhaint amach. Trí ghlacadh le comhréitigh feidhmíochta seirbhíse Python sa ghearrthéarma, bhíomar in ann tosaíocht a thabhairt do dhúshláin níos práinní, ár gcroí-APIanna a bhunú agus bonneagar láidir a fhorbairt.

Rinneamar geall ríofa freisin go ndéanfadh dul chun cinn tapa ár samhlacha códaithe féin an bealach teicniúil níos simplí amach anseo. Gheallamar, faoin am a mbeadh gá le haistriú iomlán ó Python, go gcuirfeadh Codex agus GPT ar ár gcumas é a dhéanamh. Sa deireadh, bhí an ceart againn.

Ní bheadh sé barrmhaith ó thaobh feidhmíochta de Habitat a rith mar sheirbhís Python, ach ba rogha riachtanach é. Cuireann Python ar ár gcumas bogadh go tapa, ach níorbh fhéidir linn faillí a dhéanamh sa chúram ná glacadh le hagaí folaigh i bhfad níos measa. Nuair a bhíonn na céadta glao ar an mbunachar sonraí mar thoradh ar ghnáthiarratas úsáideora, is é an glao is moille a bhraitheann an t-úsáideoir. Fuaireamar amach gurb é bainistiú na n-agaí folaigh eireaballacha seo an príomhdhúshlán a bhaineann le seirbhís Python a rith ar an scála seo.

Cabhraíonn asyncio le Python ualaí oibre atá faoi cheangal I/A a rith go comhthráthach, ach ní sháraíonn sé GIL Python ná ní sholáthraíonn sé comhthreomhaireacht LAP. Chomh maith le seachfhreastalaíocht iarratais atá trom ar I/A, láimhseálann Habitat go leor freagrachtaí agus tascanna cúlra atá trom ar LAP: ródú, comhbhrú, criptiú, suimeanna seiceála, seiceálacha sláinte iartheachtacha, scáthú iarratais agus fálú.

Agus an oiread sin ualaí oibre troma LAP agus tascanna cúlra inár seirbhís, is furasta do mhoill sceidealaithe asyncio a bheith ar an gcuid is mó d’aga folaigh eireaballach iarratais. Sula ndearnamar tiúnadh don chéad seoladh, léirigh rianta d’iarratais le haga folaigh p99 nó níos airde gur fhreagair an stóras iartheachtach go tapa, ach gur mhinic a stop iarratais agus iad ag fanacht leis an gcomhrútín freagrach a athsceidealú chun an freagra a pharsáil.

I gcás seirbhísí Python ag OpenAI, fuaireamar amach, anuas ar ghnáthmhéadracht úsáide agus sáithithe cuimhne, LAP, líonra agus diosca, go bhfuil sé ríthábhachtach lúb asyncio agus a hualach a mhonatóiriú agus tiúnadh dá réir.

Trí thascanna cúlra a sceidealú go tréimhsiúil agus an difríocht idir an t-am rite ionchais agus iarbhír a thaifeadadh, is féidir linn moill sceidealaithe lúb na dteagmhas a thomhas go heimpíreach i bhfíor-am. Faoi úsáid ard agus le go leor tascanna costasacha, is leor fiú líon measartha iarratas comhthráthach in aghaidh an phróisis chun giodam suntasach sceidealaithe a chruthú—na céadta milleasoicind agus, i gcásanna imeallacha áirithe, roinnt soicindí.

Dá bhrí sin, ní ligeann muid do gach próiseas ach líon beag iarratas comhthráthach a riar agus méadaímid líon na bpróiseas oibrithe Python go mór ina ionad.

Le linn chéad seoladh na seirbhíse, d’aimsíomar, trí phróifíliú beo LAP, bunchúis amháin le moill ard asyncio agus na hagaí folaigh eireaballacha dá bharr: parsáil thréimhsiúil JSON ar chumraíochtaí ár mbratacha gné trí Statsig (uirlis chun bratacha gné a bhainistiú, tástálacha A/B a reáchtáil agus tuilleadh).

De réir réamhshocraithe, bhí Statsig cumraithe chun cumraíochtaí athnuaite a lorg gach nóiméad gan ghiodam, agus bhí gach riail táirgeachta ó gach seirbhís sa chumraíocht. In áit eile, rinneadh cinneadh ailtireachta suas le hocht bpróiseas Python a rith in aghaidh an phoda chun úsáid LAP a ardú agus agaí folaigh a ísliú. Dá bharr sin, gach nóiméad bhí tráth ann i ngach pod nuair a stopadh a chuid oibrithe uile d’iarratais reatha a phróiseáil agus a dtimthriallta LAP á gcaitheamh acu ag parsáil comhad cumraíochta ollmhór.

Bhí an réiteach simplí nuair a chabhraigh próifíliú LAP linn an bhunchúis a aimsiú: cumraíocht spriocdhírithe níos lú a imscaradh, an t-eatramh athnuachana a fhadú agus giodam a chur le tascanna cúlra den chineál seo.

Chun moill asyncio a choinneáil íseal, tá sé ríthábhachtach freisin iarratais a chothromú go maith thar phróisis freastalaí; gan tiúnadh, féadfaidh comhthiomsú nasc cur ina choinne sin.

Le comhthiomsú nasc ar thaobh an chliaint, d’fhéadfadh próiseas cliaint amháin a dhéanann go leor iarratas comhthráthach gan ach dornán nasc freastalaí a bhunú agus, dá bharr sin, a ualach ar fad a sheoladh chuig dornán próiseas. Sular athraíomar ár gcothromú ualaigh, bhí éagsúlacht mhór úsáide inár seirbhís, agus bhí roinnt próiseas eireaballach ag riar 5–10 n-oiread níos mó iarratas comhthráthach ná an meán.

D’aimsíomar é seo de thaisme nuair a d’fhan fo-thacar próiseas díghrádaithe i bhfad tar éis borradh tráchta, cé gur stopamar an cliant a bhí ag ró-ualú cuid dár seirbhís. Go deimhin, thugamar faoi deara go raibh díghrádú as smacht sna próisis sin, agus iad ag fáil níos mó iarratas de réir a chéile go dtí gur atosaíomar iad. Nuair a bhí pod ró-ualaithe, bhí iompar éigin ag treorú tuilleadh tráchta chuig an bpod ró-ualaithe. Ba chineál teipe é seo a raibh cur amach maith ag cuid dár gcomhghleacaithe air ó obair roimhe seo: teip mheiteachobhsaí⁠(osclaíonn i bhfuinneog nua).

Cheapamar gurbh é an comhthiomsú nasc ba chúis leis agus thástálamar é sin trí uasteorainn a chur le fad athúsáide nasc; chuir sé sin teorainn leis an díghrádú agus dheimhnigh sé treo ár bhfiosrúcháin. Léirigh tuilleadh fiosrúcháin go n-úsáideann TCPConnector aiohttp de chuid Python athúsáid nasc LIFO de réir réamhshocraithe: roghnaítear an nasc is déanaí a d’fhill don chéad iarratas eile. Is réamhshocrú réasúnta é seo de ghnáth: trí naisc le déanaí a athúsáid, is féidir leis na naisc bhreise a cruthaíodh do thrácht borrthach dul in éag agus iad díomhaoin, rud a laghdaíonn an forchostas a bhaineann lena gcothabháil. Sa chás seo, chruthaigh sé teip mheiteachobhsaí dúinn. Le linn borradh iarratas, chuir iarratais chuig freastalaithe ró-ualaithe níos moille naisc ar ais sa chomhthiomsú níos déanaí. Dá bhrí sin, roghnaigh iarratais ina dhiaidh sin iad níos minice, agus comhchruinníodh tuilleadh tráchta de réir a chéile ar na podaí a bhí i gcruachás cheana. Trí phaiste a chur ar an gcomhthiomsú nasc chun athúsáid FIFO a úsáid, briseadh an lúb aiseolais seo agus laghdaíodh éagsúlacht iarratas sa staid sheasta freisin.

Sa lá atá inniu ann, braithimid den chuid is mó ar Istio agus Envoy chun comhthiomsú nasc agus straitéisí cothromaithe níos fearr, atá feasach ar ualach freastalaí, a sholáthar ar fud bhonneagar OpenAI agus an fhadhb seo a sheachaint ar fad.

Fo-éifeacht amháin de thiúnadh le haghaidh moill íseal asyncio agus an oiread sin próiseas Python a bheith ann ná go bhfuil sé an-éasca spleáchais iartheachtacha a shárú leis an líon ollmhór nasc (ar a dtugtar „tréad toirní“).

Mura dtiúntar gnáth-imscaradh laethúil le bheith mall, féadfaidh timthriallú nasc luaineacht shuntasach LAP a chruthú. Nó féadfaidh sceitheadh nasc an líonra a leagan trí thairseach NAT a sháithiú. Ní fadhbanna neamhchoitianta iad seo do sheirbhísí eile ach an oiread, ach íslítear an tairseach spreagtha go mór nuair a bhíonn ord méide níos mó próiseas ann. Is minic a sháithíonn siad acmhainní líonra nach mbíonn cliaint ag súil lena láimhseáil i staid sheasta bunaithe ar thréchur amháin.

Braithimid ar Envoy freisin chun cóineasú ár nasc a uasmhéadú. Úsáidimid é chun naisc HTTP/1 Python a uasghrádú go HTTP/2 chun leas a bhaint as ilphléacsáil, agus ansin chun na naisc sin a chomhthiomsú agus a saolré a fhadú. Tugann Envoy áit lárnach dúinn freisin chun teorainneacha ráta agus scoradáin chiorcaid a chur chun feidhme, rud nach mbeadh chomh héifeachtach céanna i ngach próiseas neamhspleách Python.

Cúis amháin ar éirigh linn Python a scálú chomh fada seo ná API srianta Habitat, a choinníonn costas iarratais intuartha. In áit ligean do chliaint ceisteanna treallacha SQL a chruthú a d’fhéadfadh scanadh mór táblaí nó siúntaí thar go leor táblaí a dhéanamh, cuireann Habitat API simplí NoSQL ar fáil. Is comhréiteach follasach i ndearadh Habitat é easpa API chumhachtaigh.

Tá sé d’aidhm againn iarratais shimplí, intuartha, ar obair sheasmhach a bharrfheabhsú. De réir ár dtaithí, is fusa go mór na córais seo a scálú agus is deacair iad a chur ó mhaith nó a mhí-úsáid. Tá iarratais le fairsingiú dothuartha contúirteach ó thaobh oibríochta de: castar aonrú agus cothromú ualaigh leo, agus cruthaíonn siad aillte aga folaigh ar deacair don tseirbhís agus dá cliaint scálú ina leith.

Sular bhogamar go Habitat agus Azure Cosmos DB, bhí formhór shonraí ar líne OpenAI stóráilte ar Postgres. Ag an am, bhí sé éasca gach athrú ar cheisteanna agus ar scéimre a athbhreithniú lena chinntiú go n-iompróidís i gceart agus go n-oibreoidís ar shonraí innéacsaithe sula gcuirfí i dtáirgeadh iad. De réir mar a d’fhás an fhoireann agus na táirgí, d’éirigh sé seo do-bhainistithe go tapa agus ba mhinic a tharla bristeacha mar gheall ar cheist nua chostasach amháin ar chonair ghnóthach a leag an bunachar sonraí.

Éagothroime costais is cúis leis an bhfadhb: tá sé saor agus éasca ceisteanna SQL a scríobh atá costasach agus deacair a rith. In Habitat, seachnaímid é seo agus déanaimid ceisteanna costasacha thar a bheith soiléir ar thaobh an chliaint. Níl aon cheist gan teorainn ann a fhéadfaidh Habitat a ró-ualú, agus éilíonn siúntaí casta agus trasnuithe graif ar fhoirne táirgí cuid den obair throm a dhéanamh, rud a spreagann dearaí níos éifeachtúla ar an iomlán.

Cuireann Habitat API NoSQL ar fáil atá bunaithe ar chineálacha oibiachta agus imill a shainíonn an cliant, arna spreagadh ag TAO⁠(osclaíonn i bhfuinneog nua). Réamhshainíonn cliaint oibiachtaí agus imill agus an gaol eatarthu, ach ní réamhshainíonn siad inneachar gach cineáil. Tá na caidrimh a eascraíonn as cosúil le graf, ach ní thacaíonn Habitat féin le gnáthcheisteanna trasnaithe graif seachas ceisteanna ar imill dhíreacha oibiachta ar leith.

Deighiltimid an graf ionas go mbíonn gach oibiacht agus a himill chomhfhreagracha le chéile i ndeighilt ar leibhéal an stórais, ach ní dhéanaimid iarracht chomhordaithe ar leibhéal an bhunachair sonraí oibiachtaí a chur in aice leis na cianoibiachtaí a léiríonn a n-imill. Dá bharr sin, is furasta an tsamhail a dheighilt le haghaidh inscálaitheacht chothrománach, ach tá trasnuithe graif neamhéifeachtúil mar d’fhéadfadh aon chéim idir oibiachtaí sonraí a fháil ó dhá chuntas Azure Cosmos DB atá go hiomlán éagsúil agus stóráilte i réigiúin éagsúla.

Do chliaint a bhfuil riachtanais cheistiúcháin níos casta acu, soláthraímid amharc tánaisteach as líne ar Habitat trí Rockset. Úsáidimid gabháil sonraí athraithe (CDC) chun athruithe a shruthú ón stóras ar líne chuig áscanna leithlisithe Rockset i mbeagnach fíor-am. Tá gach foireann cliaint freagrach as a hásc Rockset féin a scálú dá riachtanais cheistiúcháin chasta.

Cruthaíonn soláthar Rockset bac breise dár gcliaint, ach measaimid gurb é an comhréiteach ceart anois é: ceisteanna simplí a dhéanamh mar réamhshocrú agus bealach éalaithe a thabhairt dóibh siúd a dteastaíonn ceisteanna casta uathu. Leis an dearadh seo, déantar ár stóras ar líne a leithlisiú ó ualaí oibre anailíseacha agus cuardaigh atá trom ar léamh.

Trí athscríobh Python a chur siar ar feadh bliana, bhíomar in ann díriú ar dhúshláin níos práinní agus níos tábhachtaí le linn ár bhfáis as cuimse. Agus an t-ardán ag teacht in aibíocht, an fás ag luasghéarú i gcónaí, agus an tseirbhís seo sa dara háit ag OpenAI de réir líon croíleacán (agus sa cheathrú háit ó thaobh ár lorg Envoy), bhí sé in am deireadh a chur le Python. Ag a bhuaic, chabhraigh Python linn breis agus 20 milliún iarratas a riar gach soicind.

I R2 2026, gan ach beirt innealtóirí, Codex agus GPT‑5.5, bhíomar in ann an tseirbhís iomlán a athscríobh in Rust. Láimhseálann an tseirbhís nua Rust seo 95% dár n-iarratais táirgeachta anois; cuirfimid deireadh iomlán le Python sna seachtainí atá romhainn. Léiríonn ár sonraí go bhfuil an tseirbhís Rust 6 huaire níos éifeachtúla ó thaobh LAP agus 15 huaire níos éifeachtúla ó thaobh cuimhne ná an leagan Python, agus go bhfuil a meánagaí folaigh agus a hagaí folaigh eireaballacha i bhfad níos ísle. Tá sé beartaithe againn tuilleadh ceachtanna a roinnt i mblag amach anseo.

Níl sa tseirbhís Python—agus anois Rust—ach gné amháin de Habitat. I gcuid II den tsraith seo, ina mínímid conas a scálamar ár stóras ar líne go tapa chun freastal ar bhreis agus 1 billiún úsáideoir ChatGPT, pléifimid an ciseal stórála agus an chaoi a riarann Habitat breis agus 500 peitibheart agus breis agus 70 milliún iarratas gach soicind.

Más mian leat obair ar chórais OLTP ar scála ceannródaíoch agus má tá suim agat san innealtóireacht seo, féach ar an ról oscailte seo inár bhfoireann⁠.