نرم‌افزار local-first برگشته و sync engine‌ها کارِ سنگین رو می‌کنن

اشتراک‌گذاری:
نرم‌افزار local-first برگشته و sync engine‌ها کارِ سنگین رو می‌کنن

بیشتر نرم‌افزارهایی که استفاده می‌کنیم هنوز سرور رو تنها نسخه‌ی واقعی داده‌هامون می‌دونن. گوشی و لپ‌تاپت عملاً یه پنجره‌ی باریک‌ان به یه دیتابیس جای دیگه؛ وقتی اتصال قطع می‌شه، پنجره خاموش می‌شه. جنبش local-first می‌گه این ماجرا از اساس غلطه. دستگاه باید نسخه‌ی کاری رو نگه داره، شبکه باید فقط یه راه برای همگام‌سازی اون باشه، و اپ باید حتی وقتی شبکه قطع می‌شه هم کار کنه.

این ایده تازه نیست، ولی حالا برای اولین بار عملی شده. چیزی که تغییر کرده یه تحول فلسفی بین توسعه‌دهنده‌ها نبوده؛ بلکه موتورهای sync و انواع داده‌ی تکثیرشده‌ی بدون تعارض (CRDTs) به‌اندازه‌ای بالغ شدن که از پسِ سخت‌ترین بخش بربیان — یعنی ادغام دو ویرایش روی دو دستگاه مختلف، بدون اینکه هیچ‌کدوم از دست بره. اگه در سال ۲۰۲۶ داری نرم‌افزار مشارکتی می‌سازی، sync دیگه یه جزئیات زیرساختی نیست که بدیش به تیم backend. یه تصمیم در سطح محصوله که روی مدل داده‌ات، مجوزها و هزینه‌های پشتیبانیت تأثیر مستقیم داره.

مانیفست ۲۰۱۹ و اینکه چرا هفت سال طول کشید

در سال ۲۰۱۹، گروه تحقیقاتی Ink & Switch مقاله‌ای با عنوان «Local-first software: you own your data, in spite of the cloud» منتشر کرد. این مقاله هفت آرمان رو فهرست کرده بود: پاسخ سریع بدون نشانگر بارگذاری، کاری که با قطع شبکه از دست نره، همکاری بین دستگاه‌ها و آدم‌ها، داده‌ای که از شرکت سازنده‌اش دوام بیشتری داره، امنیت و حریم خصوصی به‌صورت پیش‌فرض، و کاربرانی که کنترل فایل‌های خودشون رو دارن. تقریباً هیچ‌کس با این لیست مخالفتی نداشت. مشکل هزینه‌ی پیاده‌سازیش بود.

ساختن یه اپ local-first قبلاً یعنی این بود که خودت منطق ادغام، لایه‌ی ذخیره‌سازی و پروتکل تکثیر رو از صفر بنویسی. بیشتر تیم‌ها مسیر فقط-ابری رو انتخاب می‌کردن چون ساده‌تر بود، و کاربرا هم با اون نشانگرهای بارگذاری کنار می‌اومدن. این معادله تغییر کرده؛ کتابخانه‌هایی مثل Automerge و Yjs باعث شدن CRDTs توی JavaScript قابل‌استفاده بشن، و موتورهای sync هم زیرساخت‌های جانبی اطرافشون رو در دست گرفتن.

یه sync engine واقعاً چیکار می‌کنه

ساختار داده‌ای که به اسم CRDT شناخته می‌شه، اینطوری طراحی شده که رونوشت‌های مختلف داده بتونن به هر ترتیبی با هم ادغام بشن و بدون نیاز به یه داور مرکزی، به نتیجه‌ی یکسانی برسن. متن، لیست‌ها و map‌ها همه رو می‌شه با این روش مدل‌سازی کرد. یه sync engine روی این لایه می‌شینه و کارهای غیرجذابش رو مدیریت می‌کنه: انتقال تغییرات بین کلاینت‌ها و سرور، همانندسازی فقط اون بخشی از داده که هر کاربر مجاز به دیدنشه، حفظ وضعیت بین ری‌استارت‌ها، و آشتی دادن داده‌ها با پایگاه داده‌ی اصلی.

چند اپلیکیشن عملیاتی الان روی همین الگو اجرا می‌شن. شرکت Linear به‌صورت عمومی درباره‌ی ذخیره‌ی سمت کلاینتش نوشته — همونی که باعث می‌شه issue trackerش فوری پاسخ بده، در حالی که تغییرات در پس‌زمینه همگام می‌شن. ویرایش همزمان چند نفره در Figma هم یه نمونه‌ی معروف دیگه‌ست که چند کلاینت به‌طور همزمان یه سند رو ویرایش می‌کنن. درسی که از این محصولات می‌گیریم اینه که نسخه‌ی محلی روی سیستم کاربره که کاربر باهاش کار می‌کنه، و سرور به‌جای اینکه گلوگاه باشه، تبدیل به یه هماهنگ‌کننده می‌شه.

کجاها این مدل دیگه جواب نمی‌ده

در ادغام ویرایش‌های متنی و مجموعه‌ی آیتم‌ها، CRDT‌ها عالی عمل می‌کنن. ولی وقتی قوانین کسب‌وکارت به ثوابت سراسری وابسته باشه، خیلی کم‌کارتر می‌شن. مثلاً اگه دو نفر در حالت آفلاین آخرین صندلی یه پرواز رو رزرو کنن، تابع ادغام نمی‌تونه بدون اطلاعاتی که فقط سرور داره تصمیم بگیره که اون صندلی به کی می‌رسه. همین داستان برای پرداخت‌ها، موجودی انبار که نمی‌تونه منفی بشه، و هر چیزی که به پول یا تعهدات حقوقی مربوط می‌شه هم صدق می‌کنه.

مهاجرت Schema دومین مشکلیه که تیم‌ها دست‌کم می‌گیرنش. وقتی یه کلاینت که سه ماه آپدیت نشده دوباره وصل می‌شه، باید داده‌هایی که توسط نسخه‌ی جدیدتر نوشته شدن رو بفهمه، و نسخه‌ی جدیدتر هم باید داده‌های نسخه‌ی قدیمی رو تحمل کنه. این یعنی باید دروازه‌های نسخه رو توی کلاینت داشته باشی، فیلدها رو با دقت منسوخ کنی، و یه برنامه برای کلاینت‌هایی داشته باشی که هیچ‌وقت آپدیت نمی‌کنن. ذخیره‌سازی هم سومین مشکله. یه گوشی فضای محدودی داره و یه بودجه‌ی باتری، پس باید سیاست‌های پاک‌سازی داشته باشی، همانندسازی جزئی رو پیاده کنی، و یه جواب روشن داشته باشی برای وقتی که پایگاه داده‌ی محلی از ظرفیت دستگاه رد می‌شه.

یه چارچوب ساده برای تصمیم‌گیری

قبل از اینکه معماری local-first رو انتخاب کنی، سه تا سوال از خودت بپرس درباره‌ی هر نوع داده‌ای که توی محصولت داری. اول اینکه، آیا این داده باید آفلاین کار کنه یا در کمتر از حدود ۱۰۰ میلی‌ثانیه پاسخ بده؟ دوم، آیا چند نفر به‌طور همزمان یه object واحد رو ویرایش می‌کنن؟ سوم، اگه دسترسی به سرویس ارائه‌دهنده قطع بشه، آیا داده برای کاربر غیرقابل استفاده می‌شه؟

اگه جواب هر سه سوال بله باشه، دلیل محکمی داری برای local-first — مثل اپ‌های یادداشت، مدیریت وظایف و ابزارهای طراحی. اگه جواب دو سوال اول خیر باشه، معمولاً یه مدل سنتی مبتنی بر سرور هم ارزان‌تره، هم راحت‌تر می‌شه ازش سر در آورد. بیشتر محصولات در نهایت ترکیبی از این دو می‌شن. پیش‌نویس‌ها و محتوای مشارکتی به‌صورت محلی همگام می‌شن، در حالی که پرداخت‌ها، نقش‌ها و صورت‌حساب‌ها زیر کنترل سرور می‌مونن.

نکته‌های عملی

  • هر موجودیت در مدل داده‌ات رو به‌عنوان CRDT-merged، server-authoritative یا read-only دسته‌بندی کن، و این دسته‌بندی رو قبل از شروع کدنویسی روی کاغذ بیار.
  • از همون روز اول schema رو نسخه‌بندی کن و چک‌های نسخه‌ی کلاینت اضافه کن، تا کلاینت‌های قدیمی به جای اینکه داده رو خراب کنن، به شکل کنترل‌شده‌ای خطا بدن.
  • روی گوشی‌های Android ارزان‌قیمت با حافظه‌ی محدود هم تست بگیر، نه فقط روی آخرین iPhone.
  • یه آزمایش یک‌هفته‌ای آفلاین داخلی اجرا کن. حالت پرواز رو برای کار معمولی روشن کن و هر جایی که اپ گیرت داد رو ثبت کن. اینا نیازمندی‌های واقعی‌ات هستن.

رویکرد local-first جایگزین سرویس‌های ابری نیست. یه توازن دوباره است — جایی که دستگاه بیشتر کارهایی که برای کاربر اهمیت داره انجام می‌ده، و سرور هماهنگی‌ای رو که بلده به عهده می‌گیره. تیم‌هایی که این رو درست پیاده کنن، اپ‌هایی می‌سازن که هم سریع‌تر حس می‌شن هم روی اینترنت ضعیف زنده می‌مونن. اون‌هایی که sync رو یه مسئله‌ی فرعی می‌بینن، همچنان spinner نشون می‌دن.

اشتراک‌گذاری:
نرم‌افزار Local-first و موتور همگام‌سازی: راهنمای عملی | IRCNF | AIO APEX