SQL తగినంతగా లేనప్పుడు: భారీ క్రొత్త డేటా కేంద్రాల కోసం నియంత్రణలు

రచయిత: Judy Howell
సృష్టి తేదీ: 3 జూలై 2021
నవీకరణ తేదీ: 1 జూలై 2024
Anonim
SQL తగినంతగా లేనప్పుడు: భారీ క్రొత్త డేటా కేంద్రాల కోసం నియంత్రణలు - టెక్నాలజీ
SQL తగినంతగా లేనప్పుడు: భారీ క్రొత్త డేటా కేంద్రాల కోసం నియంత్రణలు - టెక్నాలజీ

విషయము



Takeaway:

డెవలపర్లు మరియు ఇంజనీర్లు తమ క్లాసిక్ 1990 ల నాటి ఆర్కిటైప్‌లకు మించి పెరిగిన ప్లాట్‌ఫారమ్‌లపై సేవలను వేగవంతం చేయడానికి మరియు మెరుగుపరచడానికి నిరంతరం పని చేయాలి.

మా ప్రైవేట్ జీవితాల గురించి గజిలియన్ల డేటా బిట్లను కలిగి ఉన్న అపారమైన NSA డేటా సెంటర్ల గురించి అన్ని సందడితో, కనీసం CNN లో కూడా పెద్దగా మాట్లాడని ఒక విషయం ఉంది. ఇది క్లౌడ్ టెక్నాలజీ, పెద్ద డేటా మరియు ఇప్పుడు ప్రపంచవ్యాప్తంగా నిర్మిస్తున్న ఆకట్టుకునే భౌతిక డేటా నిల్వ కేంద్రాలతో పాటు ఉద్భవించిన ఇంజనీరింగ్ సమస్యను కలిగి ఉంటుంది. కాబట్టి అది ఏమిటి? సరే, ఈ సదుపాయాలను అమలు చేసే మముత్ ఐటి సిస్టమ్‌లలో ఒకదాన్ని ఎవరు నిర్వహిస్తున్నారనే దానితో సంబంధం లేకుండా, ఆ డేటా అంతా త్వరగా పైప్‌లైన్‌లోకి రావడానికి మరియు బయటికి రావడానికి సహాయపడే సాఫ్ట్‌వేర్ సిస్టమ్స్ అవసరం. ఆ అవసరం నేడు నిపుణులు ఎదుర్కొంటున్న అత్యంత ఆసక్తికరమైన ఐటి ప్రశ్నలు లేదా పజిల్స్ ఒకటి.

చాలా మంది నిపుణులు ఎత్తి చూపినట్లుగా, డేటా ప్రాసెసింగ్ కోసం నేటి విపరీతమైన డిమాండ్ సాంప్రదాయ విధానాలకు మించినది. సరళంగా చెప్పాలంటే, సాధారణ డేటాబేస్ నిర్మాణాలు మరియు SQL ప్రశ్న ఇంటర్ఫేస్ వంటి సాధనాలను ఉపయోగించడం గత కొన్ని సంవత్సరాలుగా అభివృద్ధి చెందిన యాజమాన్య వ్యవస్థల ఇష్టాలకు తగినంత ప్రాసెసింగ్ శక్తిని లేదా కార్యాచరణను అందించదు. నేటి పెద్ద టెక్ కంపెనీల ఆర్కైవ్‌లకు చాలా స్కేలబుల్ టెక్నాలజీ అవసరం. ఒకే సర్వర్ సులభతరం చేయగల దానికంటే ఎక్కువ పరిమాణంలో ఇన్పుట్ మరియు అవుట్పుట్ చేయగల డేటా ప్రాసెసింగ్ సాధనాలు వారికి అవసరం. వృద్ధి కోసం త్వరగా అభివృద్ధి చేయగల పరిష్కారాలు, సంక్లిష్ట స్థాయి కృత్రిమ మేధస్సును కలిగి ఉన్న పరిష్కారాలు, ఐటి విభాగం సులభంగా నిర్వహణ కోసం రూపొందించిన పరిష్కారాలు వారికి అవసరం.


సాంప్రదాయ డేటా నిర్వహణ మార్గం యొక్క పరిమితులను కంపెనీలు మరియు ప్రభుత్వ సంస్థలు ఎలా జయించగలవు అనేది ప్రశ్న. ఇక్కడ చాలా మంచి ఆశాజనక ఎంపికను చూడండి: పెద్ద డేటాను నిర్వహించే సాఫ్ట్‌వేర్ మరియు బహుళ డేటా సెంటర్ల పరిపాలన.

గూగుల్ ఫైల్ సిస్టమ్: ఎ బిగ్ కేస్ స్టడీ

గూగుల్ తన డేటా సెంటర్లను యాక్సెస్ చేయడానికి ఉపయోగించే యాజమాన్య సాంకేతికత పెద్ద డేటా నిర్వహణ మరియు బహుళ డేటా సెంటర్ పరిపాలన కోసం సాధారణ మోడళ్లకు ఉత్తమ ఉదాహరణ. 2003 లో అభివృద్ధి చేయబడిన గూగుల్ ఫైల్ సిస్టమ్ (జిఎఫ్ఎస్), మిలియన్ల మంది వినియోగదారులు దూరంగా క్లిక్ చేయడంతో ఒకే ప్లాట్‌ఫామ్‌లోకి మరియు బయటికి చాలా కొత్త సమాచారాన్ని పొందడంలో భాగంగా ఉన్న డేటా సిస్టమ్‌లకు అధిక-వేగ సవరణలకు మద్దతుగా రూపొందించబడింది. అదే సమయంలో. నిపుణులు దీనిని పంపిణీ చేసిన ఫైల్ సిస్టమ్‌గా సూచిస్తారు మరియు ఈ అత్యంత క్లిష్టమైన పద్ధతులను వివరించడానికి "డేటా ఆబ్జెక్ట్ స్టోరేజ్" అనే పదాన్ని ఉపయోగిస్తారు. వాస్తవానికి, అయితే, ఈ నిబంధనలు పనిలో ఉన్న వాటిని వివరించే పరంగా ఉపరితలంపై కూడా గీతలు పడవు.

వ్యక్తిగతంగా, GFS వంటి వ్యవస్థను రూపొందించే లక్షణాలు మరియు భాగాలు ఇకపై విచ్ఛిన్నం కాకపోవచ్చు, కానీ అవి సంక్లిష్టంగా ఉంటాయి. వాటిలో చాలా క్రొత్త, ఎల్లప్పుడూ ఆన్, ఎల్లప్పుడూ కనెక్ట్ అయిన గ్లోబల్ ఐటి వ్యవస్థకు పునాదిలో భాగమైన సాపేక్షంగా కొత్త ఆవిష్కరణలుగా ఈ సైట్‌లో ఉన్నాయి. సమిష్టిగా, GFS వంటి వ్యవస్థ దాని భాగాల మొత్తం కంటే చాలా ఎక్కువ: ఇది చాలావరకు కనిపించని, కానీ చాలా సంక్లిష్టమైన నెట్‌వర్క్, ఇది వ్యక్తిగత డేటా ముక్కలతో ఈ విధంగా విసిరివేయబడుతుంది మరియు ఈ ప్రక్రియలో, దృశ్యమానంగా పూర్తిగా మోడల్ చేయబడితే, గందరగోళంగా కనిపిస్తుంది. డేటా మొత్తం ఎక్కడికి వెళుతుందో అర్థం చేసుకోవడానికి చాలా శక్తి మరియు నిబద్ధత అవసరం, ఎందుకంటే ఈ వ్యవస్థల యుద్ధ కేంద్రాలను నిర్వహించే వారు వెంటనే అంగీకరిస్తారు.


"బాహ్య మరియు అంతర్గత విచ్ఛిన్నం, లాగ్-బేస్డ్ వర్సెస్ ఇన్-ప్లేస్ అప్‌డేట్స్ మరియు లావాదేవీల అనుగుణ్యత స్థాయిలతో సహా - వినియోగం యొక్క రంగాలపై తీవ్ర ప్రభావం చూపే చాలా వివరాలు ఉన్నాయి - ఇది ఒకే క్లుప్తమైన వాక్యంలో పనిచేసే విధానాన్ని సంగ్రహించడానికి , "అని సాన్బోలిక్ యొక్క CEO మరియు సహ వ్యవస్థాపకుడు మోమ్చిల్ మైఖైలోవ్ చెప్పారు.

"పంపిణీ చేయబడిన ఫైల్ సిస్టమ్ అనేది స్థానిక పేరు ఖాళీలు మరియు పాల్గొనే నోడ్‌ల యొక్క ఖాళీ స్థలాల పంపిణీ అగ్రిగేటర్, లేదా పంపిణీ చేయబడిన లాక్ మేనేజర్ భాగం సహాయంతో భాగస్వామ్య నిల్వను ప్రాప్యత చేసే బహుళ నోడ్‌లలో పనిచేసే స్థానిక ఫైల్ సిస్టమ్" అని ఆయన చెప్పారు.

కెర్రీ లెబెల్ ఆటోమిక్ వద్ద సీనియర్ ప్రొడక్ట్ మేనేజర్, దాని స్కేలబుల్ ఆటోమేషన్ ప్లాట్‌ఫామ్‌లకు ప్రసిద్ధి చెందింది. తక్కువ ఖర్చుతో కూడిన హార్డ్‌వేర్ ముక్కలతో జతచేయబడిన సర్వర్‌లకు పనిభారాన్ని కేటాయించే వ్యవస్థగా DFS ను వర్ణించడం ఖచ్చితమైనది అని లెబెల్ చెప్పారు, ఇది మొత్తం కథను నిజంగా చెప్పదు.

బగ్స్ లేవు, ఒత్తిడి లేదు - మీ జీవితాన్ని నాశనం చేయకుండా జీవితాన్ని మార్చే సాఫ్ట్‌వేర్‌ను రూపొందించడానికి స్టెప్ గైడ్ ద్వారా మీ దశ

సాఫ్ట్‌వేర్ నాణ్యత గురించి ఎవరూ పట్టించుకోనప్పుడు మీరు మీ ప్రోగ్రామింగ్ నైపుణ్యాలను మెరుగుపరచలేరు.

"మీరు తప్పిపోయేది అన్ని మంచి కారకాలు ఎలా వారు చేసేది వారు చేస్తారు "అని లెబెల్ చెప్పారు.

మీరు సాంకేతిక వివరాల నుండి వైదొలిగినప్పుడు మరియు పంపిణీ చేయబడిన ఫైల్ సిస్టమ్ వెనుక ఉన్న ప్రాథమిక ఆలోచన గురించి ఆలోచించినప్పుడు, లెబెల్ మాట్లాడే "కూల్ ఫ్యాక్టర్" స్పష్టంగా కనిపిస్తుంది. ఈ పెద్ద డేటా హ్యాండ్లింగ్ వ్యవస్థలు పాత ఫైల్ / ఫోల్డర్ సిస్టమ్‌లను బహుళ డెలివరీ సిస్టమ్‌లను మాత్రమే కాకుండా, "ఆబ్జెక్ట్ ఓరియెంటెడ్" విధానాన్ని కలిగి ఉన్న నిర్మాణాలతో భర్తీ చేస్తాయి, ఇక్కడ అడ్డంకులను నివారించడానికి అధిక సంఖ్యలో యూనిట్లు ఇక్కడ మరియు అక్కడ అరికట్టబడతాయి.

ఉదాహరణకు, అత్యాధునిక రహదారి వ్యవస్థ గురించి ఆలోచించండి, ఇక్కడ వందల వేల కార్లు కేవలం ఒక బహుళస్థాయిని నేరుగా నడపడం లేదు, కానీ చక్కగా చిన్న క్లోవర్ ఆకు లేదా ఆక్స్‌బో ఉపనదుల్లోకి దూసుకుపోతాయి, వీటిని చుట్టూ తిప్పడం మరియు పంపడం వివిధ మార్గాల్లో వారి గమ్యస్థానాలకు. ఆకాశం నుండి, ప్రతిదీ స్విస్ గడియారం వలె కొరియోగ్రాఫ్ చేసినట్లు కనిపిస్తుంది. బహుళ-శ్రేణి డేటా కంటెమెంట్ స్కీమా యొక్క వివిధ స్థాయిలకు "తన్నడం" ద్వారా పరిమితుల చుట్టూ సమాచారాన్ని మార్గనిర్దేశం చేసేందుకు ఇంజనీర్లు కొత్త మార్గాలను కలలుగన్నప్పుడు వారు చూసే దృశ్య నమూనా. స్పెక్స్‌ను పక్కన పెడితే, ఇది హ్యాండ్లింగ్ సిస్టమ్ యొక్క ఉన్నత-స్థాయి లక్ష్యం: ఆ స్వయంచాలక వస్తువులను వాటి ఎంబెడెడ్ మెటాడేటాతో అత్యధిక వేగంతో వారు ఎక్కడికి వెళ్లాలి, స్థిరమైన లక్ష్యాలను చేరుకోవడం, తుది వినియోగదారుని సంతృప్తిపరచడం లేదా ఉన్నత స్థాయి పరిశీలన లేదా విశ్లేషణకు తెలియజేయడానికి కూడా.

కోర్ టెక్నాలజీని పరిశీలించండి

ఆర్స్ టెక్నికాలో కనిపించిన సీన్ గల్లాఘర్ యొక్క వ్యాసం GFS రూపకల్పనను కొంతవరకు నిర్వహించదగిన భాగాలుగా విడదీస్తుంది మరియు గూగుల్ వద్ద షీట్ క్రింద ఉన్నదాని గురించి సూచిస్తుంది.

డేటా చదవడం మరియు వ్రాయడం కోసం పునరావృత మరియు తప్పు తట్టుకునే నమూనాతో GFS ప్రారంభమవుతుంది. ఇక్కడ ఉన్న ఆలోచన ఏమిటంటే, ఒకే డ్రైవ్‌కు నిర్దిష్ట నవీకరణను వ్రాయడానికి బదులుగా, కొత్త వ్యవస్థలు బహుళ గమ్యస్థానాలకు డేటా భాగాలను వ్రాస్తాయి. ఆ విధంగా, ఒక వ్రాత విఫలమైతే, ఇతరులు అలాగే ఉంటారు. దీనికి అనుగుణంగా, ఒక ప్రాధమిక నెట్‌వర్క్ భాగం ఇతర సబార్డినేట్ యూనిట్లకు డేటా నిర్వహణను చేస్తుంది, క్లయింట్ దాని కోసం "కాల్" చేసినప్పుడు డేటాను తిరిగి కలుపుతుంది. ఇవన్నీ మెటాడేటా ప్రోటోకాల్ ద్వారా సాధ్యమయ్యాయి, ఇది కొన్ని నవీకరణలు మరియు ప్రసార ఫలితాలు ఎక్కువ వ్యవస్థలో ఎక్కడ ఉన్నాయో గుర్తించడానికి సహాయపడుతుంది.

దీని యొక్క మరొక చాలా ముఖ్యమైన అంశం ఏమిటంటే, ఈ నకిలీ-భారీ వ్యవస్థలు డేటా స్థిరత్వాన్ని ఎలా అమలు చేస్తాయి. గల్లాఘర్ చెప్పినట్లుగా, GFS డిజైన్ "అణుత్వాన్ని అమలు చేస్తున్నప్పుడు" కొంత స్థిరత్వాన్ని త్యాగం చేస్తుంది లేదా కాలక్రమేణా సరిపోలడానికి బహుళ నిల్వ యూనిట్లలో డేటా ఎలా నవీకరించబడుతుంది అనే సూత్రాన్ని కాపాడుతుంది. గూగుల్ యొక్క "రిలాక్స్డ్ కన్సిస్టెన్సీ మోడల్" బేస్ మోడల్ యొక్క ముఖ్యమైన సిద్ధాంతాన్ని అనుసరిస్తున్నట్లు అనిపిస్తుంది, ఇది స్థిరత్వం అమలు కోసం ఎక్కువ సమయం కోసం ప్రతిఫలంగా మరింత సౌలభ్యాన్ని అందిస్తుంది.

ఇతర పెద్ద వ్యవస్థలు దీన్ని ఎలా సాధిస్తాయి?

"తగినంత పెద్ద స్థాయికి చేరుకున్నప్పుడు, డేటాకు అసమానతలు లేదా అవినీతులు అనివార్యం అవుతాయి" అని మైఖైలోవ్ చెప్పారు. "అందువల్ల, పంపిణీ చేయబడిన ఫైల్ సిస్టమ్స్ యొక్క ప్రాధమిక లక్ష్యం అవినీతి సమక్షంలో సాధ్యమైనంత ఎక్కువ కార్యకలాపాలను నిర్వహించగల సామర్థ్యం, ​​అదే సమయంలో అవినీతిని ఒకేసారి ఎదుర్కోవటానికి సమర్థవంతమైన పద్ధతులను అందిస్తుంది." రిడెండెన్సీని జాగ్రత్తగా అమలు చేయడం ద్వారా పనితీరును కాపాడుకోవలసిన అవసరాన్ని మైఖైలోవ్ పేర్కొన్నాడు.

"ఉదాహరణకు, ప్రతి డిస్క్‌లో మెటాడేటా (డేటా గురించి డేటా) సృష్టించడం వలన ఆ డిస్క్ దాని అద్దం కాపీ పాడైతే దాని సరైన డేటా నిర్మాణాన్ని పునర్నిర్మించడానికి వీలు కల్పిస్తుంది" అని మైఖైలోవ్ చెప్పారు. "అదనంగా, ఫైల్ సిస్టమ్ అగ్రిగేటర్ లేదా షేర్డ్ వాల్యూమ్ మేనేజర్ స్థాయిలలో నిల్వ వైఫల్యాలను ఎదుర్కోవడానికి RAID స్థాయిలను ఉపయోగించవచ్చు."

మరొక అనుగుణ్యత నమూనాను చర్చించడంలో, లెబెల్ హడూప్ డిస్ట్రిబ్యూటెడ్ ఫైల్ సిస్టమ్ (HDFS) అని పిలువబడే ఒక వ్యవస్థపై దృష్టి పెడుతుంది, దీనిని అతను "ఇండస్ట్రీ డి-ఫాక్టో స్టాండర్డ్" అని పిలుస్తాడు.

హెచ్‌డిఎఫ్‌ఎస్‌లో, ప్రతి డేటా బ్లాక్ మూడుసార్లు వేర్వేరు నోడ్‌లపై మరియు రెండు వేర్వేరు రాక్‌లపై ప్రతిబింబిస్తుంది. డేటా ఎండ్-టు-ఎండ్ తనిఖీ చేయబడుతుంది. డేటా హ్యాండ్లర్ అయిన నేమ్‌నోడ్‌కు వైఫల్యాలు నివేదించబడతాయి, అవి అవినీతి బ్లాక్‌లను వదిలించుకుంటాయి మరియు క్రొత్త వాటిని సృష్టిస్తాయి.

ఇవన్నీ ఈ మాస్ డేటా సిస్టమ్స్ యొక్క సమగ్రతకు చాలా ముఖ్యమైన "క్లీన్ డేటా" రకాలను సమర్థిస్తాయి.

DFS ను నిర్వహించడం

వైర్డ్ రచయిత స్టీవెన్ లెవీ రాసిన అక్టోబర్ 2012 వ్యాసం నుండి GFS గురించి మరొక భిన్నమైన రూపం వచ్చింది. గూగుల్ యొక్క సామూహిక టాప్-డౌన్ నెట్‌వర్క్ నిర్వహణ కోసం సాఫ్ట్‌వేర్ విధానాన్ని వర్గీకరించడంలో ఇది చాలా సంక్షిప్తమైంది.

"సంవత్సరాలుగా, గూగుల్ తన లెక్కలేనన్ని సర్వర్లను ఒక పెద్ద సంస్థలాగా నిర్వహించడానికి అనుమతించే ఒక సాఫ్ట్‌వేర్ వ్యవస్థను కూడా నిర్మించింది. దాని అంతర్గత డెవలపర్లు తోలుబొమ్మ మాస్టర్స్ లాగా వ్యవహరించవచ్చు, వేలాది కంప్యూటర్లను పంపించడానికి ఒకే యంత్రాన్ని నడుపుతున్నంత సులభంగా పనులు. "

ఇలా చేయడం వల్ల సర్వర్ వ్యవస్థలను "విచ్ఛిన్నం" చేయడానికి ప్రయత్నిస్తున్న అంకితమైన పరీక్ష బృందాల నుండి, డేటా క్రిప్ట్ యొక్క హాళ్ళలో జాగ్రత్తగా నియంత్రించబడే ఉష్ణోగ్రతల వరకు టన్నుల సైబర్ ఆధారిత మరియు పర్యావరణ నిర్వహణ ఉంటుంది.

మ్యాప్ రిడ్యూస్, క్లౌడ్ అప్లికేషన్ సాధనం మరియు GFS తో కొన్ని డిజైన్ సూత్రాలను పంచుకునే అనలిటిక్స్ ఇంజిన్ అయిన హడూప్ వంటి GFS కోసం అనుబంధ సాంకేతికతలను కూడా లెవీ పేర్కొంది. ఈ సాధనాలు ఎంత పెద్ద డేటా సెంటర్ హ్యాండ్లింగ్ సిస్టమ్స్ రూపకల్పన చేయబడతాయి మరియు భవిష్యత్తులో ఏమి ఉద్భవించగలవు అనే దానిపై వారి స్వంత ప్రభావాన్ని చూపుతాయి. (ది ఎవల్యూషన్ ఆఫ్ బిగ్ డేటాలో ఈ టెక్నాలజీల గురించి మరింత తెలుసుకోండి.)

మ్యాప్‌రెడ్యూస్ ఎప్పటికన్నా ఎక్కువ డేటా సెంటర్ సిస్టమ్‌లకు మద్దతు ఇవ్వగలదని మైఖైలోవ్ అభిప్రాయపడ్డారు, మరియు షేర్డ్ మరియు అగ్రిగేటెడ్ ఫైల్ సిస్టమ్స్ యొక్క "సింగిల్ ఇంప్లిమెంటేషన్" గురించి మాట్లాడుతారు, ఇది "సమగ్ర ఫైల్ సిస్టమ్ యొక్క నేమ్ నోడ్‌లను నిల్వ కోసం ఎస్‌ఎస్‌డిలతో షేర్డ్ క్లస్టర్‌లో ఉంచగలదు. . "

తన వంతుగా, లెబెల్ బ్యాచ్ ప్రాసెసింగ్ (హడూప్-మద్దతు ఉన్న పద్ధతి) నుండి స్ట్రీమ్ ప్రాసెసింగ్‌కు దూరంగా ఉండడాన్ని చూస్తాడు, ఇది ఈ డేటా కార్యకలాపాలను నిజ సమయానికి దగ్గరగా తీసుకువస్తుంది.

"మేము ఎంత వేగంగా డేటాను ప్రాసెస్ చేయగలము మరియు దానిని వ్యాపార నిర్ణయాధికారులకు లేదా మా కస్టమర్లకు అందుబాటులో ఉంచగలము, అక్కడ పోటీతత్వ ప్రయోజనం ఎక్కువగా ఉంటుంది" అని లెబెల్ చెప్పారు, పై ప్రాసెసింగ్ పరిభాషను భర్తీ చేసే పదాలతో భర్తీ చేయమని సూచించిన లెబెల్ తుది వినియోగదారుడు. "సింక్రోనస్" కార్యకలాపాలు, లేదా తుది-వినియోగదారు చర్యలతో సమకాలీకరించబడిన కార్యకలాపాలు మరియు అమలు పరంగా మరింత సరళమైన "అసమకాలిక" కార్యకలాపాల గురించి ఆలోచించడం ద్వారా, ఇచ్చిన సేవా వ్యవస్థ ఎలా పనిచేస్తుందో నిర్వచించడానికి కంపెనీలు SLA లు మరియు ఇతర వనరులను ఉపయోగించవచ్చని లెబెల్ చెప్పారు. .

ఇవన్నీ ఒక కోణంలో చెప్పాలంటే, డెవలపర్లు మరియు ఇంజనీర్లు తమ క్లాసిక్, 1990 ల నాటి ఆర్కిటైప్‌లకు మించి పెరిగిన ప్లాట్‌ఫారమ్‌లపై సేవలను వేగవంతం చేయడానికి మరియు మెరుగుపరచడానికి నిరంతరం కృషి చేయాలి. డేటా యొక్క యంత్రాంగాన్ని విమర్శనాత్మకంగా చూడటం మరియు పెరుగుతున్న జనాభాకు మాత్రమే మద్దతు ఇచ్చే మార్గాల్లో అడ్డంకులను అధిగమించడం, కానీ పండితులు "తదుపరి పారిశ్రామిక విప్లవం" అని పిలుస్తున్న బ్రేక్-నెక్ వేగంతో జరుగుతున్న ఘాతాంక మార్పు. ఈ రంగాల్లో ఎక్కువ స్థలాన్ని విచ్ఛిన్నం చేసే వారు భవిష్యత్ మార్కెట్లు మరియు ఆర్థిక వ్యవస్థలలో ఆధిపత్యం చెలాయించే అవకాశం ఉంది.