Perkenalan
Data datang dalam segala bentuk dan ukuran, dan dapat digunakan untuk sejumlah besar tujuan. Banyak organisasi menggunakan database relasional untuk menyimpan data ini. Namun, model relasional mungkin bukan skema yang paling tepat. Struktur data mungkin terlalu bervariasi untuk dengan mudah memodelkan sebagai satu set tabel relasional. Misalnya, data mungkin berisi item seperti video, audio, gambar, informasi temporal, volume besar teks gratis, informasi terenkripsi, atau jenis data lain yang tidak relasional secara inheren. Selain itu, persyaratan pemrosesan data mungkin tidak paling cocok dengan mencoba mengubah data ini ke dalam format relasional. Dalam situasi ini, mungkin lebih baik menggunakan repositori non-relasional yang dapat menyimpan data dalam format aslinya, tetapi yang memungkinkan penyimpanan cepat dan akses pengambilan ke data ini.
Misalkan Anda seorang insinyur data yang bekerja di Contoso, sebuah organisasi dengan operasi manufaktur besar. Organisasi harus mengumpulkan dan menyimpan informasi dari berbagai sumber, seperti data real-time yang memantau status mesin lini produksi, data kontrol kualitas produk, log produksi historis, volume produk dalam stok, dan data persediaan bahan baku. Informasi ini sangat penting untuk operasi organisasi. Anda telah diminta untuk menentukan cara terbaik untuk menyimpan informasi ini, sehingga dapat disimpan dengan cepat, dan mudah ditanyakan.
Jelajahi penyimpanan Azure Table
Azure Table Storage mengimplementasikan model key-value NoSQL. Dalam model ini, data untuk item disimpan sebagai satu set bidang, dan item diidentifikasi oleh kunci yang unik.
Apa itu Azure Table Storage?
Azure Table Storage adalah toko nilai kunci yang dapat diskalakan yang disimpan di cloud. Anda membuat tabel menggunakan akun penyimpanan Azure.
Dalam tabel Penyimpanan Tabel Azure, item disebut sebagai baris,dan bidang dikenal sebagai kolom. Namun, jangan biarkan terminologi ini membingungkan Anda dengan berpikir bahwa tabel Penyimpanan Tabel Azure seperti tabel dalam database relasional. Tabel Azure memungkinkan Anda menyimpan data semi-terstruktur. Semua baris dalam tabel harus memiliki kunci, tetapi selain itu kolom di setiap baris dapat bervariasi. Tidak seperti database relasional tradisional, tabel Azure Table Storage tidak memiliki konsep hubungan, prosedur tersimpan, indeks sekunder, atau kunci asing. Data biasanya akan didenormalisasi, dengan setiap baris memegang seluruh data untuk entitas logis. Misalnya, tabel yang menyimpan informasi pelanggan mungkin menyimpan nama depan, nama belakang, satu atau lebih nomor telepon, dan satu atau lebih alamat untuk setiap pelanggan. Jumlah bidang di setiap baris bisa berbeda, tergantung pada jumlah nomor telepon dan alamat untuk setiap pelanggan, dan rincian yang dicatat untuk setiap alamat. Dalam database relasional, informasi ini akan dibagi di beberapa baris dalam beberapa tabel. Dalam contoh ini, menggunakan Azure Table Storage menyediakan akses yang jauh lebih cepat ke detail pelanggan karena data tersedia dalam satu baris, tanpa mengharuskan Anda melakukan bergabung lintas hubungan.
Untuk membantu memastikan akses cepat, Azure Table Storage membagi tabel menjadi partisi. Partisi adalah mekanisme untuk mengelompokkan baris terkait, berdasarkan properti umum atau kunci partisi. Baris yang berbagi kunci partisi yang sama akan disimpan bersama. Partisi tidak hanya membantu mengatur data, tetapi juga dapat meningkatkan skalabilitas dan kinerja:
Partisi independen satu sama lain, dan dapat tumbuh atau menyusut saat baris ditambahkan ke, atau dihapus dari, partisi. Tabel dapat berisi sejumlah partisi.
Ketika Anda mencari data, Anda dapat menyertakan kunci partisi dalam kriteria pencarian. Ini membantu mempersempit volume data yang akan diperiksa, dan meningkatkan kinerja dengan mengurangi jumlah I / O (membaca dan menulis) yang diperlukan untuk menemukan data.
Kunci dalam tabel Penyimpanan Tabel Azure terdiri dari dua elemen; kunci partisi yang mengidentifikasi partisi yang berisi baris (seperti yang dijelaskan di atas), dan tombol baris yang unik untuk setiap baris dalam partisi yang sama. Item dalam partisi yang sama disimpan dalam urutan kunci baris. Jika aplikasi menambahkan baris baru ke tabel, Azure memastikan bahwa baris ditempatkan dalam posisi yang benar dalam tabel. Dalam contoh di bawah ini, diambil dari skenario IoT, kunci baris adalah nilai tanggal dan waktu.
Skema ini memungkinkan aplikasi untuk dengan cepat melakukan kueri Titik yang mengidentifikasi satu baris, dan kueri Rentang yang mengambil blok baris yang bersebelahan dalam partisi.
Dalam kueri titik, ketika aplikasi mengambil satu baris, tombol partisi memungkinkan Azure untuk dengan cepat mengasah partisi yang benar, dan tombol baris memungkinkan Azure mengidentifikasi baris di partisi itu. Anda mungkin memiliki ratusan juta baris, tetapi jika Anda telah menentukan kunci partisi dan baris dengan hati-hati ketika Anda merancang aplikasi Anda, pengambilan data bisa sangat cepat. Kunci partisi dan kunci baris secara efektif mendefinisikan indeks berkerumun di atas data.
Dalam kueri rentang, aplikasi mencari satu set baris dalam partisi, menentukan titik mulai dan akhir set sebagai tombol baris. Jenis kueri ini juga sangat cepat, selama Anda telah merancang kunci baris Sesuai dengan persyaratan kueri yang dilakukan oleh aplikasi Anda.
Kolom dalam tabel dapat menyimpan data numerik, string, atau biner hingga ukuran 64 KB. Tabel dapat memiliki hingga 252 kolom, selain dari tombol partisi dan baris. Ukuran baris maksimum adalah 1 MB. Untuk informasi lebih lanjut, baca Memahami model data layanan Tabel.
Menggunakan kasus dan manfaat manajemen menggunakan Azure Table Storage
Azure Table Storage tables adalah schemaless. Sangat mudah untuk menyesuaikan data Anda saat kebutuhan aplikasi Anda berkembang. Anda dapat menggunakan tabel untuk menyimpan kumpulan data fleksibel seperti data pengguna untuk aplikasi web, buku alamat, informasi perangkat, atau jenis metadata lain yang dibutuhkan layanan Anda. Bagian yang penting adalah memilih tombol partisi dan baris dengan hati-hati.
Keuntungan utama menggunakan tabel Azure Table Storage dibandingkan cara lain untuk menyimpan data meliputi:
- Lebih mudah untuk skala. Dibutuhkan waktu yang sama untuk memasukkan data dalam tabel kosong, atau tabel dengan miliaran entri. Akun penyimpanan Azure dapat menyimpan hingga 5 PB data.
- Tabel dapat menyimpan data semi-terstruktur
- Tidak perlu memetakan dan memelihara hubungan kompleks yang biasanya diperlukan oleh database relasional yang dinormalisasi.
- Penyisipan baris cepat
- Pengambilan data cepat, jika Anda menentukan tombol partisi dan baris sebagai kriteria kueri
Ada kerugian untuk menyimpan data dengan cara ini, termasuk:
- Konsistensi perlu dipertimbangkan karena pembaruan transaksional di beberapa entitas tidak dijamin.
- Tidak ada integritas referensial; setiap hubungan antar baris perlu dipertahankan secara eksternal ke tabel
- Sulit untuk memfilter dan mengurutkan data non-kunci. Kueri yang dicari berdasarkan bidang non-kunci dapat menghasilkan pemindaian tabel lengkap
Azure Table Storage adalah mekanisme yang sangat baik untuk:
- Menyimpan TBs data terstruktur yang mampu melayani aplikasi skala web. Contohnya termasuk katalog produk untuk aplikasi eCommerce, dan informasi pelanggan, di mana data dapat dengan cepat diidentifikasi dan dipesan oleh kunci komposit. Dalam kasus katalog produk, kunci partisi bisa menjadi kategori produk (seperti alas kaki), dan kunci baris mengidentifikasi produk tertentu dalam kategori itu (seperti sepatu bot panjat).
- Menyimpan dataset yang tidak memerlukan gabungan kompleks, kunci asing, atau prosedur yang disimpan, dan itu dapat didenormalisasi untuk akses cepat. Dalam sistem IoT, Anda dapat menggunakan Azure Table Storage untuk menangkap data sensor perangkat. Setiap perangkat dapat memiliki partisi sendiri, dan data dapat dipesan pada tanggal dan waktu setiap pengukuran ditangkap.
- Menangkap data pencatatan peristiwa dan pemantauan kinerja. Log peristiwa dan informasi kinerja biasanya berisi data yang terstruktur sesuai dengan jenis peristiwa atau ukuran kinerja yang dicatat. Data dapat dipartisi berdasarkan jenis pengukuran peristiwa atau kinerja, dan dipesan berdasarkan tanggal dan waktu yang direkam. Atau, Anda dapat mempartisi data berdasarkan tanggal, jika Anda perlu menganalisis serangkaian peristiwa dan ukuran kinerja yang dipesan secara kronologis. Jika Anda ingin menganalisis data berdasarkan jenis dan tanggal / waktu, maka pertimbangkan untuk menyimpan data dua kali, dipartisi berdasarkan jenis, dan lagi berdasarkan tanggal. Menulis data cepat, dan data statis setelah direkam.
Azure Table Storage dimaksudkan untuk mendukung volume data yang sangat besar, hingga beberapa ratus TBs dalam ukuran. Saat Anda menambahkan baris ke tabel, Azure Table Storage secara otomatis mengelola partisi dalam tabel dan mengalokasikan penyimpanan seperlunya. Anda tidak perlu mengambil langkah tambahan sendiri.
Azure Table Storage menyediakan jaminan ketersediaan tinggi di satu wilayah. Data untuk setiap tabel direplikasi tiga kali dalam wilayah Azure. Untuk peningkatan ketersediaan, tetapi dengan biaya tambahan, Anda dapat membuat tabel dalam penyimpanan geo-redundan. Dalam hal ini, data untuk setiap tabel direplikasi tiga kali lebih lanjut di wilayah lain beberapa ratus mil jauhnya. Jika replika di wilayah setempat menjadi tidak tersedia, Azure akan secara transparan beralih ke replika yang berfungsi saat replika yang gagal dipulihkan. Jika seluruh wilayah terkena pemadaman, tabel Anda aman di wilayah terpencil, dan Anda dapat dengan cepat mengalihkan aplikasi Anda untuk terhubung ke wilayah terpencil itu.
Azure Table Storage membantu melindungi data Anda. Anda dapat mengonfigurasi kontrol akses keamanan dan berbasis peran untuk memastikan bahwa hanya orang atau aplikasi yang perlu melihat data Anda yang benar-benar dapat mengambilnya.
Membuat dan menampilkan tabel menggunakan portal Azure
Cara termudah untuk membuat tabel di Azure Table Storage adalah dengan menggunakan portal Azure. Ikuti langkah-langkah berikut:
Masuk ke portal Azure menggunakan akun Azure Anda.
Pada halaman beranda portal Azure, pilih +Buat sumber daya.
Pada halaman Baru, pilih Akun penyimpanan - gumpalan, file, tabel, antrian
Pada halaman Buat akun penyimpanan, masukkan detail berikut, lalu pilih Tinjau + buat.
Pada halaman validasi, klik Buat, dan tunggu saat akun penyimpanan baru dikonfigurasi.
Saat halaman penyebaran Anda selesai muncul, pilih Buka sumber daya.
Pada halaman Gambaran Umum untuk akun penyimpanan baru, pilih Tabel.
Pada halaman Tabel, pilih + Tabel.
Dalam kotak dialog Tambahkan tabel, masukkantable uji untuk nama tabel, lalu pilih OK.
Saat tabel baru dibuat, pilih Storage Explorer.
Pada halaman Storage Explorer, perluas Tabel,lalu pilih testtable. Pilih Tambahkan untuk menyisipkan entitas baru ke dalam tabel.
Dalam kotak dialog Tambahkan Entitas, masukkan nilai Anda sendiri untuk properti PartitionKey dan RowKey, lalu pilih Tambahkan Properti. Tambahkan properti String yang disebut Nama dan atur nilai ke nama Anda. Pilih Tambahkan Properti lagi, dan tambahkan properti Ganda (ini numerik) bernama Age,dan atur nilainya ke usia Anda. Pilih Sisipkan untuk menyimpan entitas.
Verifikasi bahwa entitas baru telah dibuat. Entitas harus berisi nilai yang Anda tentukan, bersama dengan timestamp yang berisi tanggal dan waktu entitas dibuat.
Jika waktu memungkinkan, bereksperimenlah dengan membuat entitas tambahan. Tidak semua entitas harus memiliki properti yang sama. Anda dapat menggunakan fungsi Edit untuk memodifikasi nilai dalam entitas, dan menambahkan atau menghapus properti. Fungsi Kueri memungkinkan Anda menemukan entitas yang memiliki properti dengan kumpulan nilai tertentu.
Menjelajahi penyimpanan Azure Blob
Tabel, blob, dan file adalah jenis penyimpanan khusus, yang bertujuan membantu memecahkan masalah tertentu. Membaca dan menulis tabel adalah tugas yang sangat berbeda dibandingkan menyimpan data dalam blob, atau memproses file. Terkadang Anda memerlukan solusi yang lebih umum, yang memungkinkan Anda untuk menyimpan dan mengkueri data dengan lebih mudah, tanpa harus khawatir tentang mekanisme tepat untuk melakukan operasi ini. Di sinilah sistem manajemen database terbukti berguna.
Database relasional menyimpan data dalam tabel relasional, tetapi kadang-kadang struktur yang diberlakukan oleh model ini bisa terlalu kaku, dan sering menyebabkan performa yang buruk, kecuali jika Anda menyediakan waktu khusus untuk menerapkan penyetelan terperinci. Terdapat model-model lain, yang secara kolektif dikenal sebagai database NoSQL. Model-model ini menyimpan data dalam struktur lain, seperti dokumen, grafik, penyimpanan kunci-nilai, dan penyimpanan keluarga kolom.
Apa itu Azure Cosmos DB?
Azure Cosmos DB adalah sistem manajemen database NoSQL multi-model. Cosmos DB mengelola data sebagai set dokumen yang dipartisi. Dokumen adalah kumpulan bidang, yang diidentifikasi dengan kunci. Bidang di setiap dokumen bisa bervariasi, dan sebuah bidang bisa berisi dokumen anak. Banyak database dokumen menggunakan JSON (JavaScript Object Notation) untuk mewakili struktur dokumen. Dalam format ini, bidang dalam dokumen diapit antara kurung kurawal, { dan }, dan setiap bidang dia awalan dengan namanya. Contoh di bawah ini menunjukkan sepasang dokumen yang mewakili informasi pelanggan. Dalam kedua kasus, setiap dokumen pelanggan berisi dokumen anak yang berisi nama dan alamat, tetapi bidang dalam dokumen anak ini berbeda-beda antara satu pelanggan dengan pelanggan lainnya.
## Document 1 ##
{
"customerID": "103248",
"name":
{
"first": "AAA",
"last": "BBB"
},
"address":
{
"street": "Main Street",
"number": "101",
"city": "Acity",
"state": "NY"
},
"ccOnFile": "yes",
"firstOrder": "02/28/2003"
}
## Document 2 ##
{
"customerID": "103249",
"name":
{
"title": "Mr",
"forename": "AAA",
"lastname": "BBB"
},
"address":
{
"street": "Another Street",
"number": "202",
"city": "Bcity",
"county": "Gloucestershire",
"country-region": "UK"
},
"ccOnFile": "yes"
}
Dokumen dapat menampung hingga 2 MB data, termasuk objek biner kecil. Jika Anda perlu menyimpan blob yang lebih besar sebagai bagian dari sebuah dokumen, gunakan penyimpanan Azure Blob, dan tambahkan referensi ke blob dalam dokumen.
Cosmos DB menyediakan API yang memungkinkan Anda mengakses dokumen-dokumen ini menggunakan serangkaian antarmuka yang sangat dikenal.
API yang saat ini didukung Cosmos DB meliputi:
SQL API. Antarmuka ini menyediakan bahasa kueri seperti SQL melalui dokumen, memungkinkan untuk mengidentifikasi dan mengambil dokumen menggunakan pernyataan SELECT. Contoh di bawah ini menemukan alamat untuk pelanggan 103248 dalam dokumen yang ditunjukkan di atas:
SQLSELECT a.address FROM customers a WHERE a.customerID = "103248"Table API. Antarmuka ini memungkinkan Anda menggunakan Azure Table Storage API untuk menyimpan dan mengambil dokumen. Tujuan dari antarmuka ini adalah untuk memungkinkan Anda beralih dari Table Storage ke Cosmos DB tanpa mengharuskan Anda memodifikasi aplikasi yang ada.
MongoDB API. MongoDB adalah database dokumen terkenal lainnya, dengan antarmuka terprogramnya sendiri. Banyak organisasi menjalankan MongoDB secara lokal. Anda dapat menggunakan MongoDB API for Cosmos DB agar aplikasi MongoDB berjalan tanpa perubahan terhadap database Cosmos DB. Anda dapat memigrasikan data dalam database MongoDB ke Cosmos DB yang berjalan di cloud, tetapi terus menjalankan aplikasi Anda yang ada untuk mengakses data ini.
Cassandra API. Cassandra adalah kolom sistem manajemen database keluarga. Ini adalah sistem manajemen database lain yang dijalankan banyak organisasi di tempat. Cassandra API for Cosmos DB menyediakan antarmuka terprogram seperti Cassandra untuk Cosmos DB. Permintaan API Cassandra dipetakan ke permintaan dokumen Cosmos DB. Seperti halnya MongoDB API, tujuan utama Cassandra API adalah untuk memungkinkan Anda memigrasikan dengan cepat database dan aplikasi Cassandra ke Cosmos DB.
Gremlin API. Gremlin API mengimplementasikan antarmuka database grafik ke Cosmos DB. Grafik adalah kumpulan objek data dan hubungan yang diarahkan. Data masih dipegang sebagai sekumpulan dokumen di Cosmos DB, tetapi Gremlin API memungkinkan Anda untuk melakukan kueri grafik melalui data. Menggunakan Gremlin API Anda dapat berjalan melalui objek dan hubungan dalam grafik untuk menemukan semua cara hubungan yang kompleks, seperti "Apa nama hewan peliharaan tuan tanah Sam?" dalam grafik yang ditunjukkan di bawah ini.
Dokumen dalam database Cosmos DB diatur ke dalam kontainer. Dokumen dalam kontainer dikelompokkan bersama ke dalam partisi. Sebuah partisi menampung set dokumen yang memiliki kunci partisi bersama. Anda menunjuk salah satu bidang di dokumen Anda sebagai kunci partisi. Anda harus memilih kunci partisi yang mengumpulkan semua dokumen terkait bersama-sama. Pendekatan ini membantu mengurangi jumlah I/O (bacaan disk) yang mengkueri saat mengambil sekumpulan dokumen untuk entitas tertentu. Misalnya, dalam database dokumen untuk sistem e-niaga yang merekam detail pelanggan dan pesanan yang telah mereka lakukan, Anda dapat mempartisi data berdasarkan ID pelanggan, dan menyimpan pelanggan dan detail pesanan untuk setiap pelanggan dalam partisi yang sama. Guna menemukan semua informasi dan pesanan untuk pelanggan, Anda hanya perlu meminta partisi tunggal itu:
Ada kesamaan yang tidak signifikan antara kontainer Cosmos DB dan tabel dalam penyimpanan Azure Table: dalam kedua kasus, data dipartisi dan dokumen (baris dalam tabel) diidentifikasi dengan ID unik dalam sebuah partisi. Namun, kesamaan hanya sampai di situ. Tidak seperti penyimpanan Azure Table, dokumen dalam partisi Cosmos DB tidak diurutkan berdasarkan ID. Sebaliknya, Cosmos DB mempertahankan indeks terpisah. Indeks ini tidak hanya berisi DOKUMEN, tetapi juga melacak nilai setiap bidang lain di setiap dokumen. Indeks ini dibuat dan dipertahankan secara otomatis. Indeks ini memungkinkan Anda melakukan kueri yang menentukan kriteria yang mereferensikan bidang apa pun dalam sebuah kontainer, tanpa menimbulkan kebutuhan untuk memindai seluruh partisi untuk menemukan data tersebut. Untuk deskripsi terperinci tentang cara kerja pengindeksan Cosmos DB, baca Pengindeksan di Azure Cosmos DB - Gambaran Umum.
Manfaat kasus penggunaan dan manajemen penggunaan Azure Cosmos DB
Cosmos DB adalah sistem manajemen database yang sangat terukur. Cosmos DB secara otomatis mengalokasikan ruang dalam kontainer untuk partisi Anda, dan ukuran setiap partisi dapat meningkat hingga 10 GB. Indeks dibuat dan dipertahankan secara otomatis. Hampir tidak ada overhead administratif.
Untuk memastikan ketersediaan, semua database direplikasi dalam satu wilayah. Replikasi ini bersifat transparan, dan failover dari replika yang gagal berlangsung otomatis. Cosmos DB menjamin ketersediaan tinggi 99,99%.
Selain itu, Anda dapat memilih untuk mereplikasi data di seluruh wilayah, dengan biaya tambahan. Fitur ini memungkinkan Anda untuk menempatkan salinan data di mana saja di dunia, dan memungkinkan aplikasi untuk terhubung ke salinan data terdekat, sehingga mengurangi latensi kueri. Semua replika disinkronkan, meskipun mungkin ada jendela kecil saat pembaruan ditransmisikan dan diterapkan. Protokol replikasi multi-master mendukung lima pilihan konsistensi yang terdefinisi dengan baik - kuat, keusangan terikat, sesi, awalan konsisten, dan eventual. Untuk informasi selengkapnya, lihat Tingkat konsistensi di Microsoft Azure Cosmos DB.
Cosmos DB menjamin latensi kurang dari 10 mdtk untuk baca (terindeks) dan tulis pada persentil ke-99, di seluruh dunia. Kemampuan ini memungkinkan penyerapan data yang berkelanjutan dan kueri cepat untuk aplikasi yang sangat responsif.
Cosmos DB disertifikasi untuk berbagai standar kepatuhan. Selain itu, semua data di Cosmos DB dienkripsi saat tidak aktif dan bergerak. Cosmos DB menyediakan otorisasi tingkat baris dan mematuhi standar keamanan yang ketat.
Cosmos DB adalah layanan dasar di Azure. Cosmos DB telah digunakan oleh banyak produk Microsoft untuk aplikasi yang sangat penting dalam skala global, termasuk Skype, Xbox, Microsoft 365, Azure, dan banyak lainnya. Cosmos DB sangat cocok untuk skenario berikut:
IoT dan telematika. Sistem ini biasanya menyerap data dalam jumlah besar dalam semburan aktivitas yang sering terjadi. Cosmos DB dapat menerima dan menyimpan informasi ini dengan sangat cepat. Data selanjutnya dapat digunakan oleh layanan analitik, seperti Azure Machine Learning, Azure HDInsight, dan Power BI. Selain itu, Anda dapat memproses data tersebut secara real-time menggunakan Azure Functions yang dipicu saat data masuk ke dalam database.
Ritel dan pemasaran. Microsoft menggunakan CosmosDB sebagai platform e-niaganya sendiri yang dijalankan sebagai bagian dari Windows Store dan Xbox Live. Platform ini juga digunakan dalam industri ritel untuk menyimpan data katalog dan untuk menyimpan kejadian (event sourcing) dalam alur pemrosesan urutan.
Game. Tingkat database adalah komponen penting dari aplikasi game. Game modern melakukan pemrosesan grafis pada klien seluler / konsol, tetapi mengandalkan cloud untuk memberikan konten yang disesuaikan dan dipersonalisasi seperti statistik dalam game, integrasi media sosial, dan papan peringkat skor tinggi. Game biasanya membutuhkan latensi milidetik satu digit untuk baca dan tulis guna memberikan pengalaman dalam game yang menarik. Database game harus cepat dan dapat menangani lonjakan besar-besaran dalam tingkat permintaan selama peluncuran game baru dan pembaruan fitur.
Aplikasi web dan seluler. Azure Cosmos DB umumnya digunakan dalam aplikasi web dan seluler, dan sangat cocok untuk memodelkan interaksi sosial, berintegrasi dengan layanan pihak ketiga, dan untuk membangun pengalaman pribadi yang kaya. Cosmos DB SDKs dapat digunakan untuk membangun aplikasi iOS dan Android yang kaya menggunakan kerangka kerja Xamarin yang populer.
Komentar
Posting Komentar