डाटा प्लेटफर्महरूको बारेमा सोच्दा सबै उपलब्ध सेवाहरू र वास्तुकला विकल्पहरू विचार गर्न अलि गाह्रो हुन सक्छ।
एक इन्टरप्राइज डाटा प्लेटफर्ममा प्रायः डाटा गोदामहरू, डाटा मोडेलहरू, डाटा लेकहरू, र रिपोर्टहरू हुन्छन्, प्रत्येक एक विशेष उद्देश्य र आवश्यक सीपहरूको सेटको साथ। यसको विपरित, डाटा लेकहाउस भनिने नयाँ डिजाइन विगत केही वर्षहरूमा देखा परेको छ।
डाटा लेक र डाटा गोदाम डाटा व्यवस्थापनको बहुमुखी प्रतिभालाई "डेटा लेकहाउस" डब गरिएको क्रान्तिकारी डाटा भण्डारण वास्तुकलामा जोडिएको छ।
हामी यस पोष्टमा डेटा लेकहाउसको गहिराइमा यसको कम्पोनेन्टहरू, सुविधाहरू, वास्तुकला, र अन्य पक्षहरू सहितको जाँच गर्नेछौं।
डाटा लेकहाउस के हो?
नामले संकेत गरे जस्तै, डेटा लेकहाउस एक नयाँ प्रकारको डाटा आर्किटेक्चर हो जसले डाटा लेकलाई डाटा गोदामसँग संयोजन गर्दछ प्रत्येकका कमजोरीहरूलाई अलग-अलग समाधान गर्न।
संक्षेपमा, लेकहाउस प्रणालीले सस्तो भण्डारण प्रयोग गर्दछ जुन डेटा लेकहरू जस्तै, तिनीहरूको मौलिक रूपहरूमा ठूलो मात्रामा डेटा कायम राख्न। स्टोरको शीर्षमा मेटाडेटा तह थप्दा डेटा संरचना पनि दिन्छ र डेटा गोदामहरूमा पाइने जस्तै डेटा व्यवस्थापन उपकरणहरूलाई सशक्त बनाउँछ।
यसले संगठित, अर्ध-संरचित, र असंरचित डेटाको विशाल मात्रा भण्डार गर्दछ जुन तिनीहरूले तिनीहरूको संगठनमा प्रयोग गरिएका विभिन्न व्यावसायिक अनुप्रयोगहरू, प्रणालीहरू, र ग्याजेटहरूबाट प्राप्त गर्छन्।
अधिकांश समय, डाटा लेकहरूले खुला, जेनेरिक फाइल ढाँचाहरूमा डाटा भण्डारण गर्न फाइल एप्लिकेसन प्रोग्रामिङ इन्टरफेस (API) सँग कम लागतको भण्डारण पूर्वाधार प्रयोग गर्दछ।
यसले धेरै टोलीहरूलाई एकल प्रणाली मार्फत विभिन्न पहलहरू, जस्तै डेटा विज्ञान, मेशिन सिकाइ, र व्यापार बुद्धि।
विशेषताहरु
- कम लागत भण्डारण। डाटा लेकहाउसले सस्तो वस्तु भण्डारणमा डाटा भण्डारण गर्न सक्षम हुनुपर्दछ, जस्तै गुगल क्लाउड भण्डारण, Azure ब्लब भण्डारण, Amazon सरल भण्डारण सेवा, वा मूल रूपमा ORC वा Parquet प्रयोग गरेर।
- डाटा अप्टिमाइजेसनको लागि क्षमता: डाटा लेआउट अप्टिमाइजेसन, क्यासिङ, र इन्डेक्सिङ डाटाको मूल ढाँचा कायम राख्दा डाटा लेकहाउसले डाटालाई अप्टिमाइज गर्न कसरी सक्षम हुनुपर्छ भन्ने केही उदाहरणहरू हुन्।
- लेनदेन मेटाडेटाको एक तह: आवश्यक कम लागत भण्डारणको शीर्षमा, यसले डेटा गोदाम प्रदर्शनको लागि महत्त्वपूर्ण डेटा व्यवस्थापन क्षमताहरूलाई सक्षम बनाउँछ।
- घोषणात्मक DataFrame API को लागि समर्थन: बहुसंख्यक AI उपकरणहरूले कच्चा वस्तु भण्डार डाटा पुन: प्राप्त गर्न DataFrames प्रयोग गर्न सक्छन्। Declarative DataFrame API को लागि समर्थनले विशेष डाटा विज्ञान वा AI कार्यको प्रतिक्रियामा डाटाको प्रस्तुतीकरण र संरचनालाई गतिशील रूपमा सुधार गर्ने क्षमता बढाउँछ।
- ACID लेनदेनको लागि समर्थन: संक्षिप्त ACID, जुन परमाणु, स्थिरता, अलगाव, र स्थायित्वको लागि खडा हुन्छ, लेनदेन परिभाषित गर्न र डेटाको स्थिरता र निर्भरता सुनिश्चित गर्न एक महत्वपूर्ण घटक हो। यस्तो कारोबार पहिले डाटा गोदामहरूमा मात्र सम्भव थियो, तर लेकहाउसले डेटा लेकहरूसँग तिनीहरूलाई प्रयोग गर्ने विकल्प प्रदान गर्दछ साथै। समवर्ती डाटा पढ्ने र लेख्ने सहित धेरै डाटा पाइपलाइनहरूसँग, यसले पछिल्लोको कम डाटा गुणस्तरको समस्या समाधान गर्दछ।
डाटा लेकहाउसका तत्वहरू
डाटा लेकहाउसको वास्तुकला उच्च स्तरमा दुई मुख्य तहहरूमा विभाजित छ। भण्डारण तहको डाटा सेवन लेकहाउस प्लेटफर्म (अर्थात, डाटा लेक) द्वारा नियन्त्रण गरिन्छ।
डाटा गोदाममा डाटा लोड गर्न वा यसलाई स्वामित्व ढाँचामा रूपान्तरण गर्न आवश्यक बिना, प्रशोधन तहले त्यसपछि उपकरणहरूको दायरा प्रयोग गरेर भण्डारण तहमा डाटा क्वेरी गर्न सक्षम हुन्छ।
त्यसपछि, BI एपहरू, साथै AI र ML प्रविधिहरूले डाटा प्रयोग गर्न सक्छन्। डाटा लेकको अर्थशास्त्र यस डिजाइनद्वारा प्रदान गरिएको छ, तर कुनै पनि प्रशोधन इन्जिनले यो डाटा पढ्न सक्ने हुनाले, व्यवसायहरूसँग प्रणालीहरूको दायराद्वारा विश्लेषणको लागि तयार डाटा पहुँचयोग्य बनाउन स्वतन्त्रता छ। प्रोसेसर प्रदर्शन र लागत दुवै प्रक्रिया र विश्लेषणको लागि यो विधि प्रयोग गरेर सुधार गर्न सकिन्छ।
निम्न ACID (परमाणविकता, स्थिरता, अलगाव, र स्थायित्व) मापदण्डहरू पालन गर्ने डाटाबेस लेनदेनको लागि यसको समर्थनको कारण, वास्तुकलाले धेरै पक्षहरूलाई प्रणाली भित्र एकै साथ डाटा पहुँच गर्न र लेख्न सक्षम बनाउँछ:
- परमाणु यस तथ्यलाई बुझाउँछ कि या त पूर्ण लेनदेन वा कुनै पनि, लेनदेन पूरा गर्दा सफल हुन्छ। घटनामा एक प्रक्रिया अवरुद्ध भएको छ, यसले डेटा हानि वा भ्रष्टाचारबाट बच्न मद्दत गर्दछ।
- सम्मिश्रता ग्यारेन्टी लेनदेन एक अनुमानित, सुसंगत तरिकामा हुन्छ। यसले प्रत्येक डाटा पूर्वनिर्धारित नियमहरू अनुसार वैध छ भनेर सुनिश्चित गरेर डाटाको अखण्डता कायम राख्छ।
- इन्सुलेशन यो सुनिश्चित गर्दछ कि, यो समाप्त नभएसम्म, कुनै पनि लेनदेन प्रणाली भित्र कुनै अन्य लेनदेन द्वारा प्रभावित हुन सक्दैन। यसले धेरै पक्षहरूलाई एकअर्कासँग हस्तक्षेप नगरी एउटै प्रणालीबाट पढ्न र लेख्न अनुमति दिन्छ।
- स्थायित्व लेनदेन समाप्त भएपछि प्रणालीमा भएको डेटामा हुने परिवर्तनहरू विद्यमान रहन्छ भनी ग्यारेन्टी दिन्छ, प्रणाली असफल भएको अवस्थामा पनि। लेनदेन द्वारा ल्याइएका कुनै पनि परिवर्तनहरू सदाको लागि फाइलमा राखिन्छन्।
डाटा लेकहाउस वास्तुकला
डाटाब्रिक्स (उनीहरूको डेल्टा लेक अवधारणाको आविष्कारक र डिजाइनर) र AWS डाटा लेकहाउसको अवधारणाका लागि दुई मुख्य अधिवक्ताहरू हुन्। यसरी हामी लेकहाउसहरूको वास्तुकला लेआउट वर्णन गर्न तिनीहरूको ज्ञान र अन्तरदृष्टिमा भर पर्नेछौं।
डाटा लेकहाउस प्रणालीमा सामान्यतया पाँच तहहरू हुन्छन्:
- इन्जेसन तह
- भण्डारण तह
- मेटाडेटा तह
- API तह
- उपभोग तह
इन्जेसन तह
प्रणालीको पहिलो तह विभिन्न स्रोतहरूबाट डाटा सङ्कलन र भण्डारण तहमा पठाउने जिम्मेवारीमा छ। तहले ब्याच र स्ट्रिमिङ डेटा प्रशोधन क्षमताहरू संयोजन सहित असंख्य आन्तरिक र बाह्य स्रोतहरूमा जडान गर्न धेरै प्रोटोकलहरू प्रयोग गर्न सक्छ।
- NoSQL डाटाबेस,
- फाइल साझेदारी
- CRM अनुप्रयोगहरू,
- वेबसाइटहरू,
- IoT सेन्सर,
- सामाजिक संजाल,
- सेवाको रूपमा सफ्टवेयर (सास) अनुप्रयोगहरू, र
- रिलेशनल डाटाबेस व्यवस्थापन प्रणाली, आदि।
यस बिन्दुमा, डाटा स्ट्रिमिङका लागि Apache Kafka र RDBMSs र NoSQL डाटाबेसहरूबाट डाटा आयात गर्न Amazon Data Migration Service (Amazon DMS) जस्ता कम्पोनेन्टहरू प्रयोग गर्न सकिन्छ।
भण्डारण तह
लेकहाउस आर्किटेक्चर भनेको AWS S3 जस्ता सस्तो वस्तु स्टोरहरूमा वस्तुहरूको रूपमा विभिन्न प्रकारका डाटाहरूको भण्डारणलाई सक्षम पार्नु हो। खुला फाइल ढाँचाहरू प्रयोग गरेर, ग्राहक उपकरणहरूले यी वस्तुहरू सिधै स्टोरबाट पढ्न सक्छन्।
यसले धेरै API हरू र उपभोग तह कम्पोनेन्टहरूलाई समान डेटा पहुँच गर्न र प्रयोग गर्न सम्भव बनाउँछ। मेटाडेटा तहले संरचित र अर्ध-संरचित डेटासेटहरूको लागि स्किमाहरू भण्डारण गर्दछ ताकि कम्पोनेन्टहरूले तिनीहरूलाई डेटा पढ्दा लागू गर्न सकून्।
Hadoop वितरित फाइल प्रणाली (HDFS) प्लेटफर्म, उदाहरणका लागि, क्लाउड रिपोजिटरी सेवाहरू निर्माण गर्न प्रयोग गर्न सकिन्छ जसले कम्प्युटिङ र भण्डारण अन-प्रिमाइसेस विभाजित गर्दछ। लेकहाउस यी सेवाहरूको लागि उपयुक्त छ।
मेटाडेटा तह
मेटाडेटा तह डेटा लेकहाउसको आधारभूत भाग हो जसले यो डिजाइनलाई फरक पार्छ। यो तालमा भण्डारण गरिएका सबै वस्तुहरूको लागि मेटाडाटा (अन्य डेटा टुक्राहरूको बारेमा जानकारी) प्रदान गर्ने एकल क्याटलग हो र प्रयोगकर्ताहरूलाई प्रशासनिक क्षमताहरू प्रयोग गर्न अनुमति दिन्छ जस्तै:
- डाटाबेसको एक सुसंगत संस्करण ACID लेनदेनहरूको लागि समवर्ती लेनदेनहरू द्वारा देखिन्छ;
- क्लाउड वस्तु भण्डार फाइलहरू बचत गर्न क्यासिङ;
- क्वेरी प्रशोधन गति बढाउन अनुक्रमणिका प्रयोग गरेर डेटा संरचना अनुक्रमणिकाहरू थप्दै;
- डाटा वस्तुहरू डुप्लिकेट गर्न शून्य-प्रतिलिपि क्लोनिङ प्रयोग गर्दै; र
- डाटाको निश्चित संस्करणहरू भण्डारण गर्न, आदि, डाटा संस्करण प्रयोग गर्नुहोस्।
थप रूपमा, मेटाडेटा तहले स्कीमा व्यवस्थापनको कार्यान्वयन, तारा/स्नोफ्लेक स्किमाहरू जस्तै DW स्किमा टोपोलोजीहरूको प्रयोग, र डाटा लेकमा सीधा डाटा गभर्नेन्स र अडिटिङ क्षमताको प्रावधान, सम्पूर्ण डाटा पाइपलाइनको अखण्डता बढाउँदै सक्षम बनाउँछ।
स्कीमा विकास र प्रवर्तनका लागि सुविधाहरू स्कीमा व्यवस्थापनमा समावेश छन्। तालिकाको स्कीमा पूरा नगर्ने कुनै पनि लेखहरू अस्वीकार गरेर, स्कीमा प्रवर्तनले प्रयोगकर्ताहरूलाई डेटा अखण्डता र गुणस्तर कायम राख्न सक्षम बनाउँछ।
स्कीमा इभोलुसनले तालिकाको वर्तमान स्कीमालाई परिवर्तन गर्ने डाटा समायोजन गर्न परिमार्जन गर्न अनुमति दिन्छ। डाटा तालको शीर्षमा एकल प्रशासन इन्टरफेसको कारण, त्यहाँ पहुँच नियन्त्रण र लेखा परीक्षण सम्भावनाहरू पनि छन्।
API तह
आर्किटेक्चरको अर्को महत्त्वपूर्ण तह अहिले उपस्थित छ, धेरै API हरू होस्ट गर्दै जुन सबै अन्त प्रयोगकर्ताहरूले छिटो कामहरू गर्न र थप परिष्कृत तथ्याङ्कहरू प्राप्त गर्न प्रयोग गर्न सक्छन्।
मेटाडेटा API को प्रयोगले दिइएको अनुप्रयोगको लागि आवश्यक डेटा वस्तुहरू पहिचान गर्न र पहुँच गर्न सजिलो बनाउँछ।
मेशिन लर्निङ लाइब्रेरीहरूको सन्दर्भमा, तिनीहरूमध्ये केही, जस्तै TensorFlow र Spark MLlib, Parquet जस्ता खुला फाइल ढाँचाहरू पढ्न र मेटाडेटा तहमा सीधै पहुँच गर्न सक्छन्।
एकै समयमा, DataFrame API ले अप्टिमाइजेसनको लागि धेरै अवसरहरू प्रदान गर्दछ, प्रोग्रामरहरूलाई व्यवस्थित गर्न र फैलिएको डाटा परिवर्तन गर्न सक्षम पार्दै।
उपभोग तह
Power BI, Tableau, र अन्य उपकरण र एपहरू उपभोग तह अन्तर्गत होस्ट गरिएका छन्। लेकहाउस डिजाइनको साथ, सबै मेटाडेटा र तालमा राखिएका सबै डाटा ग्राहक एपहरूमा पहुँचयोग्य छन्।
लेकहाउस सबै प्रकारका प्रदर्शन गर्न कम्पनी भित्र सबै प्रयोगकर्ताहरू द्वारा प्रयोग गर्न सकिन्छ विश्लेषणात्मक कार्यहरूव्यापार बुद्धिमत्ता ड्यासबोर्डहरू सिर्जना गर्ने र SQL क्वेरीहरू र मेसिन लर्निङ कार्यहरू चलाउने सहित।
डाटा लेकहाउसका फाइदाहरू
संगठनहरूले आफ्नो हालको डाटा प्लेटफर्मलाई एकताबद्ध गर्न र उनीहरूको सम्पूर्ण डाटा व्यवस्थापन प्रक्रियालाई अनुकूलन गर्न डाटा लेकहाउस सिर्जना गर्न सक्छन्। विभिन्न स्रोतहरू जडान गर्ने साइलो अवरोधहरू भत्काएर, डेटा लेकहाउसले फरक समाधानहरूको आवश्यकतालाई प्रतिस्थापन गर्न सक्छ।
क्युरेट गरिएको डेटा स्रोतहरूको तुलनामा, यो एकीकरणले महत्त्वपूर्ण रूपमा अझ प्रभावकारी अन्त्य-देखि-अन्त प्रक्रिया उत्पादन गर्दछ। यसका धेरै फाइदाहरू छन्:
- कम प्रशासन: कच्चा डाटाबाट डाटा निकाल्नु र यसलाई डाटा गोदाम भित्र प्रयोगको लागि तयार गर्नुको सट्टा, डाटा लेकहाउसले यसमा लिङ्क गरिएका कुनै पनि स्रोतहरूलाई उनीहरूको डाटा उपलब्ध र उपयोगको लागि व्यवस्थित गर्न अनुमति दिन्छ।
- लागत-प्रभावकारिता बढ्यो: डाटा लेकहाउसहरू समकालीन पूर्वाधारहरू प्रयोग गरेर निर्माण गरिन्छ जसले गणना र भण्डारणलाई विभाजन गर्दछ, यसलाई गणना शक्ति नबढाई भण्डारण विस्तार गर्न सजिलो बनाउँछ। सस्तो डाटा भण्डारणको मात्र प्रयोगले स्केलेबिलिटीमा परिणाम दिन्छ जुन लागत-प्रभावी हुन्छ।
- राम्रो डाटा प्रशासन: डेटा लेकहाउसहरू मानकीकृत खुला वास्तुकलाको साथ निर्माण गरिन्छ, सुरक्षा, मेट्रिक्स, भूमिका-आधारित पहुँच, र अन्य महत्त्वपूर्ण व्यवस्थापन घटकहरूमा थप नियन्त्रणको लागि अनुमति दिन्छ। स्रोतहरू र डेटा स्रोतहरू एकीकरण गरेर, तिनीहरूले शासनलाई सरल र बढाउँछन्।
- सरलीकृत मानकहरू: सन् १९८० को दशकमा जडान अत्यधिक प्रतिबन्धित भएको हुनाले, जब डाटा गोदामहरू पहिलो पटक विकास गरिएको थियो, स्थानीयकृत स्कीमा मापदण्डहरू प्रायः व्यवसायहरू, विभागहरूमा पनि विकसित गरिन्थ्यो। डाटा लेकहाउसहरूले यस तथ्यको प्रयोग गर्दछ कि धेरै प्रकारका डाटाहरूसँग अब स्कीमाका लागि खुला मापदण्डहरू छन् प्रक्रियाहरूलाई सुव्यवस्थित गर्न ओभरल्यापिंग समान स्कीमासँग धेरै डाटा स्रोतहरू इन्जेस्ट गरेर।
डाटा लेकहाउसका बेफाइदाहरू
डाटा लेकहाउसहरू वरपरका सबै हुप्लाहरूको बावजुद, यो दिमागमा राख्नु महत्त्वपूर्ण छ कि विचार अझै धेरै नयाँ छ। यस नयाँ डिजाइनमा पूर्ण रूपमा प्रतिबद्ध हुनु अघि बेफाइदाहरू तौल गर्न निश्चित हुनुहोस्।
- मोनोलिथिक संरचना: लेकहाउसको सबै समावेशी डिजाइनले धेरै फाइदाहरू प्रदान गर्दछ, तर यसले केही समस्याहरू पनि खडा गर्छ। मोनोलिथिक वास्तुकलाले प्रायः सबै प्रयोगकर्ताहरूको लागि खराब सेवाको नेतृत्व गर्दछ र कडा र मर्मत गर्न गाह्रो हुन सक्छ। सामान्यतया, आर्किटेक्टहरू र डिजाइनरहरूले धेरै मोड्युलर वास्तुकला मन पराउँछन् जुन उनीहरूले विभिन्न प्रयोगका केसहरूको लागि अनुकूलित गर्न सक्छन्।
- प्रविधि अझै पर्याप्त छैन: अन्तिम लक्ष्यले मेसिन लर्निङ र आर्टिफिसियल इन्टेलिजेन्सको महत्त्वपूर्ण मात्रा समावेश गर्दछ। लेकहाउसहरूले परिकल्पना गरेजस्तै प्रदर्शन गर्न सक्नु अघि, यी प्रविधिहरू थप विकास गर्नुपर्छ।
- अवस्थित संरचनाहरूमा उल्लेखनीय प्रगति छैन: लेकहाउसहरूले वास्तवमा कति धेरै मूल्यवान योगदान गर्नेछन् भन्नेमा अझै पनि पर्याप्त शंका छ। केही आलोचकहरूले तर्क गर्छन् कि उपयुक्त स्वचालित उपकरणहरूसँग ताल-गोदाम डिजाइनले तुलनात्मक दक्षता हासिल गर्न सक्छ।
डाटा लेकहाउसका चुनौतीहरू
डाटा लेकहाउस प्रविधि अपनाउन गाह्रो हुन सक्छ। यसको कम्पोनेन्ट टुक्राहरूको जटिलताका कारण, डाटा लेकहाउसलाई सबै-समावेश गर्ने आदर्श संरचना वा "सबैका लागि एक प्लेटफर्म" को रूपमा हेर्नु गलत छ।
थप रूपमा, डाटा लेकहरूको बढ्दो ग्रहणका कारण, व्यवसायहरूले उनीहरूको हालको डाटा गोदामहरू उनीहरूमा सार्नु पर्ने हुन्छ, कुनै प्रदर्शन आर्थिक लाभ बिना सफलताको प्रतिज्ञामा मात्र भर पर्दै।
यदि स्थानान्तरण प्रक्रिया भरि कुनै विलम्बता समस्या वा आउटेजहरू छन् भने, यो महँगो, समय-उपभोग, र सायद असुरक्षित हुन सक्छ।
व्यापार प्रयोगकर्ताहरूले उच्च विशिष्ट प्रविधिहरू अँगाल्नुपर्छ, निश्चित विक्रेताहरूका अनुसार जुन स्पष्ट रूपमा वा स्पष्ट रूपमा बजार समाधानहरू डाटा लेकहाउसहरूको रूपमा। यी समस्याहरू थप्दै, प्रणालीको केन्द्रमा रहेको डाटा तालमा लिङ्क गरिएका अन्य उपकरणहरूसँग सधैं काम नगर्न सक्छ।
थप रूपमा, व्यापार-महत्वपूर्ण कार्यभारहरू चलाउँदा 24/7 विश्लेषणहरू आपूर्ति गर्न गाह्रो हुन सक्छ, जसले लागत-प्रभावी स्केलेबिलिटीको साथ पूर्वाधारको लागि कल गर्दछ।
निष्कर्ष
हालका वर्षहरूमा डाटा केन्द्रहरूको सबैभन्दा नयाँ विविधता डाटा लेकहाउस हो। यसले विभिन्न क्षेत्रहरू एकीकृत गर्दछ, जस्तै सूचना प्रविधि, खुला स्रोत सफ्टवेयर, क्लाउड कम्प्युटिङ, र वितरित भण्डारण प्रोटोकलहरू।
यसले व्यवसायहरूलाई कुनै पनि स्थानबाट सबै डेटा प्रकारहरू केन्द्रीय रूपमा भण्डारण गर्न सक्षम बनाउँछ, व्यवस्थापन र विश्लेषणलाई सरल बनाउँदै। डाटा लेकहाउस एक सुन्दर चाखलाग्दो अवधारणा हो।
कुनै पनि फर्मसँग एक महत्त्वपूर्ण प्रतिस्पर्धात्मक किनारा हुनेछ यदि यसमा सबै-इन-वन डाटा प्लेटफर्ममा पहुँच छ जुन डाटा गोदाम जत्तिकै छिटो र कुशल थियो जबकि डाटा लेक जत्तिकै लचिलो पनि थियो।
विचार अझै विकसित छ र अपेक्षाकृत नयाँ रहन्छ। नतिजाको रूपमा, यो निश्चित गर्न केहि समय लाग्न सक्छ कि केहि व्यापक हुन सक्छ वा छैन।
लेकहाउस वास्तुकला कुन दिशामा जाँदैछ भन्ने बारे हामी सबै उत्सुक हुनुपर्छ।
जवाफ छाड्नुस्