Projekt db-branch to narzędzie open-source (licencja Apache-2.0), które tworzy „gałęzie” baz MySQL i PostgreSQL na klonach ZFS. Zamiast kopiować dane, wykorzystuje mechanizm copy-on-write: gałąź powstaje w sekundach, a na dysku zapisywane są tylko te bloki, które faktycznie się zmienią. Autorzy opisują trzy główne zastosowania: środowiska testowe dla agentów AI, osobną kopię bazy dla każdego pull requesta oraz sprawdzanie aktualizacji wersji silnika na pojedynczej gałęzi.
Sprawa dotyczy przede wszystkim zespołów DevOps, administratorów baz danych i firm, które utrzymują duże instancje MySQL lub PostgreSQL na własnej infrastrukturze. Jest istotna, bo koszt środowiska testowego z realistycznymi danymi bywa dziś wysoki: pełny dump i odtworzenie bazy zajmują minuty lub godziny, a przy wielu równoległych pipeline’ach szybko rosną wymagania dyskowe. db-branch obiecuje skrócenie tego etapu do sekund przy zerowym kopiowaniu danych w momencie tworzenia gałęzi. Trzeba jednak od razu zaznaczyć: projekt jest w statusie beta, a podane czasy pochodzą wyłącznie od producenta i nie zostały potwierdzone niezależnymi testami.
Co dokładnie deklaruje projekt
Repozytorium GitHub opisuje db-branch jako niezależny projekt open-source „zbudowany od zera”. Rdzeń jest dostępny na licencji Apache-2.0. Wokół niego funkcjonują darmowe moduły w tym samym repozytorium apt (proxysql, greenmask, greenmask-mysql, anon) oraz płatne moduły zamknięte: uwierzytelnianie/SSO, audyt, historia, diff i magazyn FSx. Płatne moduły są hostowane samodzielnie i aktywowane kluczem licencyjnym. Nie istnieje wersja chmurowa ani hostowana.
Zestaw funkcji według dokumentacji producenta:
- tworzenie gałęzi MySQL i PostgreSQL na klonach ZFS, bez kopiowania danych przy tworzeniu;
- reset przywracający gałąź do stanu z chwili utworzenia oraz TTL automatycznie usuwający gałąź po zadanym czasie;
- checkpoint i restore — zapis stanu działającej gałęzi i powrót do niego;
- aktualizacja wersji silnika na pojedynczej gałęzi, z automatycznym checkpointem przed operacją i wycofaniem zmian po nieudanej aktualizacji;
- równoległa instalacja wielu wersji silników (np. MySQL 8.0 i 8.4 obok siebie);
- jeden interfejs API dla CLI, REST API, konsoli webowej i serwera MCP przeznaczonego dla agentów LLM;
- tryb pojedynczego węzła albo klaster Raft z opcjonalnym routingiem ProxySQL, dzięki któremu aplikacje zachowują jeden adres.
Wymagania środowiskowe są wąskie i to jedna z najważniejszych informacji w całym materiale: Ubuntu 24.04 LTS lub 26.04 LTS oraz pula ZFS. Pakiet zfsutils-linux jest instalowany jako zależność. Na macOS i Windows da się uruchomić środowisko testowe przez Multipass, ale w maszynie wirtualnej z Ubuntu i pulą ZFS opartą na pliku — autorzy sami zaznaczają, że taki układ jest wolniejszy i nie nadaje się do prawdziwych danych.
Tło techniczne: dlaczego klon ZFS jest szybki
ZFS to system plików i menedżer wolumenów, w którym dane są zapisywane w sposób umożliwiający wykonywanie migawek (snapshotów) w praktycznie stałym czasie. Migawka nie kopiuje zawartości — zapisuje jedynie informację, że dany zestaw bloków ma pozostać niezmieniony. Klon to zapis do migawki: nowy zestaw danych współdzieli bloki z migawką, dopóki nie zostaną zmodyfikowane. Dopiero modyfikacja bloku powoduje jego skopiowanie (copy-on-write).
W db-branch „baza” (base) to zestaw danych ZFS z wczytaną bazą. Gałąź to klon migawki tej bazy. Utworzenie gałęzi nie przenosi więc żadnych danych — powstaje nowy zestaw danych i uruchamiany jest osobny serwer bazy na własnym porcie. To wyjaśnia, dlaczego operacja może być natychmiastowa: koszt nie zależy od rozmiaru bazy, tylko od operacji metadanych. Koszt pojawia się później, w miarę zapisywania zmian na gałęzi, oraz w pamięci i procesorze potrzebnych do utrzymania kolejnych serwerów bazodanowych.
Warto rozdzielić dwie rzeczy, które łatwo pomylić:
- szybkość tworzenia gałęzi — wynika z natury ZFS i jest przekonująca koncepcyjnie;
- szybkość pracy na gałęzi — zależy od dysku, pamięci, liczby równoległych gałęzi i obciążenia. Tego producent nie kwantyfikuje.
Deklarowane czasy to około 0,5 s dla PostgreSQL i około 3 s dla MySQL, zmierzone na własnym, trzywęzłowym klastrze testowym producenta. To jedyne dostępne dane wydajnościowe w materiale dowodowym. Nie ma informacji o sprzęcie, rozmiarze bazy, liczbie równoległych operacji ani o tym, czy pomiar obejmował gotowość serwera do przyjmowania połączeń. Bez niezależnego benchmarku traktuj te liczby jako orientacyjne, nie jako gwarancję.
Realne konsekwencje dla zespołów
CI i pull requesty
Klasyczny pipeline z bazą testową zwykle odtwarza dump lub korzysta z jednej współdzielonej instancji. Pierwsze podejście jest wolne, drugie prowadzi do konfliktów między równoległymi zadaniami. Model „baza na pull request” eliminuje oba problemy, jeśli środowisko potrafi tanio tworzyć i usuwać instancje. db-branch adresuje to mechanizmem TTL: gałąź znika sama, gdy przestaje być potrzebna. To realna korzyść operacyjna, ale tylko pod warunkiem, że zespół ma już ZFS i dyscyplinę w zarządzaniu cyklem życia środowisk.
Testy migracji i aktualizacji
Opcja upgrade na pojedynczej gałęzi jest ciekawa z punktu widzenia ryzyka. Zespół może sprawdzić przejście np. z MySQL 8.0 na 8.4 na kopii bazy, podczas gdy baza główna i pozostałe gałęzie pozostają bez zmian. Tryb check-only pozwala zobaczyć, na co natrafi aktualizacja, bez jej przeprowadzania. Automatyczny checkpoint przed operacją i wycofanie po niepowodzeniu to sensowne zabezpieczenie. Uwaga: to deklaracja producenta — warto zweryfikować ją we własnym środowisku, zanim uzna się ją za pewnik.
Piaskownice dla agentów
Serwer MCP pozwala agentowi LLM tworzyć gałąź, uruchomić na niej ryzykowną kwerendę lub migrację i usunąć gałąź. Autorzy twierdzą, że „dane produkcyjne nigdy nie są dotykane”. To sformułowanie wymaga ostrożności. Izolacja zależy od konfiguracji: od tego, czy agent ma dostęp wyłącznie do API db-branch, czy także do innych poświadczeń, oraz od uprawnień konta używanego przez gałąź. Sam mechanizm klonów nie chroni przed błędem w polityce dostępu. Bezpieczeństwo agenta trzeba zaprojektować, a nie założyć.
Scenariusze ryzyka
| Ryzyko | Charakter | Jak je ograniczyć |
|---|---|---|
| Status beta i zmiany API przed 1.0 | Potwierdzone w materiale | Nie wdrażać w krytycznej ścieżce produkcyjnej; przypiąć wersję pakietu |
| Wąskie wsparcie systemowe (Ubuntu + ZFS) | Potwierdzone w materiale | Osobny host lub klaster przeznaczony wyłącznie na gałęzie |
| Brak niezależnych benchmarków | Potwierdzone w materiale | Własny test na realistycznym rozmiarze bazy |
| Wyciek danych przez gałęzie i agentów | Interpretacja | Kontrola dostępu, maskowanie danych, limity TTL |
| Wyczerpanie dysku przez narastające zmiany | Interpretacja | Monitoring ZFS, polityka TTL, alerty o zapełnieniu |
| Obciążenie hosta przy wielu równoległych gałęziach | Interpretacja | Limity liczby gałęzi, testy wydajnościowe |
Dwa pierwsze wiersze wynikają wprost z dokumentacji. Pozostałe to wnioski z architektury — nie są potwierdzone przez producenta i należy je traktować jako obszary do własnej weryfikacji.
Jak sprawdzić, czy problem dotyczy Twojej organizacji
Zadaj sobie kilka pytań. Jeśli odpowiedź na większość brzmi „tak”, narzędzie może mieć sens.
- Czy utrzymujesz MySQL lub PostgreSQL na własnych serwerach, a nie wyłącznie w usłudze zarządzanej?
- Czy środowiska testowe powstają przez odtwarzanie dumpu i czy ten etap trwa dłużej niż kilka minut?
- Czy masz wiele równoległych pipeline’ów lub pull requestów, które potrzebują własnej bazy?
- Czy dysponujesz hostami z Ubuntu i możesz wydzielić pulę ZFS?
- Czy testujesz migracje między wersjami silnika i chcesz to robić na kopii danych?
- Czy rozważasz uruchamianie agentów LLM na danych i potrzebujesz izolowanego środowiska?
- Czy zespół jest gotów zaakceptować status beta i możliwe zmiany interfejsu?
Jeśli korzystasz wyłącznie z zarządzanych baz w chmurze i nie kontrolujesz systemu plików, db-branch w obecnej formie nie będzie pasować — wymaga Linuksa i ZFS pod własną kontrolą.
Plan reakcji krok po kroku
Etap 1: ocena bez ryzyka
- Przeczytaj dokumentację i plik OpenAPI, aby ocenić zakres API.
- Uruchom środowisko testowe w maszynie Multipass z Ubuntu 24.04. Autorzy podają polecenie cloud-init, które stawia VM, instaluje db-branch, inicjalizuje pulę ZFS opartą na pliku i wczytuje przykładową bazę shop (MySQL 8.4).
- Sprawdź, czy podstawowe operacje — utworzenie gałęzi, reset, checkpoint, restore, usunięcie — działają zgodnie z opisem.
Etap 2: test na realistycznych danych
- Przygotuj kopię bazy o rozmiarze zbliżonym do produkcyjnej, na osobnym hoście z prawdziwą pulą ZFS.
- Zmierz czas tworzenia gałęzi, czas gotowości do połączeń i zużycie zasobów przy kilku równoległych gałęziach.
- Przetestuj scenariusz aktualizacji wersji z trybem check-only i sprawdź działanie automatycznego wycofania.
- Sprawdź zachowanie przy zapełniającym się dysku i przy przekroczeniu TTL.
Etap 3: decyzja
- Porównaj wyniki z obecnym procesem — czasem i kosztem utrzymania środowisk.
- Ustal, czy status beta jest akceptowalny dla planowanego zastosowania.
- Zaplanuj wdrożenie w środowisku nieprodukcyjnym, z jasnym planem wycofania.
Typowe błędy
- Traktowanie deklarowanych czasów jak gwarancji. 0,5 s i 3 s to pomiary producenta na jego klastrze, bez podanych warunków.
- Wdrożenie bety w krytycznej ścieżce. Dokumentacja wprost ostrzega, że API i szczegóły CLI mogą się zmienić przed 1.0.
- Pomijanie wymogu ZFS. Bez puli ZFS narzędzie nie zadziała; pula oparta na pliku w VM służy tylko do testów.
- Założenie, że MCP automatycznie izoluje agenta. Izolacja zależy od konfiguracji uprawnień, nie od samego mechanizmu klonów.
- Brak polityki TTL i monitoringu dysku. Gałęzie z wieloma zmianami zajmują miejsce; bez sprzątania i alertów łatwo o zapełnienie puli.
- Mylenie modelu licencyjnego. Rdzeń jest otwarty, ale część funkcji (SSO, audyt, historia, diff, FSx) to płatne, zamknięte moduły.
- Zakładanie wsparcia dla innych dystrybucji. Materiał wymienia wyłącznie Ubuntu 24.04 LTS i 26.04 LTS.
Działania krótkoterminowe
- Uruchom środowisko testowe i sprawdź podstawowe operacje.
- Zidentyfikuj jeden pipeline lub jeden typ testu migracji, który mógłby skorzystać z gałęzi.
- Oszacuj obecny koszt czasu i miejsca na środowiska testowe — to punkt odniesienia dla późniejszej oceny.
- Sprawdź, czy zespół ma kompetencje do utrzymania ZFS i Linuksa.
Działania długoterminowe
- Zbuduj osobną infrastrukturę na gałęzie, oddzieloną od baz produkcyjnych.
- Wprowadź politykę cyklu życia gałęzi: domyślne TTL, limity liczby równoległych instancji, monitoring zajętości puli.
- Ustal zasady dostępu dla agentów LLM: osobne konta, ograniczone uprawnienia, maskowanie danych wrażliwych.
- Śledź zmiany w projekcie i zaplanuj ponowną ocenę przy wersji 1.0.
- Rozważ, które płatne moduły są potrzebne, a które da się zastąpić własnymi narzędziami.
Checklista praktyczna
- ☐ Sprawdzono wymagania: Ubuntu 24.04/26.04 LTS i pula ZFS.
- ☐ Uruchomiono środowisko testowe w Multipass.
- ☐ Przetestowano tworzenie, reset, checkpoint, restore i usuwanie gałęzi.
- ☐ Zmierzono czas tworzenia gałęzi na realistycznym rozmiarze bazy.
- ☐ Sprawdzono zachowanie przy wielu równoległych gałęziach.
- ☐ Przetestowano aktualizację wersji z trybem check-only i wycofaniem.
- ☐ Ustalono politykę TTL i monitoringu zajętości dysku.
- ☐ Zdefiniowano uprawnienia dla agentów LLM i zasady maskowania danych.
- ☐ Ustalono plan wycofania i przypięcia wersji pakietu.
- ☐ Zweryfikowano zakres płatnych modułów i koszt licencji.
Co powinien zrobić właściciel firmy / administrator
Właściciel firmy lub osoba decyzyjna: potraktuj db-branch jako narzędzie do obniżenia kosztu środowisk testowych, a nie jako gotowy produkt produkcyjny. Status beta i możliwe zmiany API oznaczają, że wdrożenie w krytycznym procesie wymaga planu wycofania. Zapytaj zespół o realne oszczędności czasu i miejsca oraz o koszt utrzymania infrastruktury ZFS — to zwykle pomijany element kalkulacji. Uwzględnij w budżecie ewentualne płatne moduły, jeśli potrzebne są audyt, SSO lub historia zmian.
Administrator: zacznij od środowiska testowego, nie od produkcji. Sprawdź, czy hosty mają wystarczające zasoby na wiele równoległych serwerów bazodanowych, a nie tylko na klony. Skonfiguruj monitoring puli ZFS i alerty o zapełnieniu. Ustal domyślne TTL dla gałęzi i limity liczby instancji. Dla agentów LLM wydziel osobne konto z minimalnymi uprawnieniami i rozważ maskowanie danych wrażliwych przed udostępnieniem gałęzi. Przypnij wersję pakietu i śledź zmiany w projekcie, zanim zdecydujesz się na szersze wdrożenie.
Wniosek: db-branch rozwiązuje realny problem — tanie, szybkie środowiska testowe z realistycznymi danymi — ale w obecnej formie jest narzędziem dla zespołów z własną infrastrukturą linuksową i gotowością do pracy z betą. Deklaracje wydajności producenta wymagają własnej weryfikacji, a izolacja agentów LLM zależy od konfiguracji, nie od samego mechanizmu klonów.
Weryfikacja praktyczna: jak mierzyć zamiast wierzyć deklaracjom
Dokumentacja projektu podaje konkretne liczby: gałąź PostgreSQL gotowa w około 0,5 s, gałąź MySQL w około 3 s, zero bajtów skopiowanych przy tworzeniu. To pomiary producenta na jego własnym trzywęzłowym klastrze testowym. Nie są to gwarancje dla Twojej infrastruktury. Praktyczna weryfikacja powinna więc odtworzyć te pomiary w warunkach zbliżonych do Twoich, a nie powtarzać cudze wyniki.
Co dokładnie mierzyć i w jakich warunkach
Zanim uruchomisz jakikolwiek test, zapisz warunki wyjściowe: wersję Ubuntu, typ puli ZFS, liczbę i rozmiar dysków, ilość RAM i CPU, rozmiar bazy źródłowej oraz wersję silnika. Bez tego zapisu późniejsze porównania będą bezużyteczne, bo nie będziesz wiedział, co zmieniło wynik.
- Czas tworzenia gałęzi — mierz od wywołania
branch createdo momentu, w którym polecenie zwraca kontrolę. Osobno zmierz czas do pierwszego udanego połączenia przez DSN zwrócony przezbranch dsn. To dwie różne wartości i obie mają znaczenie dla pipeline’u. - Zużycie miejsca po utworzeniu — sprawdź zajętość puli przed i po utworzeniu gałęzi. Zgodnie z opisem mechanizmu copy-on-write na początku nie powinno przybyć danych, ale warto to potwierdzić na własnym ZFS, bo konfiguracja puli wpływa na zachowanie.
- Narzut po zapisie — wykonaj na gałęzi serię zapisów o znanym rozmiarze i ponownie zmierz zajętość puli. To pokaże, jak szybko gałąź zaczyna zajmować realne miejsce i jak planować TTL oraz alerty.
- Czas reset i restore — zmierz
branch resetorazbranch restorez checkpointu. Oba są opisane jako szybkie, ale nie podano dla nich liczb, więc to pole do własnych pomiarów. - Zachowanie przy równoległości — uruchom kilka gałęzi jednocześnie i obserwuj nie tylko czas tworzenia, ale też obciążenie hosta. Każda gałąź to działający serwer bazy danych, nie tylko klon danych.
Test aktualizacji wersji silnika
Tryb branch upgrade --check-only pozwala zobaczyć, na co natrafi aktualizacja, zanim cokolwiek zostanie zmienione. Warto sprawdzić na realistycznej kopii danych, czy raport z trybu check-only pokrywa się z rzeczywistym przebiegiem aktualizacji. Dokumentacja mówi, że przed aktualizacją zapisywany jest checkpoint, a nieudana aktualizacja wycofuje się sama — to zachowanie należy przetestować celowo, wywołując warunek, który aktualizację przerwie, i potwierdzając, że gałąź wróciła do stanu sprzed próby.
Test zachowania przy zapełniającej się puli
To jeden z najważniejszych testów, bo dotyczy sytuacji, w której mechanizm copy-on-write przestaje być darmowy. Wypełnij pulę kontrolowanie, obserwując, w którym momencie operacje na gałęziach zaczynają zawodzić i jak wygląda komunikat błędu. Sprawdź też, czy przekroczenie TTL faktycznie usuwa gałąź i czy zwalnia miejsce w puli. Bez tego testu nie wiesz, czy Twoje alerty zadziałają wystarczająco wcześnie.
Monitoring po wdrożeniu: co obserwować na stałe
Po wdrożeniu w środowisku nieprodukcyjnym monitoring powinien objąć trzy warstwy: pulę ZFS, same gałęzie oraz dostęp agentów. Każda z nich zawodzi inaczej i wymaga innych sygnałów ostrzegawczych.
Warstwa ZFS
- Zajętość puli w procentach i w wartościach bezwzględnych — z progiem ostrzegawczym ustawionym na tyle wcześnie, by zdążyć posprzątać gałęzie przed zablokowaniem operacji.
- Tempo przyrostu zajętości w czasie — nagły skok oznacza zwykle gałąź z intensywnymi zapisami albo brak działania TTL.
- Liczba gałęzi aktywnych i ich wiek w stosunku do zadeklarowanego TTL.
- Stan zdrowia puli ZFS — sama zajętość nie wystarczy, bo pula może mieć problemy niezależne od gałęzi.
Warstwa gałęzi i silników
- Liczba równoległych gałęzi w podziale na wersje silnika — dokumentacja podkreśla, że runtime’y są instalowane według wersji i mogą współistnieć, więc warto wiedzieć, ile wersji faktycznie działa jednocześnie.
- Gałęzie, którym TTL wygasł, ale nadal istnieją — to sygnał, że automatyczne usuwanie nie zadziałało.
- Wyniki operacji
branch upgrade— szczególnie nieudane aktualizacje i automatyczne wycofania, bo każde z nich oznacza, że dana ścieżka aktualizacji wymaga uwagi. - Checkpointy — ich liczba i wiek, zwłaszcza że dokumentacja zaznacza, że istniejące checkpointy pozostają odtwarzalne po restore.
Warstwa dostępu agentów LLM
- Które konto utworzyło którą gałąź — bez tego nie da się przypisać działania do konkretnego agenta ani procesu.
- Gałęzie utworzone przez agentów, które nie zostały usunięte w oczekiwanym czasie.
- Operacje wykonywane na gałęziach agentów w porównaniu z tym, co powinny robić — to wymaga własnego rejestrowania, bo mechanizm klonów sam z siebie nie opisuje intencji.
Checklisty operacyjne
Poniższe listy porządkują pracę w trzech momentach: przed uruchomieniem, w trakcie eksploatacji i przy przeglądzie. Są uzupełnieniem wcześniejszej checklisty wdrożeniowej, a nie jej powtórzeniem.
Checklista przed uruchomieniem środowiska testowego
- Potwierdź, że host spełnia wymagania: Ubuntu 24.04 LTS lub 26.04 LTS oraz pula ZFS. Pakiet
zfsutils-linuxjest instalowany jako zależność, ale sama pula musi istnieć. - Zapisz odcisk klucza podpisującego repozytorium i porównaj go z wartością podaną w dokumentacji przed dodaniem repozytorium.
- Przygotuj miejsce na dane tymczasowe — przy maszynie arm64 setup pobiera około 800 MB dla MySQL, wobec około 80 MB na Intelu.
- Zaplanuj, gdzie trafi początkowe hasło administratora wypisane przez
db-branch init, i jak zostanie zmienione przy pierwszym logowaniu do konsoli. - Ustal, czy testy będą prowadzone na puli opartej na pliku w maszynie Multipass, czy na prawdziwej puli ZFS — pierwsza jest wolniejsza i nie służy do danych rzeczywistych.
Checklista eksploatacyjna
- Sprawdź codziennie, czy nie ma gałęzi starszych niż ich TTL.
- Sprawdź co tydzień tempo przyrostu zajętości puli i porównaj z poprzednim tygodniem.
- Sprawdź, czy liczba równoległych gałęzi nie przekracza ustalonego limitu.
- Przejrzyj gałęzie utworzone przez agentów LLM i potwierdź, że każde konto agenta ma uprawnienia ograniczone do tego, czego faktycznie potrzebuje.
- Zapisuj wyniki operacji aktualizacji wersji, w tym te zakończone automatycznym wycofaniem.
- Utrzymuj przypiętą wersję pakietu i zapisuj datę każdej świadomej aktualizacji.
Checklista przed ponowną oceną projektu
- Sprawdź, czy status projektu zmienił się z beta na 1.0 i czy dokumentacja nadal ostrzega przed zmianami API i szczegółów CLI.
- Porównaj aktualne wymagania systemowe z tym, co masz wdrożone — materiał wymienia wyłącznie Ubuntu 24.04 LTS i 26.04 LTS.
- Zestaw własne pomiary czasu tworzenia gałęzi z wartościami z dokumentacji i oceń, czy różnica jest akceptowalna dla Twoich pipeline’ów.
- Sprawdź, które płatne moduły są Ci potrzebne, a które udało się zastąpić własnymi narzędziami.
- Zdecyduj, czy plan wycofania i przypięcia wersji jest nadal aktualny.
Jak odróżnić fakt od interpretacji w tej ocenie
W materiałach o db-branch mieszają się trzy kategorie twierdzeń i warto je rozdzielać przy każdej decyzji. Pierwsza to fakty z dokumentacji: status beta, wymóg Ubuntu i ZFS, dostępne operacje gałęzi, checkpointy, TTL, tryb check-only, współistnienie wersji silników, cztery interfejsy korzystające z tego samego API oraz podział na otwarty rdzeń i płatne moduły. Druga to deklaracje wydajności producenta: 0,5 s dla PostgreSQL i 3 s dla MySQL na jego klastrze. Trzecia to wnioski z architektury, których nikt nie potwierdził: ryzyko wyczerpania dysku przez narastające zmiany, obciążenie hosta przy wielu gałęziach, zależność izolacji agenta od konfiguracji uprawnień. Każda z tych kategorii wymaga innego traktowania — fakty przyjmujesz, deklaracje mierzysz, wnioski testujesz. Dopiero po tym podziale można sensownie odpowiedzieć na pytanie, czy db-branch pasuje do Twojej organizacji, zamiast opierać decyzję na samym brzmieniu dokumentacji.
Źródła i materiały do dalszej weryfikacji
Artykuł jest autorskim opracowaniem przygotowanym na podstawie poniższych materiałów. Linki prowadzą do publikacji źródłowych.
Zdjęcie wyróżniające: panumas nikhomkhai / Pexels.


