Forrest2015年第三季度内存网格分析报告
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Forrest2015年第三季度内存网格分析报告,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2453字,纯文字阅读大概需要4分钟。
内容图文
![Forrest2015年第三季度内存网格分析报告](/upload/InfoBanner/zyjiaocheng/567/808f22ddb146441f80ef330c00aaeccc.jpg)
Forrester于2015年Q3发布了最新的内存数据网格分析报告,PDF版本可以下载。 关于内存数据库(IMDB)的评测可参见 Forrest 2015年第三季度内存数据库分析报告 现代化应用的需求陷入了两难选择,一方面需要更多更炫的功能,更多更快的数据访问,一方面又架构可灵
Forrester于2015年Q3发布了最新的内存数据网格分析报告,PDF版本可以下载。
关于内存数据库(IMDB)的评测可参见 Forrest 2015年第三季度内存数据库分析报告
现代化应用的需求陷入了两难选择,一方面需要更多更炫的功能,更多更快的数据访问,一方面又架构可灵活横向扩展以满足性能和大规模并行访问的需求。
Forrester 对于内存数据网格(IMDG)的定义为:
Software tools and technologies that are architected to use chip-based random access memory (RAM) distributed across multiple nodes to accelerate performance and achieve scalability of data access and compute.
这里的关键是分布式,可扩展,相对于IMDB的集中式。虽然IMDB也可以做sharding,但这是外部的分布,不是IMDG为内部自动分布。
其实有些IMDB的产品也具有IMDG的特性,例如TimesTen的cache grid,但本质上TimesTen还是IMDB。
IMDG提供可扩展的性能依赖于:
1. 使用内存减少数据访问的延迟
内存速度:RAM is 58,000 times faster than disk and 2,000 times faster than solid-state drives (SSD)
内存价格的下降
2. 在节点间分布数据实现线性扩展
3. 在节点间复制数据实现高可用
4. 在数据中心间同步数据实现灾备
原文中的几张概念图还不错,可以参考。
IMDG的典型使用场景为:
1. 缓存以消除传统数据库系统的数据瓶颈
数据库系统的横向扩展性较差,通过IMDG可以消除瓶颈,应对更复杂,更高并行度的访问。IMDG不仅可缓存数据库,对于大机,文件系统等都可以缓存。在这种多数据源的场景,性能问题会更加明显
2. 缓存零食临时数据
临时的会话数据和共享数据,如在线游戏
3. 现代化应用的主存储
作为主存而非缓存,也就是System Of Record而非System Of Reference。例如Savvy
4. 内存NoSQL数据库
IMDG也是Key-Value数据库,只不过运行在内存中,可以支持ACID。(ACID这个我不确定)
5. 用于实时数据集成的数据服务Fabric
将多个数据源的数据汇集到IMDG中
6. 具有内存速度的Comptute Grid
例如执行MapReduce操作,并行计算等。可以替代Hadoop+Spark的批处理架构
评测结果如下图,可以看到Oracle Coherence位居第一。而在之前的IMDG评测中, Oracle凭借TimesTen和12c DBIM位居第二,可见在内存计算领域,Oracle比较强大。
Oracle的Coherence是2007年从Tangosol收购的,同样TimesTen也是2005年收购的,只有12c DBIM是源于自己开发。
扩展阅读:
The Forrester Wave?: NoSQL Document Databases, Q3 2014
The Forrester Wave?: NoSQL Key-Value Databases, Q3 2014
Apache Spark Is Powerful And Promising
内容总结
以上是互联网集市为您收集整理的Forrest2015年第三季度内存网格分析报告全部内容,希望文章能够帮你解决Forrest2015年第三季度内存网格分析报告所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。