Платформы для распределенных in-memory вычислений, такие как Apache Ignite, полагаются на горизонтальное масштабирование. Больше машин в кластере — больше профит. Добавил вторую железку, и стал в два раза быстрее? Добавил еще десять, и ускорился на порядок? Всегда ли это так? За что отвечает фреймворк, а за что должен отвечать разработчик?
В докладе мы рассмотрим основные компромиссы и противоречия, возникающие при проектировании приложений на основе in-memory систем:
- Преимущества и недостатки различных алгоритмов шардирования
- Адаптация модели данных для эффективной работы в кластере
- Проблемы синхронизации и координации в распределенных системах.
Скачать презентацию