Apache Ignite有团队佳能ts8080使用成本高过吗，迁移成本高不高

来源：蜘蛛抓取(WebSpider) 时间：2017-10-02 07:05 标签： 团队成本
随笔 - 866&
评论 - 229&
&&&&&&&&&&&
Apache Ignite内存数据组织平台是一个高性能、集成化、混合式的企业级分布式架构解决方案，核心价值在于可以帮助我们实现分布式架构透明化，开发人员根本不知道分布式技术的存在，可以使分布式缓存、计算、存储等一系列功能嵌入应用内部，和应用的生命周期一致，大幅降低了分布式应用开发、调试、测试、部署的难度和复杂度。
4.2.Ignite服务网格
Ignite服务网格以一种优雅的方式实现了分布式RPC，定义一个服务非常简单：
下面通过一个简单的示例演示下Ignite服务的定义、实现、部署和调用：
4.2.1.服务定义
public interface MyCounterService {
int get() throws CacheE
4.2.2.服务实现
public class MyCounterServiceImpl implements Service, MyCounterService {
@Override public int get() {
4.2.3.服务部署
ClusterGroup cacheGrp = ignite.cluster().forCache("myCounterService");
IgniteServices svcs = ignite.services(cacheGrp);
svcs.deployNodeSingleton("myCounterService", new MyCounterServiceImpl());
4.2.4.服务调用
MyCounterService cntrSvc = ignite.services().
serviceProxy("myCounterService", MyCounterService.class, /*not-sticky*/false);
System.out.println("value : " + cntrSvc.get());
是不是很简单？
关于服务网格的详细描述，请看。
4.3.Ignite计算网格
Ignite的分布式计算是通过IgniteCompute接口提供的，它提供了在集群节点或者一个集群组中运行很多种类型计算的方法，这些方法可以以一个分布式的形式执行任务或者闭包。
本方案中采用的是ComputeTask方式，它是Ignite对于简化内存内MapReduce的抽象。ComputeTask定义了要在集群内执行的作业以及这些作业到节点的映射，还定义了如何处理作业的返回值(Reduce)。所有的IgniteCompute.execute(...)方法都会在集群上执行给定的任务，应用只需要实现ComputeTask接口的map(...)和reduce(...)方法即可，这几个方法的详细描述不在本文讨论的范围内。
下面是一个ComputeTask的简单示例：
IgniteCompute compute = pute();
int cnt = compute.execute(CharacterCountTask.class, "Hello Grid Enabled World!");
System.out.println("&&& Total number of characters in the phrase is '" + cnt + "'.");
private static class CharacterCountTask extends ComputeTaskSplitAdapter&String, Integer& {
public List&ClusterNode& split(int gridSize, String arg) {
String[] words = arg.split(" ");
List&ComputeJob& jobs = new ArrayList&&(words.length);
for (final String word : arg.split(" ")) {
jobs.add(new ComputeJobAdapter() {
@Override public Object execute() {
System.out.println("&&& Printing '" + word + "' on from compute job.");
return word.length();
public Integer reduce(List&ComputeJobResult& results) {
int sum = 0;
for (ComputeJobResult res : results)
sum += res.&Integer&getData();
通过这样一个简单的类，就实现了梦寐以求的分布式计算！
关于计算网格的详细描述，请看。
参考：q.com/cn/articles/ignite-lucene-log4j2-log-query
阅读(...) 评论()邻家的の柠檬叔的其它豆列
&&&&&&&&&&&&
&(3人收藏)
&(15人收藏)
&(2人收藏)
&(4人收藏)apache ignite 什么开发的_百度知道
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。
apache ignite 什么开发的
我有更好的答案
目前国内还没有任何企业尝试使用其在生产环境中。但其立意非常明确。我之前跟邬霄云谈的时候，他也说长期看来spark未能解决大数据平台中的核心问题。本质上讲还是hdfs（分布式系统）层做的不够好，目前类似tachyon等紧紧做了上层加速而不能完全替换掉hdfs.！
采纳率：88%
来自团队：
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包

我要回帖

更多关于 团队成本 的文章

 

随机推荐