设为首页 收藏本站
查看: 1292|回复: 0

[经验分享] Apache Ignite——集合分布式缓存、计算、存储的分布式框架

[复制链接]

尚未签到

发表于 2017-12-25 12:47:14 | 显示全部楼层 |阅读模式
  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 CacheException;
  
}
  

4.2.2.服务实现
  

public>@Override public int get() {  return 0;
  }
  
}
  

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,请看这里。

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 = ignite.compute();  
int cnt = compute.execute(CharacterCountTask.class, "Hello Grid Enabled World!");
  
System.out.println(">>> Total number of characters in the phrase is '" + cnt + "'.");

  
private static>  @Override
  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();
  }
  });
  }
  return jobs;
  }
  @Override
  public Integer reduce(List<ComputeJobResult> results) {
  int sum = 0;
  for (ComputeJobResult res : results)
  sum += res.<Integer>getData();
  return sum;
  }
  
}
  

  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,请看这里。
  参考:http://www.infoq.com/cn/articles/ignite-lucene-log4j2-log-query

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-427828-1-1.html 上篇帖子: Apache 配置域名跳转 下篇帖子: 解决kylin查询报错:org.apache.kylin.rest.exception.InternalErrorException
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表