2.14. 代码执行和数据处理

分布式缓存的一个优点是，您可以利用每个主机的计算资源更有效地执行大型数据处理。通过在 Data Grid 上直接执行您的处理逻辑，您可以将工作负载分散到多个 JVM 实例中。您的代码也在数据存储数据的相同内存空间中运行，这意味着您可以更快地迭代条目。

对于您的 Data Grid 部署的性能影响，这完全取决于您的代码执行。更复杂的处理操作具有更高的性能降低，因此您应该通过仔细规划在 Data Grid 集群中运行的任何代码。首先测试您的代码并在较小的样本数据集上执行多个执行。收集了一些指标后，您可以开始识别优化，并了解您正在运行的代码的性能影响。

一个确定的是，长时间运行的进程可能会开始对正常读写操作造成负面影响。因此，您必须随着时间的推移监控部署并持续评估性能。

嵌入式缓存

借助嵌入式缓存，Data Grid 提供了两个 API，可让您在与数据相同的内存空间中执行代码。

如果要在单一节点、一组节点或特定地区中的所有节点上运行操作，那么您应该使用集群执行。如果要运行一个可保证整个数据集的正确结果的操作，则使用分布式流更为有效的选项。

ClusterExecutor clusterExecutor = cacheManager.executor();
clusterExecutor.singleNodeSubmission().filterTargets(policy);
for (int i = 0; i < invocations; ++i) {
   clusterExecutor.submitConsumer((cacheManager) -> {
      TransportConfiguration tc =
      cacheManager.getCacheManagerConfiguration().transport();
      return tc.siteId() + tc.rackId() + tc.machineId();
   }, triConsumer).get(10, TimeUnit.SECONDS);
}

Map<Object, String> jbossValues =
cache.entrySet().stream()
     .filter(e -> e.getValue().contains("JBoss"))
     .collect(Collectors.toMap(Map.Entry::getKey, Map.Entry::getValue));

远程缓存

对于远程缓存，Data Grid 提供了一个 ServerTask API，可让您通过 Hot Rod 调用 execute （） 方法或使用 Data Grid 命令行界面(CLI)以编程方式注册自定义 Java 实现。您只能在一个 Data Grid 服务器实例或集群中的所有服务器实例上执行任务。