第 1 章 Data Grid 部署模型和用例
Data Grid 提供灵活的部署模型,支持各种用例。
- 大大提高了 Red Hat Build of Quarkus、Red Hat JBoss EAP 和 Spring 应用程序的性能。
- 确保服务可用性和连续性。
- 较低的操作成本。
1.1. Data Grid 部署模型 复制链接链接已复制到粘贴板!
Data Grid 有两个用于缓存、远程和嵌入式部署模型。与传统数据库系统相比,两个部署模型都允许应用程序访问数据,以实现读取操作和更高的吞吐量。
- 远程缓存
- Data Grid Server 节点在专用 Java 虚拟机(JVM)中运行。客户端使用 Hot Rod、二进制 TCP 协议或 HTTP 的 REST 访问远程缓存。
- 嵌入式缓存
- Data Grid 在与 Java 应用程序相同的 JVM 中运行,这意味着数据存储在执行代码的内存空间中。
红帽建议大多数部署的服务器/客户端架构。远程缓存可更快地部署时间,因为数据层与业务逻辑分开。Data Grid Server 还提供监控和可观察性和其他内置功能,以帮助您降低开发成本。
接近缓存
接近缓存功能允许远程客户端在本地存储数据,这意味着读取密集型应用程序不需要遍历每个调用的网络。接近缓存可显著提高读操作速度,并获得与嵌入式缓存相同的性能。
图 1.1. 远程缓存部署模型
1.1.1. 平台和自动化工具 复制链接链接已复制到粘贴板!
实现所需的服务质量意味着为数据平面提供最佳 CPU 和 RAM 资源。资源会降低数据网格性能,同时使用大量主机资源可以快速增加成本。
虽然您对 Data Grid 集群进行基准测试并调整数据网格集群以查找正确的 CPU 或 RAM 分配,但您应该考虑哪个主机平台提供正确类型的自动化工具来有效地扩展集群和管理资源。
裸机或虚拟机
通过 Red Hat Ansible 和 Microsoft Windows 合并 RHEL 或 Microsoft Windows,以管理数据中心配置和轮询服务,以确保可用性和获得最佳资源使用量。
Automation Hub 提供的 Data Grid 的 Ansible 集合 自动化集群安装,并包含 Keycloak 集成和跨站点复制的选项。
OpenShift
利用 Kubernetes 编配来自动置备 pod,对资源实施限制,并自动扩展 Data Grid 集群来满足工作负载需求。