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。

1.1. Data Grid 部署模型
复制链接

Data Grid 有两个用于缓存、远程和嵌入式的部署模型。这两种部署模型都允许应用程序访问比传统数据库系统相比，对写操作的读操作和更高吞吐量的数据访问延迟。

远程缓存: Data Grid Server 节点在专用的 Java 虚拟机(JVM)中运行。客户端使用 Hot Rod、二进制 TCP 协议或通过 HTTP 访问远程缓存。
嵌入式缓存: Data Grid 在您的 Java 应用相同的 JVM 中运行，这意味着数据存储在执行代码的内存空间中。

红帽建议用于大多数部署的服务器/客户端架构。使用远程缓存部署的时间要快得多，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

近端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通过每个调用来遍历网络。接近缓存可显著提高读取操作的速度，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

实现所需的服务质量意味着为 Data Grid 提供最佳 CPU 和 RAM 资源。很少的资源会降低数据网格性能，同时使用过多的主机资源可以快速降低成本。

在对 Data Grid 集群进行基准测试和调优，以找到正确的 CPU 或 RAM 分配，但您还应考虑哪个主机平台提供了合适的自动化工具来扩展集群并有效地管理资源。

裸机或虚拟机

将 RHEL 或 Microsoft Windows 与 Red Hat Ansible 相结合，以管理数据网格配置和轮询服务，以确保可用性和实现最佳资源使用情况。

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 编配功能自动置备 pod，对资源施加限制，并自动扩展 Data Grid 集群来满足工作负载需求。