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 class MyCounterServiceImpl implements Service, MyCounterService {
@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(...)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 class CharacterCountTask extends ComputeTaskSplitAdapter<String, Integer> {
@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

最新文章

  1. synthesize的作用
  2. 如何在EF中实现left join(左联接)查询
  3. 通过group by和having去除重复
  4. apk签名
  5. 295. Find Median from Data Stream
  6. excel文档
  7. Ceph Newstore存储引擎介绍
  8. js 模块化
  9. 子元素增加margin-top会增加给父元素的问题
  10. Python中classmethod与staticmethod区别
  11. BZOJ 1096 [ZJOI2007]仓库建设(斜率优化DP)
  12. (一)----使用HttpClient发送HTTP请求(通过get方法获取数据)
  13. (转)java并发之Executor
  14. WSL优化 (Windows Subsystem for Linux) Linux子系统优化配置
  15. cocos开发插件笔记
  16. Excel遇到的坑lookup和vlookup的用法
  17. alpha冲刺(5/10)
  18. 2015-09-21 css学习1
  19. struts2中ognl标签具体解释
  20. 编程之美 1.1 让cpu占用率曲线听你指挥(多核处理器)

热门文章

  1. sqlserver同一个局域网内,把服务器数据库备份到客户端
  2. h-ui.admin.pro.iframe头部和标签Tab修改CSS
  3. prometheus监控mysql
  4. 使用JS对form的内容验证失败后阻止提交
  5. Python接口测试之报告(十五)
  6. HDU 4960 (水dp)
  7. 【BZOJ4710】分特产(容斥原理,组合计数)
  8. NOIP2015提高组D1T3 斗地主
  9. 06-js的逻辑结构
  10. Jsp标签字典开发_基于Spring+Hibernate