GridGain Systems представляет новую платформу In-Memory Computing

Фостер-Сити, Калифорния – 21 июня 2017 года. GridGain Systems, разработчик корпоративных программных решений на базе Apache® Ignite™ для вычислений в оперативной памяти компьютера, представляет GridGain 8.1 – платформу in-memory computing нового поколения.
 
Решение раздвигает границы in-memory computing с новой архитектурой, ориентированной на память. Она использует преимущества in-memory и дисковых технологий, обеспечивая производительность распределенных вычислений в памяти по цене и с надежностью хранилища на диске.
 
GridGain 8.1 расширяет уникальные SQL-возможности платформы GridGain улучшенными функциями SQL Data Definition Language (DDL) в дополнение к существующей поддержке DML и ACID-транзакций. Релиз обеспечивает оптимальную производительность в гибридных инфраструктурах «память+диск» за счет новой функции Persistent Store. Для организаций, работающих с Persistent Store, новая платформа GridGain Ultimate Edition предлагает функцию резервного копирования снимков кластера, которая настоятельно рекомендуется при использовании ориентированной на память архитектуры в критически важных средах.
 
Data Definition Language
В предыдущей версии GridGain появилась поддержка языков DDL во встроенном хранилище SQL Grid, позволяющая устанавливать и менять индексы во время работы без перезагрузки кластера. Теперь пользователи могут управлять кэшированием и схемами SQL-баз через команды CREATE и DROP. Это позволяет подключаться к GridGain через драйверы JDBC или ODBC и полностью конфигурировать кластер с помощью DDL-команд. В результате пользователю не нужно использовать Spring XML, Java или .NET опции для конфигурации кластера. Вместо этого, он может работать с платформой GridGain с поддержкой ANSI SQL-99, используя стандартные команды DDL и DML.
 
Persistent Store
Persistent Store – это распределенное дисковое хранилище с поддержкой ACID и ANSI-99 SQL в Apache Ignite, которое прозрачно интегрируется с GridGain как опциональная дисковая прослойка (может быть развернута на SDD, SSD, Flash, 3D XPoint и других технологиях памяти). Persistent Store сохраняет все данные на диске, размещая лишь заданные пользователем, нужные в определенный момент времени данные в памяти. Подключая Persistent Store, пользователям больше не нужно держать все активные данные в памяти или прогревать RAM с последующим перезапуском кластера, чтобы использовать in-memory возможности системы. Persistent Store хранит все множество данных и индексы SQL на диске, делая GridGain полностью функциональной на дисках. Сочетание новой функции и расширенных SQL-возможностей платформы позволяет GridGain служить распределенной транзакционной SQL-базой данных с использованием как дисков, так и памяти для поддержки существующих сценариев. Persistent Store помогает организациям максимизировать отдачу от инвестиций, устанавливая баланс между затратами на инфраструктуру и производительностью приложений за счет регулирования объема данных, которые хранятся в памяти.
 
Снимки кластеров
В платформе GridGain Ultimate Edition появилась функция Cluster Snapshots. Снимки кластеров важны для производственных внедрений GridGain с использованием Persistent Store. Они позволяют создавать как полные, так и инкрементные снимки, которые можно использовать как точки восстановления или как источник сравнительных данных в промежуточных и тестовых средах. Настроить снимки под бизнес-задачи пользователя можно с помощью инструментов GridGain Web Console и Snapshot Command Line Tool.
 
Обмен классами с логикой между узлами кластера .NET
В нескольких версиях GridGain функция peer-class loading поддерживала Java. Это устраняло необходимость вручную внедрять код Java или Scala на каждом узле кластера и переустанавливать его при каждом изменении. Необходимые классы загружаются или удаляются по необходимости. С GridGain 8.1, разработчики .NET получают ту же возможность. Сборка .NET теперь может быть автоматически предзагружена на уже работающую ячейку кластера .NET, если локальная реализация задачи распределенного вычисления отсутствует. Удаление также осуществляется автоматически.
 
C++ для разработки
Разработчики теперь могут планировать и создавать задачи GridGain Compute Grid с помощью C++ и отправлять их в работу в кластер GridGain. Ignite.C++ автоматически сериализует, десериализует и выполняет вычисления.
 
“GridGain 8.1 – это зрелая платформа in-memory computing нового поколения, которая может выгодно использоваться как сетка данных в памяти с существующими базами RDBMS, NoSQL или Apache® Hadoop®. Она также может работать как самостоятельная распределенная SQL-база данных, используя новую функцию Persistent Store, - говорит Эйб Кляйнфилд, президент и гендиректор GridGain. – Расширенная поддержка SQL DDL упрощает работу с GridGain с помощью стандартных SQL-команд, а функции Persistent Store и Cluster Snapshots позволяют работать с платформой в более широком спектре производственных приложений. Каждая организация может установить баланс между операционными издержками и производительностью приложений, регулируя объем данных, которые хранятся в памяти. С расширенными возможностями .NET и C++ команды разработчиков могут использовать уже имеющиеся навыки для работы с GridGain. В целом, платформа нового поколения GridGain 8.1 дает организациям возможность разместить ориентированную на память вычислительную платформу в качестве стратегического ядра своей инфраструктуры хранения и обработки данных».