Question

我正在评估Terracotta目前的问题陈述。该过程是CPU密集型的，需要大约5-10 GB的工作内存（RAM）。内存中的每个对象都是1千字节精细，由少数原始数据类型组成。整个RAM数据经过数千次迭代，每次迭代都会更改所有对象。每个对象都完全修改。这个过程需要数天才能完成。

百万个对象被分区并且现在在多个核心机器上运行，但是我需要更多的功率和更多的RAM（对于更大的问题）。一个线程处理的数据/对象不与其他人共享

Terracota会是一个很好的解决方案吗？是否会将数百万个对象同步到群集服务器是一个非常糟糕的瓶颈，导致它无效？

Answer 1

我认为Terracotta最适合缓存和快速检索。作为看跌期权，我看过10K＆＃34;批量看跌期权＆＃34;每个缓存服务器实例的每秒速率。＆＃34;批量更新＆＃34;模式意味着您可以一次性放置一组条目，这比单次放置更有效。

以下是批量更新的示例：

cache.setNodeBulkLoadEnabled(true);
try
{
  Collection<Element> entries= new ArrayList<Element>();
  while (...)
  {
    entries.add(new Element(key, value));
  }
  cache.putAll(entries);
}
finally
{
  cache.setNodeBulkLoadEnabled(false);
}

此外，Terracotta具有BigMemory功能，可以使用JVM堆之外的内存。要启用它，您必须添加ehcache.xml：

<cache name="com.xyz.MyPOJO" maxMemoryOffHeap="3g">
  <terracotta/>
</cache>

上面的示例将在您的JVM之外使用Ram的3Gig。一般来说，你的堆大小不应该大于4G，否则你的JVM将在GC上花费大量的周期......在你的情况下，你的计算会进一步减慢。

检查的另一种方法是＆＃34;计算/数据网格＆＃34;解决方案。您可以从http://www.gridgain.com和http://www.gigaspaces.com

开始

Terracota是一个很好的解决方案，可以快速更改由精细物体组成的大数据吗？

1 个答案: