Hazelcast IMDG 3.8 23.02.2017, 11:20 Uhr

Schnelles Open Source In-Memory Data Grid

Hazelcast, Anbieter von In-Memory Data Grids (IMDG), hat die Verfügbarkeit von Hazelcast 3.8 bekannt gegeben. Das Herzstück von Hazelcast IMDG 3.8 bietet eine verbesserte Hochverfügbarkeit für Systeme mit maximal benötigter Uptime. Sind Cluster-Shutdowns – beispielsweise durch Wartungsarbeiten – kritisch, bietet IMDG 3.8 eine zuverlässige Lösung, die Downtimes auf ein Minimum reduziert, verspricht der Hersteller. Erreicht wird dies durch für Multi-Data-Umgebungen optimierte Datenmanagement-Funktionen.
Ab Hazelcast IMDG 3.8 können Upgrades von Hazelcast-Clustern mit der Cluster-Rolling-Upgrade-Funktionalität ohne Ausfallzeit aktualisiert werden. Dies erweitert das bereits seit Version 3.6 existierende Client-Rolling-Upgrade. Zusammen mit der Möglichkeit User Code zur Laufzeit zur Verfügung zu stellen ('User Code Deployment') werden Ausfallzeiten, und Fälle in denen ein Cluster heruntergefahren werden muss, auf ein Minimum reduziert.

Im 'Hot Restart Store', einem Feature für den schnellen Cluster-Neustart, hat Hazelcast die Möglichkeit vereinfacht, ein Cluster nach dem Herunterfahren neu zu starten, selbst dann, wenn einzelne Server nicht wieder hochfahren. Dabei hilft zum einen, dass Daten regelmäßig gesichert werden, und das Backup auf neue Maschinen aufgespielt werden kann, um den Ausfall zu kompensieren. Zum anderen sorgt die neue Snapshot-Funktion dafür, ein Abbild des Hot Restart Stores mit einem operierenden Cluster zu verknüpfen. Temporäre Backups können offline gespeichert werden und gewährleisten somit zusätzliche Beständigkeit.

Auch für WAN-Umgebungen gibt es neue Funktionen. Die WAN-Replication wurde um Dynamic WAN Synchronization erweitert. Die Funktion erlaubt, Daten zwischen verschiedenen Clustern störungsfrei zu kopieren. Der Synchronisationsprozess kann in der WAN-Sync-Oberfläche des Management Centers gestartet werden. User können jederzeit sowohl ein neues Ziel für die WAN-Replizierung definieren als auch einen Snapshot des derzeitigen Clusters machen und ohne Downtime ein neues Datenzentrum in Betrieb nehmen.

Die Funktion User Code Deployment verringert den Aufwand beim In-Situ-Processing (beispielsweise EntryProcessors): Jeder User Code muss bei Hazelcast hinterlegt sein. Statt ihn auf jedes neue Mitglied explizit zu übertragen, übernimmt die Funktion den Code dynamisch von bestehenden Mitgliedern oder Lite-Membern.

Hazelcast verfügt über eine große Community, die die Entwicklung von Features vorantreibt. In der Version 3.8 sind eine Reihe von Erweiterungen vereint:
  • Schnellere Aggregation bei Abfragen. Alle Standard-Aggregationen wie Addition (SUM) und COUNT sind bereits integriert. Da die Funktion statt in 'MapReduce' jetzt in der Hazelcasts Query-API verortet ist, ergibt sich, nach Tests, eine drei Mal schnellere Performance im Vergleich zum Wettbewerb.
  • Eine höhere Query-Performance und ein geringerer Netzwerk-Overhead werden durch eine gezieltere Query-Prognose erreicht. Mit Query Projection kann auf spezielle Teilbereiche eines Entry-Values beschränkt werden.
  • Der Scheduled Executor Service erlaubt Entwicklern, einzelne Aufgaben zu terminieren oder wiederkehrende Aufgaben in einem Cluster in festgelegten Intervallen aufzurufen.
  • Near Cache Preload – Client-nahe Caches können so konfiguriert werden, dass sie Eingänge aus dem Cluster beim Start der Client-Applikation vorab laden. So sind Client-nahe Caches, die die Performance bis um den Faktor zehn erhöhen können, “Hot-before-Use”.
  • Hazelcast hat den Node.js Client mit den für Hazelcast typischen Datenstrukturen aufgewertet. Dazu zählen die Distributed Map mit Support für Predicates und Entry Processors, MultiMap, Set, List, Distributed Locks und Queue.
  • Der Continuous Query Cache ist seit der Version 3.8 Open Source. Die Ergebnisse einer Abfrage sind ohne Verzögerung immer abrufbar und lokal mit der Anwendung verknüpft.
  • HyperLogLog ist eine neue Datenstruktur, die auf Wahrscheinlichkeiten basiert. Sie 'schätzt' die Kardinalität einzelner Elemente in großen Data Sets. Dazu zählen die Echtzeit-Kalkulation von Site-Besuchern basierend auf IP/User oder die Messung der Kampagnen-Performance (Klicks, Impressions, etc.) für die Werbebranche.
  • Ring Buffer Store – Ein Speichermechanismus für Ring-Buffer, der, nach Aktivierung, Objekte zur Verfügung stellt, welche nicht mehr im Ring-Buffer abgelegt sind.
  • Die Split-Brain-Protection unterstützt nun neben Map und Cache auch Queue- und Lock-Datenstrukturen und verhindert Schreib- und/oder Lesezugriffe wenn zusätzliche Sub-Cluster nach einer Netzwerk-Neuordnung gebildet werden.
Weitere Informationen finden Sie unter www.hazelcast.com.


Das könnte Sie auch interessieren