EHCache und Terracotta. Jochen Wiedmann, Software AG

Transkript

1 EH und Terracotta Jochen Wiedmann, Software AG

2 Autor Perl-Contributor DBD::mySQL 2, DBI::Proxy, DBI::Shell, DBD::CSV, Net::Daemon, RPC::Pl(Client Server) (Autor) DBI (Developer) ASF-Member (Apache Software Foundation) JaxMe, Commons FileUpload 2, XmlRpc 3 (Autor) Commons, Creadur, Webservices (PMC-Mitglied) James, Maven, Ant, Axis,... (Developer bzw. Contributor) Senior Consultant Software AG Professional Services

3 Firma Software AG Tochter SAG Deutschland GmbH Tochter Terracotta, Inc., USA Tochter SAG Consulting Services GmbH

4 EH API und minimale Implementation JSR 107 (Co-Spec-Lead ist EH-Maintainer) wird unterstützt Open Source (ASL 2.0) Entwickelt und betreut von Terracotta, Inc. (Kein Apache- Projekt, aber auf SourceForge) Defacto-Standard (Hibernate, Spring, MediaWiki (Wikipedia)) Unterstützt ColdFusion, Jruby/Rails, Google App Engine, Tomcat, Grails, Glassfish

5 EH-EE Proprietäre und kommerziell lizensierte Implementation des EH-API

6 Warum ein? Performance: Zugriff erfolgt auf schnellstes Medium (Heap, RAM, Disk) Auslastung: Schont den Flaschenhals, d.h. die Datenbank. Skalierbarkeit: Wachstum bis 1 TB (BigMemory)

7 EH (2) EH ist ein Key-Value-Store public class Element { public Object getkey(); // Normal ein String public Object getvalue(); /* Normal ein Serializable */ } public class { public void put(element pelement) throws Exception; public Element get(object pkey) throws Exception; } /* evtl. null */

8 Installation Client: Jar-Files ins Projekt einbinden. Server:Skriptfähiger jar-installer In jedem Fall: Konfigurationsdatei erstellen. Keine RPM's oder dergleichen.

9 EH (3) Wie Map, nur etwas cleverer: Attribute: MaxElementsInMemory Eternal TimeToIdleSeconds TimeToLiveSeconds OverflowToDisk (EE) DiskPersistent (EE) DiskExpiryThreadIntervalSeconds (EE) MaxElementsOnDisk (EE) Consistency (eventual, strong) EvictionStrategy (fifo, lru)

10 Anwendungsszenario 1a WebApp DB

11 Anwendungsszenario 1b WebApp 1st-Level (Heap) 2nd-Level (RAM) DB

12 Daten im Beispiel Kunde 1:n Konto 1:n Bewegung Kunde mit anhängenden Daten wird einmalig bei Anmeldung geladen und im gespeichert.

13 Anwendungsszenario 2a WebApp 1 WebApp 2 Copy on Write Copy on Read DB

14 Konsistenz Einbindung in XA-Transaktionen Vermeidung von alternativen Zugriffswegen (Read-through=Copy on Read bzw. Writethrough) Kostet Performance

15 Anwendungsszenario 2b WebApp 1 WebApp 2 (Level 1) TSA-Server (Level 2) (Level 1) DB

16 Anwendungsszenario 3 WebApp 1 WebApp 2 (Level 1) TSA-Server (Level 2) Notifications (Level 1) CRM-System DB

17 TSA-Skalierung Google-Modell: Commodity-Hardware, keine VM's, ganz schlecht mit NAS. Beliebige Skalierbarkeit durch Clustering: Jedes Stripe kann als HA-Cluster ausgelegt werden. Automatische Adressierung der Nodes S t r i TSA Stripe (HA) A* Stripe (HA) B* Stripe (HA) C* Stripe (HA) D* Stripe (HA) E* Stripe (HA) F*

18 Konkurrenz belebt das Geschäft -Lösungen Oracle Coherence Memd NoSQL-Datenbanken CouchDB MongoDB Distributed Storage Apache Hadoop Apache Cassandra Google BigTable Real Time Event Processing Software AG CEP Server

19 Über den Gartenzaun TSA und EH benötigen JVM. Direkt verfügbar nur unter Java, Groovy, Jruby, Scala, etc. TSA bietet SOAP- oder REST-API Dadurch ansatzweise auch in anderen Sprachen.

20 CAP- oder Brewer-Theorem Ein verteiltes System kann nur zwei der folgenden Eigenschaften haben: Konsistenz (C): Alle Knoten sehen zur selben Zeit dieselben Daten. Diese Konsistenz sollte nicht verwechselt werden mit der Konsistenz aus der ACID-Transaktionen, die nur die innere Konsistenz eines Datenbestandes betrifft. Verfügbarkeit (A): Alle Anfragen an das System werden stets beantwortet. Partitionstoleranz (P): Das System arbeitet auch bei Verlust von Nachrichten, einzelner Netzknoten oder Partition des Netzes weiter.