Масштабируемость в распределенных in-memory системах

Платформы для распределенных in-memory вычислений, такие как Apache Ignite, полагаются на горизонтальное масштабирование. Больше машин в кластере — больше профит. Добавил вторую железку, и стал в два раза быстрее? Добавил еще десять, и ускорился на порядок? Всегда ли это так? За что отвечает фреймворк, а за что должен отвечать разработчик?

В докладе мы рассмотрим основные компромиссы и противоречия, возникающие при проектировании приложений на основе in-memory систем:

• Преимущества и недостатки различных алгоритмов шардирования
• Адаптация модели данных для эффективной работы в кластере
• Проблемы синхронизации и координации в распределенных системах.

Яков Жданов

Яков пришел в GridGain в 2010 году. В данный момент занимает должность руководителя российского отделения компании и в этой роли непосредственно участвует в процессе разработки и принятии технических решений. Является комитером проекта Apache Ignite. Не представляет лето без мотоциклов, а зиму без снега и гор.