インメモリーデータグリッドの選択肢

ULS
Copyright © 2011-2017 UL Systems, Inc. All rights reserved.
Proprietary & Confidential Powered by
Apache GEODE Meetup Tokyo #3
インメモリーデータグリッドの選択肢
2017/2/16
ウルシステムズ株式会社
http://www.ulsystems.co.jp
mailto:info@ulsystems.co.jp
Tel: 03-6220-1420 Fax: 03-6220-1402

ULS
Proprietary & Confidential Powered by 1
About Me
山河征紀
Business
Private
• GEODE歴：9年（Since 2008）
• GEODEバグ報告数：nnn 件
• マラソン
• 横浜マラソン2016：4h17m
• 目標は2017年度中のサブ4
• 登山
• 目標はココ

ULS
おしらせ
Apache Geodeのハンズオンやります！
3/14（火）19：00～
六本木ヒルズ森タワー20F
Pivotal Japan
• 一緒に運営していただける方
• スピーカーをお願いできる方
大募集中

ULS 3

ULS
2007年
2017年
データグリッドの昔と今
（ex-GemFire）
（ex-GridGain）

ULS
たくさんあるのはありがたい
でも・・・
どれを使えば
いいんだろう？

ULS
今日、お話したいこと
In-Memory DataGrid

ULS
おことわり
本日、お話する内容は、あくまで個人の見解
です
ただし、Geode Meetupだからといって
Apache Geodeに有利になるような見方はし
ておりません

ULS 8

ULS
サーバ
サーバ
サーバ
アプリケーションのスケールアウトは容易になったが、RDB
がボトルネックに
マイクロサービス時代では、ここがスケールしないときつい
良くあるシステムの課題
JVM
JVM
JVM
アプリケーション
RDB
スループット
だけでなくレ
イテンシーも
重要

ULS
そんなときに…
インメモリー
データグリッド

ULS
インメモリーデータグリッドに必要な3大要素＋1
複数ノードのメモリーに
データを分散して保持していること
メモリー中のデータと
外部データストアとの連携が
シームレスにできること
メモリー中のデータへ
トランザクション処理ができること
①
②
③
メモリー中のデータに関するイベントが
容易にハンドリングできること

ULS
ということで…
3つの観点で、どれが良いのかを比較してみます！

ULS 13
ラウンド1
データの分散

ULS
データ分散？

ULS
データ分散とは…
クラスター全体を論理的に1つのまとまりとして見たとき、
データをどのノードのメモリーにもつか、ということ
データの特性によって分散スタイルを選ぶ必要があるため、
この選択肢が充足していることは重要
パーティションレプリケーション
すべてのマシンで同一のデータ
を保持する
何れかのマシンにデータが存在
する

ULS
データの分散：比較結果（1）
呼び方は違えど、主要な分散スタイルに差はない
レプリケーションパーティション
Geode ○ Replicated ○ Partitioned
Ignite ○ REPLICATED ○ PARTITIONED
Hazelcast ○ ReplicatedMap ○ Map
Infinispan ○ Replicated-cache ○ Distributed-cache
Coherence ○ Replicated Cache ○ Partitioned Cache

ULS
データの分散：比較結果（2）
細かい部分では特色がある
ただし、これらは「あったら嬉しい」というレベルのもの
その他の分散スタイル補足
Geode
Local
Preloaded
Distributed non-replicated
レプリケーションでは、書き込み
時のオプションが選べる
（distributed-ack,distributed-
no-ack,global）
Ignite
LOCAL
Near Cache
パーティションのバックアップを
全ノードで保持したものがレプリ
ケーション、というコンセプト
Hazelcast Near Cache
レプリケーションでの書き込みは
結果整合性
KeyValue以外のデータ構造も選択
できる
Infinispan
Local mode cache
Near Caching
機能やAPIは非常に多い
Coherence
Local Cache
Near Cache
Optimistic Cache
各種Schemeを組み合わせて
キャッシュを構成できる

ULS
パーティションのデータ分散（1）
パーティションに関しては、こんな風にデータを保持したい
時もある（カスタムパーティショニング）
ノード#1
Order-1 User-A
Order-3 User-B
Order-5 User-A
Order-7 User-A
ノード#2
Order-2 User-B
Order-4 User-A
Order-6 User-A
Key Value
Key Value
ノード#1
Order-1 User-A
Order-5 User-A
Order-7 User-A
ノード#2
Order-2 User-B
Order-4 User-A
Order-6 User-A
Key Value
Key Value
Order-3 User-B
データは均等
に分散しいて
いるが…
処理内容によっては
User毎にまとまって
いた方がノード間通
信がなく、都合が良
い場合もある

ULS
加えて、異なるデータの種類も同一ノードに配置したい時も
ある（コロケーション）
OrderUser
パーティションのデータ分散（2）
ノード#1
Order-1 User-A
Order-4 User-A
User-B User-B属性
Key Value
OrderUser
ノード#2
Order-2 User-B
Order-3 User-B
User-A User-A属性
Key Value
OrderUser
ノード#1
Order-1 User-A
Order-4 User-A
User-A User-A属性
Key Value
OrderUser
ノード#2
Order-2 User-B
Order-3 User-B
User-B User-B属性
Key Value
User-Aの
データがな
いのでノー
ド#2にとり
にいかない
といけない
…
ノードを跨
いでデータ
を取得しな
くて良い

ULS
パーティションのデータ分散：比較結果
こちらも差はなし
カスタム
パーティショニング
コロケーション
Geode ○ Partition
Resolver ○ Co-Location
Ignite ○ Affinity
Collocation ○ Affinity
Collocation
Hazelcast ○ Partition
AwareKey ○ Partition
AwareKey
Infinispan ○ Grouping API
KeyAffinityService ○ Grouping API
KeyAffinityService
Coherence ○ KeyPartitioning
Strategy ○ Key
Association

ULS
ラウンド1：データの分散対決結果発表
過去バージョンではできないものがあったが、現時点では大
きな差なし

ULS 22
ラウンド2
シームレスな外部データストア連携

ULS
シームレスな外部データストア連携とは…
全てのデータはメモリーにのりきらない
のりきらないデータは外部データストアとの連携が必要
外部データストア
との自動連携
データ
グリッド
RDB等
APPが意識するのは
メモリー上のデータ
だけ
 メモリー中のデータを参照して、データが
存在しない場合（キャッシュミス）は自動
的にメモリー上に読み込んでほしい
 メモリー中のデータを追加・変更した場合
は、自動的にデータストアに書き込んでほ
しい

ULS
キャッシュミスが発生した場合は、データストアよりデータ
を読み取りメモリーに保持する
リードスルー
RDB等
参照
（Read A）
リード
スル―
リード
スル―
A B
C D
D
D
A
A
B
B
参照
（Read B）
APP
APP

ULS
メモリー上のデータを更新した場合は、自動的にデータスト
アに書き込む
ライトスルー/ライトビハインド
RDB等
追加
（Write A）
ライトスルー
ライトビハインド
（Insert）
A B
D
D
D
A
A
B
B
更新
（Write B）
ライトスルー
ライトビハインド
（Update）
APP
APP

ULS
外部データストア連携：比較結果
出来ないものはなし
リードスルーライトスルーライトビハインド
Geode ○ Cache
Loader ○ Cache
Writer ○
Async
Event
Listener
Ignite ○ Cache
Store ○ Cache
Store ○ Cache
Store
Hazelcast ○ Cache
Loader ○ Map
Store ○ Map
Store
Infinispan ○ Cache
Loader ○ Cache
Store ○ Cache
Store
Coherence ○ Cache
Loader ○ Cache
Store ○ Cache
Store

ULS
これも、過去バージョンではできないものがあったが、現時
点では大きな差なし
 あえていうなら、各種データストア用のデフォルト実装が揃っているInfinispan
が使いやすいかもしれない
ラウンド2：外部データストア連携対決結果発表

ULS 28
ラウンド3
トランザクション

ULS
トランザクション
インメモリーデータグリッドを採用する場合、更新処理の高
速性、スケーラビリティを求めて採用するケースがある
ベースは、トランザクション不要なように設計すべきである
が、少なからずトランザクション処理が必要となるケースが
ある

ULS
トランザクション：比較結果
Ignite、Infinispanが出来ることは多い
トランザクション対象
分離レベル
ロック
方式レプリケー
ション
パーティ
ション
MIX
Geode ○ △ △ READ_COMMITED 楽観
Ignite ○ ○ ○
READ_COMMITED
REPEATABLE_READ
SERIALIZABLE
楽観
悲観
Hazelcast ○ ○ ○ READ_COMMITED 楽観
Infinispan ○ ○ ○ READ_COMMITTED
REPEATABLE_READ
楽観
悲観
Coherence ○ ○ ○ READ_COMMITED 楽観

ULS
トランザクション機能で選ぶなら、Ignite、Infinispanが出
来ることは多い
高速性を目指すときに必要かどうかは微妙なとこではあるが
ラウンド3：トランザクション対決結果発表

ULS
まとめ
インメモリーデータグリッド機能対決結果
–RDBと同じようなトランザクション機能が必要ならIgnite
やInfinispanを選んだ方が良い
–GeodeとCoherenceは10年前から出来ないことがわかって
いるが対応していないので、おそらく今後も対応されない
–それ以外は以前は差があったが、現時点では大差なし
ラウンド結果
1. データ分散 DRAW（差なし）
2. 外部データストア連携 DRAW（差なし）
3. トランザクション
1. Apache Ignite
2. Infinispan

ULS
最後に
今回は、残念ながらGeodeだけ「出来ない」
がでちゃいました！
それでも、今後もGeodeを使い続けます！
別の観点の比較はまた別の機会にでも…

インメモリーデータグリッドの選択肢

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

En vedette

En vedette (20)

Similaire à インメモリーデータグリッドの選択肢

Similaire à インメモリーデータグリッドの選択肢 (20)

Plus de Masaki Yamakawa

Plus de Masaki Yamakawa (10)

Dernier

Dernier (11)

インメモリーデータグリッドの選択肢