Nano Hash - криптовалюты, майнинг, программирование

.net запускает распределенный кеш на том же компьютере, что и среда выполнения .net?

Раньше я использовал ignite в java-проекте, но никогда не сталкивался с настройкой инфраструктуры/архитектуры...

Теперь у меня есть проект .net, где я вижу идеальную потребность в распределенном кеше памяти, и я перехожу к apacheignite-net. Проект .net представляет собой набор серверных служб (wcf и amqp). эти службы могут масштабироваться горизонтально: я могу добавить дополнительные серверы с этими службами для повышения пропускной способности.

Но мне нужен совет/указатели по развертыванию/инфраструктуре запуска вместе с .net: - Я не могу добавить дополнительные/выделенные серверы для кэширования: поэтому я думаю о том, чтобы мои сервисы .net и apacheignite-net были в одном поле.
- объекты, которые мне нужно было бы кэшировать (сейчас ищу их из БД с каждым запросом), не такие большие, но мне не нужно, чтобы все они кэшировались: так что комбинация политики чтения/выселения?

Мои вопросы: нормально/безопасно ли иметь как JVM для зажигания, так и эти службы .net в одном окне. Я читал советы по производительности, но все же прошу совета у более мудрых/опытных. Я всегда могу добавить больше памяти на эти серверы, но не много ядер: эти службы .net не потребляют весь предоставленный процессор, они поддерживаются СУБД, и я могу попросить немного больше оперативной памяти, если это необходимо.

.net c# caching ignite
28.02.2016

Ответы:


1

Я бы рекомендовал встроить узел Ignite в каждый экземпляр службы и создать кеш REPLICATED для кэширования данных (при необходимости вы можете настроить сквозное чтение/запись [1] и вытеснение [2]). При таком развертывании каждый экземпляр службы будет иметь все кэшированные данные локально, поэтому чтение будет очень быстрым.

Чтобы запустить встроенный узел, просто вызовите Ignition.Start() с правильной конфигурацией при запуске. Вот небольшой пример: https://apacheignite-net.readme.io/docs/getting-started-1#first-ignite-data-grid-application

[1] https://apacheignite-net.readme.io/docs/persistent-store< /а>

[2] https://apacheignite.readme.io/docs/evictions

28.02.2016
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..