Muistilaskennan käyttöönotto kiihtyy edelleen. Aikuisten ratkaisujen avulla organisaatiot voivat saada tietokannan käsittelynopeuden ja mittakaavan, jota he tarvitsevat digitaaliseen muutokseensa ja monikanavaisiin asiakaskokemushankkeisiinsa. Esimerkiksi sijoituspalveluyritys Wellington Management käytti muistin sisäistä laskenta-alustaa nopeuttaakseen ja laajentamalla sijoitusrekisteriään (IBOR), joka on ainoa totuuslähde sijoittajapositioille, vastuille, arvostuksille ja suorituskyvylle. Kaikki reaaliaikaiset kaupankäyntitapahtumat, kaikki niihin liittyvät tilitoiminnot, kolmansien osapuolten tiedot, kuten markkinanoteeraukset, ja kaikki niihin liittyvät back office -toiminnot kulkevat IBOR: n läpi reaaliajassa. IBOR tukee myös suorituskykyanalyysiä, riskinarviointeja, lakien noudattamista ja paljon muuta. Eri testeissä uusi alusta toimi vähintään kymmenen kertaa nopeammin kuin yrityksen perintöjärjestelmä, joka rakennettiin suoraan Oraclen relaatiotietokantaan.
Nikita Ivanov on GridGain Systems, joka kehittää muistin sisäisiä tietojenkäsittelyratkaisuja.
Gartner ennustaa, että vuoteen 2019 mennessä 75 prosenttia pilvikohtaisesta sovelluskehityksestä käyttää muistin sisäistä laskentaa tai muistissa olevaa laskentaa käyttäviä palveluita, jotta valtavirran kehittäjät voivat toteuttaa tehokkaita, massiivisesti skaalautuvia sovelluksia. Kehittäjien, jotka ovat uusia muistin sisäisissä laskentatekniikoissa, on kuitenkin kehitettävä ymmärrys tekniikan lisäämisen arkkitehtuureihinsa eri strategioista. Useimmissa tapauksissa heidän on ensin tehtävä päätös siitä, käytetäänkö muistin sisäistä tietoruudukkoa vai muistin tietokantaa. Tämä päätös perustuu ensisijaisesti siihen, aikovatko ne nopeuttaa olemassa olevia sovelluksia, aikovatko kehittää uusia sovelluksia vai etsiäkö ne kokonaan uudelleen vai näkevätkö he mahdollisuuden tehdä molemmat. Heidän on myös harkittava, mikä kerros toimii tietuejärjestelmänä, muistin sisäinen laskentakerros tai taustalla oleva tietokerros.
Tutkitaan näiden strategioiden toteuttamiseen tarvittavia muistin sisäisiä laskentatekniikoita.
Muistin sisäiset tietoruudukot
Muistin sisäinen dataverkko (IMDG) kopioi levypohjaiset tiedot RDBMS-, NoSQL- tai Hadoop-tietokannoista RAM-muistiin, jossa käsittely tapahtuu ilman jatkuvan levyn lukemisen ja kirjoittamisen aiheuttamia viiveitä. Lisätty sovellus- ja tietokerrosten väliin, muistin sisällä oleva tietoruudukko otetaan käyttöön palvelinsolmujen klusterille ja jakaa klusterin käytettävissä olevan muistin ja suorittimen. Olipa kyse julkisesta tai yksityisestä pilviympäristöstä, paikan päällä tai hybridiympäristössä, muistin sisäistä dataruudukkoa voidaan skaalata yksinkertaisesti lisäämällä uusi solmu klusteriin. Jotkin muistin sisäiset tietoruudukot voivat tukea ANSI-99 SQL- ja ACID-tapahtumia, edistynyttä tietoturvaa, koneoppimista sekä Spark-, Cassandra- ja Hadoop-natiiviintegraatioita.
Muistin sisäinen dataverkko on yksinkertainen ja kustannustehokas ratkaisu olemassa oleviin sovelluksiin. Monet muistin sisäiset tietoruudukot vaativat kuitenkin, että kaikki taustalla olevaan levypohjaiseen tietokantaan sisältyvät tiedot sopivat muistiin, mikä vaatii yritystä ostamaan tarpeeksi muistia kaikkien tietojen säilyttämiseksi. Koska muisti on edelleen kalliimpaa kuin levy, monet yritykset saattavat haluta pitää joitain tietoja vain levyllä. Uudet muistikeskeiset arkkitehtuurit ratkaisevat tämän käsittelemällä koko tietojoukkoa vastaan, vaikka osa tiedoista olisi tallennettu levylle. Tämä pysyvän tallennuksen ominaisuus sallii datan määrän ylittää muistin määrän. Tämä tarkoittaa, että tietoja voidaan optimoida, jotta kaikki tiedot ovat levyllä, mutta useammin käytetyt tiedot myös sijaitsee muistissa, kun taas harvoin käytetyt tiedot ovat vain levyllä. Toinen keskeinen etu on, että uudelleenkäynnistyksen jälkeen järjestelmä, jolla on pysyvä tallennus, voi aloittaa käsittelyn välittömästi levyllä olevaa tietojoukkoa vastaan odottamatta, että tietojoukko latautuu muistiin.
Fortune 50 -yrityksiä palveleva Workday, talous- ja HR SaaS -ratkaisujen tarjoaja kertoi kuinka se käyttää muistin sisäistä tietoverkkoa noin 189 miljoonan tapahtuman päivässä, korkeimmillaan noin 289 miljoonassa päivässä. Vertailun vuoksi Twitter käsittelee noin 500 miljoonaa twiittiä päivässä.
Muistitietokanta
Sisäinen muistitietokanta (IMDB) soveltuu parhaiten uusiin tai uudelleen suunnitelluihin sovelluksiin. Se on monipuolinen, erillinen tietokanta, joka toimii muistissa ja tukee tietojenkäsittely-sovellusliittymiä, kuten ANSI-99 SQL, avainarvo, laskenta ja koneoppiminen. Muistin sisäisen tietokannan etu muistissa olevaan tietoverkkoon nähden on, että arkkitehtuuri supistetaan kolmesta kerroksesta (sovellus, muistissa ja tiedoissa) kahteen. Haittana on, että sitä ei voida käyttää olemassa olevassa sovelluksessa ilman tietojoukon nostamista ja siirtämistä olemassa olevasta tietokannasta. Lisäksi koska muistissa oleva tietokanta toimii tallennusjärjestelmänä, ratkaisun on sisällettävä strategia tietojen suojaamiseksi seisokkeista. Tämä strategia voi olla samanlainen kuin muistin sisäisten tietoverkkojen keskusteltu pysyvä tallennuskapasiteetti, tai se voi sisältää haihtumattoman RAM-muistin käytön, uuden tekniikan, jolla on todennäköisesti yhä merkittävämpi rooli tulevaisuudessa.
Nykyään suuri pankki, jolla on 135 miljoonaa asiakasta, käyttää muistin sisäistä tietokantaa, jolla on pysyvä varastointikyky, kehittämään verkkomittausarkkitehtuuria, joka pystyy käsittelemään jopa 1,5 kt dataa tarvittavan tapahtumamäärän lisäksi. Tämä ratkaisu toimii tietuejärjestelmänä, eikä se ole olemassa olevan tietokaupan päällä.
Muistin sisäiset tietokonealustat
Organisaatiot, jotka kehittävät pitkän aikavälin strategiaa, johon sisältyy nykyisten sovellusten nopeuttaminen ja uusien käyttöönotto, voivat valita muistin sisäisen laskenta-alustan, joka yhdistää IMDG: n skaalautuvuuden IMDB: n kaikkien relaatiotietokantojen ominaisuuksiin. Siksi muistin sisäistä tietokonealustaa voidaan käyttää nopeuttamaan olemassa olevia sovelluksia tai olemaan perustana uusien tai uudelleenvalittujen sovellusten luomiselle, jotka voivat hyödyntää hajautettua tietojenkäsittelyä ja pysyvää tallennustilaa.
Sen lisäksi, että organisaation on päätettävä, mikä tekniikka parhaiten vastaa heidän tarpeitaan, organisaatioiden tulisi miettiä, tarvitsevatko ne lisää tukevia muistin sisäisiä tekniikoita, kuten:
- Suoratoistoanalyysimoottori, jolla hallitaan kaikkia tiedonkulun ja tapahtumien käsittelyn monimutkaisuutta.
- Syväoppimiseen perustuva jatkuva oppimisen kehys, joka toimii rakennusmateriaalina sille, mitä Gartner kutsuu prosessin sisäiseksi HTAP: ksi (hybridi-transaktio- / analyyttinen käsittely); eli kyky soveltaa koneoppimista tai syvällistä oppimisanalyysiä operatiiviseen dataan reaaliajassa.
Johtavat digitaaliset yritykset käyttävät muistin sisäistä laskentatekniikkaa nyt, ja tulevaisuudessa niitä käytetään yhä laajemmin. Mitä nopeammin kehität vankan käsityksen muistin laskennan käyttöönottostrategioista ja -ominaisuuksista, sitä nopeammin pystyt auttamaan organisaatiotasi saamaan tarvitsemansa kilpailuedun.
