Владимир Озеров — Масштабируемость в распределенных in-memory системах

Описание: Подробнее о Java-конференциях:
— весной — JPoint: https://jrg.su/gTrwHx
— осенью — Joker: https://jrg.su/h7yvG4
— —
. . . . 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.