Tweet
Tweet

Slide 1

Slide 1 text

@gamussa @hazelcast #jpoint Распределяй и Властвуй -2:
 Потоки данных наносят ответный удар


Slide 2

Slide 2 text

Stream v. Batch

Slide 3

Slide 3 text

Кто?

Slide 4

Slide 4 text

Solutions Architect Кто?

Slide 5

Slide 5 text

Solutions Architect Developer Advocate Кто?

Slide 6

Slide 6 text

Solutions Architect Developer Advocate @gamussa везде в интернете Кто?

Slide 7

Slide 7 text

Solutions Architect Developer Advocate @gamussa везде в интернете А ты зафоловил меня, $userName © Кто?

Slide 8

Slide 8 text

Part Deux?

Slide 9

Slide 9 text

No content

Slide 10

Slide 10 text

@gamussa @hazelcast #jpoint * авторская орфография сохранена Disclaimer: Нам пишут

Slide 11

Slide 11 text

@gamussa @hazelcast #jpoint * авторская орфография сохранена Disclaimer: Нам пишут ? Из названия не было понятно, что это пропоганда хазлкаста, что не правильно.

Slide 12

Slide 12 text

@gamussa @hazelcast #jpoint * авторская орфография сохранена Disclaimer: Нам пишут ? Из названия не было понятно, что это пропоганда хазлкаста, что не правильно.

Slide 13

Slide 13 text

@gamussa @hazelcast #jpoint * авторская орфография сохранена Disclaimer: Нам пишут ? Из названия не было понятно, что это пропоганда хазлкаста, что не правильно.

Slide 14

Slide 14 text

@gamussa @hazelcast #jpoint * авторская орфография сохранена Disclaimer: Нам пишут ? Из названия не было понятно, что это пропоганда хазлкаста, что не правильно. ✓ Все так

Slide 15

Slide 15 text

@gamussa @hazelcast #jpoint * авторская орфография сохранена Disclaimer: Нам пишут ? Из названия не было понятно, что это пропоганда хазлкаста, что не правильно. ✓ Все так ✓ Читайте абстракт ✓ Как и Вы, я здесь в коммандировке

Slide 16

Slide 16 text

@gamussa @hazelcast #jpoint Disclaimer: Ham пишут * авторская орфография сохранена

Slide 17

Slide 17 text

@gamussa @hazelcast #jpoint Disclaimer: Ham пишут ? Спикер … уделяет время лишь одному банальному примеру подсчёта слов в файле с использованием фреймворка их компании. * авторская орфография сохранена

Slide 18

Slide 18 text

No content

Slide 19

Slide 19 text

@gamussa @hazelcast #jpoint Пакетная Обработка Данные в состоянии покоя

Slide 20

Slide 20 text

@gamussa @hazelcast #jpoint Данные и запросы Происхождение и обработка

Slide 21

Slide 21 text

@gamussa @hazelcast #jpoint

Slide 22

Slide 22 text

@gamussa @hazelcast #jpoint

Slide 23

Slide 23 text

@gamussa @hazelcast #jpoint Данньые…

Slide 24

Slide 24 text

@gamussa @hazelcast #jpoint Данньые…

Slide 25

Slide 25 text

@gamussa @hazelcast #jpoint ✓ … immutable по своей сути Данньые… ✓ … привязаны ко времени

Slide 26

Slide 26 text

@gamussa @hazelcast #jpoint CRUD -> CR Мариванна, в углу скр..©

Slide 27

Slide 27 text

@gamussa @hazelcast #jpoint Обработка – это запрос

Slide 28

Slide 28 text

@gamussa @hazelcast #jpoint Обработка – это запрос Функция по полному набору данных

Slide 29

Slide 29 text

@gamussa @hazelcast #jpoint Обработка – это запрос Функция по полному набору данных Проекции

Slide 30

Slide 30 text

@gamussa @hazelcast #jpoint Обработка – это запрос Функция по полному набору данных Проекции Агрегации

Slide 31

Slide 31 text

@gamussa @hazelcast #jpoint Обработка – это запрос Функция по полному набору данных Проекции Агрегации Joins

Slide 32

Slide 32 text

SELECT user_vote, count(*) FROM AccessLog WHERE event_date BETWEEN"04/07/2017" AND "04/07/2017" GROUP BY user_vote;

Slide 33

Slide 33 text

SELECT user_vote, count(*) FROM AccessLog WHERE event_date BETWEEN "04/7/2017" AND "04/08/2017" GROUP BY user_vote;

Slide 34

Slide 34 text

SELECT user_vote, count(*) FROM AccessLog WHERE event_date BETWEEN"04/07/2017" AND "04/08/2007" GROUP BY user_vote;

Slide 35

Slide 35 text

private static void countVotes(IMap userVotes) { // execute the aggregation and print the result long countVotes = userVotes .aggregate(Aggregators.count()); }

Slide 36

Slide 36 text

No content

Slide 37

Slide 37 text

@gamussa @hazelcast #jpoint Lambda architecture origins http:/ /nathanmarz.com/blog/how-to-beat-the-cap-theorem.html

Slide 38

Slide 38 text

@gamussa @hazelcast #jpoint Lambda Architecture

Slide 39

Slide 39 text

No content

Slide 40

Slide 40 text

@gamussa @hazelcast #jpoint Предподсчитанньый результат http:/ /nathanmarz.com/blog/how-to-beat-the-cap-theorem.html

Slide 41

Slide 41 text

@gamussa @hazelcast #jpoint Пакетньый процесс http:/ /nathanmarz.com/blog/how-to-beat-the-cap-theorem.html

Slide 42

Slide 42 text

No content

Slide 43

Slide 43 text

@gamussa @hazelcast #jpoint Хранилище вьыдачи

Slide 44

Slide 44 text

@gamussa @hazelcast #jpoint Хранилище вьыдачи Очень легко читать

Slide 45

Slide 45 text

@gamussa @hazelcast #jpoint Хранилище вьыдачи Очень легко читать K,V – в идеале

Slide 46

Slide 46 text

@gamussa @hazelcast #jpoint Хранилище вьыдачи Очень легко читать K,V – в идеале Очень быстро читать

Slide 47

Slide 47 text

@gamussa @hazelcast #jpoint Хранилище вьыдачи Очень легко читать K,V – в идеале Очень быстро читать хранить в памяти

Slide 48

Slide 48 text

@gamussa @hazelcast #jpoint Хранилище вьыдачи Очень легко читать K,V – в идеале Очень быстро читать хранить в памяти хранить предподсчитанный результат

Slide 49

Slide 49 text

Данные слишком важны, чтобы хранить их на одной машине

Slide 50

Slide 50 text

@gamussa @hazelcast #jpoint Oracle Coherence

Slide 51

Slide 51 text

@gamussa @hazelcast #jpoint Oracle Coherence In-memory data grid

Slide 52

Slide 52 text

@gamussa @hazelcast #jpoint Oracle Coherence In-memory data grid Распределенные кэши

Slide 53

Slide 53 text

@gamussa @hazelcast #jpoint Oracle Coherence In-memory data grid Распределенные кэши Коммерческий продукт

Slide 54

Slide 54 text

@gamussa @hazelcast #jpoint Infinispan

Slide 55

Slide 55 text

@gamussa @hazelcast #jpoint Infinispan In-memory data grid

Slide 56

Slide 56 text

@gamussa @hazelcast #jpoint Infinispan In-memory data grid распределённые кэши

Slide 57

Slide 57 text

@gamussa @hazelcast #jpoint Infinispan In-memory data grid распределённые кэши Лицензия Apache v2

Slide 58

Slide 58 text

@gamussa @hazelcast #jpoint Еще хотелки…

Slide 59

Slide 59 text

@gamussa @hazelcast #jpoint Еще хотелки… Простота

Slide 60

Slide 60 text

@gamussa @hazelcast #jpoint Еще хотелки… Простота знакомый API

Slide 61

Slide 61 text

@gamussa @hazelcast #jpoint Еще хотелки… Простота знакомый API встраиваемость

Slide 62

Slide 62 text

@gamussa @hazelcast #jpoint Еще хотелки… Простота знакомый API встраиваемость Cloud Native

Slide 63

Slide 63 text

@gamussa @hazelcast #jpoint Еще хотелки… Простота знакомый API встраиваемость Cloud Native

Slide 64

Slide 64 text

@gamussa @hazelcast #jpoint Псс, парень, Hazelcast IMDG, не хочешь? Ну очень быстрый грид ©

Slide 65

Slide 65 text

@gamussa @hazelcast #jpoint Hazelcast IMDG, ьерем?

Slide 66

Slide 66 text

@gamussa @hazelcast #jpoint Hazelcast IMDG, ьерем? In-memory Data Grid

Slide 67

Slide 67 text

@gamussa @hazelcast #jpoint Hazelcast IMDG, ьерем? In-memory Data Grid Распределенные Кэши (IMap, JCache) Проекции, Агрегации Java колекции (IList, ISet, IQueue) Система обмена сообщений (Topic, RingBuffer) Вычисления (ExecutorService, M-R)

Slide 68

Slide 68 text

No content

Slide 69

Slide 69 text

@gamussa @hazelcast #oraclecode

Slide 70

Slide 70 text

@gamussa @hazelcast #jpoint Пример: ПАКЕТНАЯ ОБРАБОТКА НА HAZELCAST и SPARK

Slide 71

Slide 71 text

@gamussa @hazelcast #jpoint ДАННЫЕ НЕ ДОЛЖНЫ ОБНОВЛЯТЬСЯ ВО ВРЕМЯ ЧТЕНИЯ

Slide 72

Slide 72 text

@gamussa @hazelcast #jpoint ПОЧЕМУ?

Slide 73

Slide 73 text

@gamussa @hazelcast #jpoint ПРИ РАСШИРЕНИИ, MAP ПЕРЕРАСПРЕДЕЛЯЕТ ДАННЫЕ ВНУТРИ КОНТЕЙНЕРА

Slide 74

Slide 74 text

@gamussa @hazelcast #jpoint КУРСОР НЕ УКАЗЫВАЕТ НА КОРРЕКТНУЮ ЗАПИСЬ. МОГУТ ВОЗНИКАТЬ ДУБЛИКАТЫ ИЛИ ДАННЫЕ ПРОПАДАТЬ

Slide 75

Slide 75 text

@gamussa @hazelcast #jpoint Потоковая обработка Данные в движении

Slide 76

Slide 76 text

@gamussa @hazelcast #jpoint Hazelcast Jet Считаем ваши слова. Быстро. В памяти

Slide 77

Slide 77 text

@gamussa @hazelcast #jpoint Потоковая и пакетная обработка в памяти

Slide 78

Slide 78 text

@gamussa @hazelcast #jpoint Потоковая и пакетная обработка в памяти

Slide 79

Slide 79 text

@gamussa @hazelcast #jpoint Потоковая и пакетная обработка в памяти

Slide 80

Slide 80 text

@gamussa @hazelcast #jpoint Потоковая и пакетная обработка в памяти

Slide 81

Slide 81 text

@gamussa @hazelcast #jpoint Потоковая и пакетная обработка в памяти

Slide 82

Slide 82 text

@gamussa @hazelcast #jpoint Jet против мира Big Data

Slide 83

Slide 83 text

@gamussa @hazelcast #jpoint Jet против мира Big Data Простота

Slide 84

Slide 84 text

@gamussa @hazelcast #jpoint Jet против мира Big Data Простота в разработке

Slide 85

Slide 85 text

@gamussa @hazelcast #jpoint Jet против мира Big Data Простота в разработке в развертывании (даже в облаках)

Slide 86

Slide 86 text

@gamussa @hazelcast #jpoint Jet против мира Big Data Простота в разработке в развертывании (даже в облаках) Скорость

Slide 87

Slide 87 text

@gamussa @hazelcast #jpoint Jet против мира Big Data Простота в разработке в развертывании (даже в облаках) Скорость data affinity

Slide 88

Slide 88 text

@gamussa @hazelcast #jpoint Jet против мира Big Data Простота в разработке в развертывании (даже в облаках) Скорость data affinity cooperative multitasking

Slide 89

Slide 89 text

@gamussa @hazelcast #jpoint Jet против мира Big Data Простота в разработке в развертывании (даже в облаках) Скорость data affinity cooperative multitasking Hazelcast IMDG

Slide 90

Slide 90 text

@gamussa @hazelcast #jpoint Jet против мира Big Data Простота в разработке в развертывании (даже в облаках) Скорость data affinity cooperative multitasking Hazelcast IMDG распределенные данные

Slide 91

Slide 91 text

@gamussa @hazelcast #jpoint Jet против мира Big Data Простота в разработке в развертывании (даже в облаках) Скорость data affinity cooperative multitasking Hazelcast IMDG распределенные данные discovery

Slide 92

Slide 92 text

@gamussa @hazelcast #jpoint Когда пьытаешься объяснить современньый мир Big Data

Slide 93

Slide 93 text

@gamussa @hazelcast #jpoint Локальность и привязка данньых

Slide 94

Slide 94 text

@gamussa @hazelcast #jpoint Локальность и привязка данньых Скорость и низкие задержки

Slide 95

Slide 95 text

@gamussa @hazelcast #jpoint Локальность и привязка данньых Скорость и низкие задержки данные и вычисления расположены на одной ноде

Slide 96

Slide 96 text

@gamussa @hazelcast #jpoint Локальность и привязка данньых Скорость и низкие задержки данные и вычисления расположены на одной ноде Привязка к структуре партиций

Slide 97

Slide 97 text

@gamussa @hazelcast #jpoint Направленньый ациклический граф

Slide 98

Slide 98 text

@gamussa @hazelcast #jpoint Направленньый ациклический граф Модель описания выполнения

Slide 99

Slide 99 text

@gamussa @hazelcast #jpoint Направленньый ациклический граф Модель описания выполнения Вершина – шаг выполнения

Slide 100

Slide 100 text

@gamussa @hazelcast #jpoint Направленньый ациклический граф Модель описания выполнения Вершина – шаг выполнения Работает как для пакетной и потоковой

Slide 101

Slide 101 text

@gamussa @hazelcast #jpoint Исполнение графа

Slide 102

Slide 102 text

@gamussa @hazelcast #jpoint Исполнение графа Каждая нода кластера исполняет граф целиком

Slide 103

Slide 103 text

@gamussa @hazelcast #jpoint Исполнение графа Каждая нода кластера исполняет граф целиком Каждая вершина графа исполняется набором tasklet-ов

Slide 104

Slide 104 text

@gamussa @hazelcast #jpoint Исполнение графа Каждая нода кластера исполняет граф целиком Каждая вершина графа исполняется набором tasklet-ов Ограниченное число «настоящих» потоков

Slide 105

Slide 105 text

@gamussa @hazelcast #jpoint Исполнение графа Каждая нода кластера исполняет граф целиком Каждая вершина графа исполняется набором tasklet-ов Ограниченное число «настоящих» потоков ~ кол-во процессоров

Slide 106

Slide 106 text

@gamussa @hazelcast #jpoint Исполнение графа Каждая нода кластера исполняет граф целиком Каждая вершина графа исполняется набором tasklet-ов Ограниченное число «настоящих» потоков ~ кол-во процессоров Work-stealing между потоками

Slide 107

Slide 107 text

@gamussa @hazelcast #jpoint Исполнение графа Каждая нода кластера исполняет граф целиком Каждая вершина графа исполняется набором tasklet-ов Ограниченное число «настоящих» потоков ~ кол-во процессоров Work-stealing между потоками Back pressure между вершинами

Slide 108

Slide 108 text

@gamussa @hazelcast #jpoint Cooperative Multithreading

Slide 109

Slide 109 text

@gamussa @hazelcast #jpoint Cooperative Multithreading Cooperative Processors выполняются в цикле, который выполняется в native треде

Slide 110

Slide 110 text

@gamussa @hazelcast #jpoint Cooperative Multithreading Cooperative Processors выполняются в цикле, который выполняется в native треде нет переключения контекста привязка к ядру процессора

Slide 111

Slide 111 text

@gamussa @hazelcast #jpoint Cooperative Multithreading Cooperative Processors выполняются в цикле, который выполняется в native треде нет переключения контекста привязка к ядру процессора Каждый tasklet выполняет небольшой небольшую часть работы (<1ms)

Slide 112

Slide 112 text

@gamussa @hazelcast #jpoint Cooperative Multithreading Cooperative Processors выполняются в цикле, который выполняется в native треде нет переключения контекста привязка к ядру процессора Каждый tasklet выполняет небольшой небольшую часть работы (<1ms)

Slide 113

Slide 113 text

@gamussa @hazelcast #jpoint Cooperative Multithreading

Slide 114

Slide 114 text

@gamussa @hazelcast #jpoint Cooperative Multithreading 1 поток может выполнять ~1000 tasklet

Slide 115

Slide 115 text

@gamussa @hazelcast #jpoint Cooperative Multithreading 1 поток может выполнять ~1000 tasklet Если нечего делать, тред

Slide 116

Slide 116 text

@gamussa @hazelcast #jpoint Cooperative Multithreading 1 поток может выполнять ~1000 tasklet Если нечего делать, тред Ребра графа имплементированы с помощью RingBuffer – single producer / single consumer

Slide 117

Slide 117 text

@gamussa @hazelcast #jpoint Cooperative Multithreading 1 поток может выполнять ~1000 tasklet Если нечего делать, тред Ребра графа имплементированы с помощью RingBuffer – single producer / single consumer

Slide 118

Slide 118 text

@gamussa @hazelcast #jpoint ТОпологии Что нам стоит кластер построить

Slide 119

Slide 119 text

@gamussa @hazelcast #jpoint Топологии

Slide 120

Slide 120 text

@gamussa @hazelcast #jpoint Топологии

Slide 121

Slide 121 text

@gamussa @hazelcast #jpoint Топологии

Slide 122

Slide 122 text

@gamussa @hazelcast #jpoint Топологии Jet!Cluster Sink Source / Enrichment

Slide 123

Slide 123 text

@gamussa @hazelcast #jpoint Топологии

Slide 124

Slide 124 text

No content

Slide 125

Slide 125 text

@gamussa @hazelcast #jpoint Benchmarks

Slide 126

Slide 126 text

@gamussa @hazelcast #jpoint Benchmarks

Slide 127

Slide 127 text

@gamussa @hazelcast #jpoint Демо

Slide 128

Slide 128 text

@gamussa @hazelcast #jpoint * авторская орфография сохранена Disclaimer: Ham пишут

Slide 129

Slide 129 text

@gamussa @hazelcast #jpoint * авторская орфография сохранена Disclaimer: Ham пишут ? Про фэйлы нод в хазелкасие хотелось бы услышать откровений и примеры из жизни.

Slide 130

Slide 130 text

@gamussa @hazelcast #jpoint * авторская орфография сохранена Disclaimer: Ham пишут ? Про фэйлы нод в хазелкасие хотелось бы услышать откровений и примеры из жизни.

Slide 131

Slide 131 text

@gamussa @hazelcast #jpoint проблемы Текущее состояние

Slide 132

Slide 132 text

@gamussa @hazelcast #jpoint Проблемьы

Slide 133

Slide 133 text

@gamussa @hazelcast #jpoint Проблемьы Устойчивость к сбоям

Slide 134

Slide 134 text

@gamussa @hazelcast #jpoint Проблемьы Устойчивость к сбоям Работа с «бесконечными» данными

Slide 135

Slide 135 text

@gamussa @hazelcast #jpoint Проблемьы Устойчивость к сбоям Работа с «бесконечными» данными Неупорядоченные и «опоздавшие» события

Slide 136

Slide 136 text

I FOUND YOUR LACK OF FAULT TOLERANCE disturbing

Slide 137

Slide 137 text

@gamussa @hazelcast #jpoint 10 +1 Бэкапьы Консистентный бэкап системы Обработка «At-least once» vs «Exactly once» Снэпшот распределенной системы

Slide 138

Slide 138 text

@gamussa @hazelcast #jpoint 10 10 Бэкапьы Консистентный бэкап системы Обработка «At-least once» vs «Exactly once» Снэпшот распределенной системы

Slide 139

Slide 139 text

@gamussa @hazelcast #jpoint 10 10 11 Бэкапьы Консистентный бэкап системы Обработка «At-least once» vs «Exactly once» Снэпшот распределенной системы

Slide 140

Slide 140 text

@gamussa @hazelcast #jpoint 10 11 10 11 Бэкапьы Консистентный бэкап системы Обработка «At-least once» vs «Exactly once» Снэпшот распределенной системы

Slide 141

Slide 141 text

@gamussa @hazelcast #jpoint Reader Writer Reader

Slide 142

Slide 142 text

@gamussa @hazelcast #jpoint Reader Writer Reader Snapshot

Slide 143

Slide 143 text

@gamussa @hazelcast #jpoint Reader Writer Reader Reader Snapshot

Slide 144

Slide 144 text

@gamussa @hazelcast #jpoint Reader Writer Reader Reader Snapshot

Slide 145

Slide 145 text

@gamussa @hazelcast #jpoint Reader Writer Reader Reader Snapshot

Slide 146

Slide 146 text

@gamussa @hazelcast #jpoint Reader Writer Reader Reader Snapshot

Slide 147

Slide 147 text

@gamussa @hazelcast #jpoint Reader Writer Reader Reader Reader Snapshot

Slide 148

Slide 148 text

@gamussa @hazelcast #jpoint Reader Writer Reader Reader Reader Snapshot

Slide 149

Slide 149 text

@gamussa @hazelcast #jpoint Reader Writer Reader Reader Reader Snapshot

Slide 150

Slide 150 text

@gamussa @hazelcast #jpoint Reader Writer Reader Reader Reader Snapshot

Slide 151

Slide 151 text

@gamussa @hazelcast #jpoint Reader Writer Reader Reader Reader Snapshot

Slide 152

Slide 152 text

@gamussa @hazelcast #jpoint Reader Writer Reader Reader Reader Snapshot

Slide 153

Slide 153 text

@gamussa @hazelcast #jpoint Reader Writer Reader Reader Reader Writer Snapshot

Slide 154

Slide 154 text

@gamussa @hazelcast #jpoint Reader Writer Reader Reader Reader Writer Snapshot Done!

Slide 155

Slide 155 text

@gamussa @hazelcast #jpoint Как считать «бесконечные» данные?

Slide 156

Slide 156 text

Конечное представление бесконечных данных

Slide 157

Slide 157 text

@gamussa @hazelcast #jpoint

Slide 158

Slide 158 text

@gamussa @hazelcast #jpoint https:/ /www.oreilly.com/ideas/the-world-beyond-batch-streaming-101

Slide 159

Slide 159 text

@gamussa @hazelcast #jpoint Time-based обработка

Slide 160

Slide 160 text

@gamussa @hazelcast #jpoint Time-based обработка Привязка записей к окнам на основе Времени события Времени обработки

Slide 161

Slide 161 text

@gamussa @hazelcast #jpoint Time-based обработка Привязка записей к окнам на основе Времени события Времени обработки Сколько ждать «запоздалых» данных?

Slide 162

Slide 162 text

@gamussa @hazelcast #jpoint Time-based обработка Привязка записей к окнам на основе Времени события Времени обработки Сколько ждать «запоздалых» данных? Точность vs Память

Slide 163

Slide 163 text

@gamussa @hazelcast #jpoint Fatality

Slide 164

Slide 164 text

@gamussa @hazelcast #jpoint Потоковая обработка: итоги

Slide 165

Slide 165 text

@gamussa @hazelcast #jpoint Потоковая обработка: итоги • Получать результаты вычислений реальном времени возможно!

Slide 166

Slide 166 text

@gamussa @hazelcast #jpoint Потоковая обработка: итоги • Получать результаты вычислений реальном времени возможно! • Окна – конечное представление бесконечных данных • Окна основаны на временнЫх параметрах (время события + время обработки)

Slide 167

Slide 167 text

@gamussa @hazelcast #jpoint Потоковая обработка: итоги • Получать результаты вычислений реальном времени возможно! • Окна – конечное представление бесконечных данных • Окна основаны на временнЫх параметрах (время события + время обработки) • Обработка «запоздалых» событий • Вам решать, сколько ждать

Slide 168

Slide 168 text

@gamussa @hazelcast #jpoint hazelcast/hazelcast-jet-code-samples

Slide 169

Slide 169 text

@gamussa @hazelcast #jpoint СПАСИБО! Вопросы? @gamussa [email protected]