Apache Ignite 和 Tachyon 有什么区别
What's the difference between Apache Ignite and Tachyon
我是Apache Ignite的新手,对于Ignite和spark的集成,看起来Ignite提供了一个内存层,数据将存在于spark应用程序中,这是Tachyon作为内存提供的能力文件系统。
所以,我的问题是关于内存文件系统(IGFS for ignite),Ignite 和 Tachyon 有什么区别?两者之间的优缺点是什么?
谢谢!
Apache Ignite 是一个包含许多组件的平台,例如(不限于):
- 一个计算引擎,它允许您 运行 在 fork-join 模型中进行分布式计算(不依赖于 Hadoop 或 Spark)
- 一种符合 JSR-107 的分布式键值存储,具有各种持久性选项,并且能够 运行 对您的数据进行索引 SQL 查询,并且从 Ignite 1.8 开始,使用 DML 更新您的数据
- 分布式容错服务允许您运行集群中固定数量的后台进程
- IGFS,分布式内存文件系统
- Hadoop 加速器组件
- Spark RDD 集成允许您对 Spark 任务的结果进行中间存储
- 分布式事件、消息等...
如果我们要查看 Ignite-Spark 集成,我会注意的一个主要功能是能够 运行 indexed SQL 查询。与大型 RDD 上的 Spark 相比,这可能会显着提高查询性能。
另一方面,Tachyon 是一个内存文件系统,所以我想说 Tachyon 本身与 IGFS 非常接近。
我是Apache Ignite的新手,对于Ignite和spark的集成,看起来Ignite提供了一个内存层,数据将存在于spark应用程序中,这是Tachyon作为内存提供的能力文件系统。 所以,我的问题是关于内存文件系统(IGFS for ignite),Ignite 和 Tachyon 有什么区别?两者之间的优缺点是什么?
谢谢!
Apache Ignite 是一个包含许多组件的平台,例如(不限于):
- 一个计算引擎,它允许您 运行 在 fork-join 模型中进行分布式计算(不依赖于 Hadoop 或 Spark)
- 一种符合 JSR-107 的分布式键值存储,具有各种持久性选项,并且能够 运行 对您的数据进行索引 SQL 查询,并且从 Ignite 1.8 开始,使用 DML 更新您的数据
- 分布式容错服务允许您运行集群中固定数量的后台进程
- IGFS,分布式内存文件系统
- Hadoop 加速器组件
- Spark RDD 集成允许您对 Spark 任务的结果进行中间存储
- 分布式事件、消息等...
如果我们要查看 Ignite-Spark 集成,我会注意的一个主要功能是能够 运行 indexed SQL 查询。与大型 RDD 上的 Spark 相比,这可能会显着提高查询性能。
另一方面,Tachyon 是一个内存文件系统,所以我想说 Tachyon 本身与 IGFS 非常接近。