如何在 hazelcast 中创建共享数据结构的异步备份？

Question

我正在尝试通过一个简单的 for 循环将 x 个对象添加到分布式 hazelcast 队列 (IQueue)。

        HazelcastInstance hazelcastInstance = Hazelcast.newHazelcastInstance();
        BlockingQueue<String> configs = hazelcastInstance.getQueue("test"); 
        for(int i = 0; i<1000;i++) {
            configs.add("Some string"+i);
        }

更改配置中的值和（见下文）对执行速度没有任何影响。我假设增加会阻止插入操作，而增加不会（实际上循环应该运行就像 #add 操作在本地队列上一样快）。但是执行for循环的时间是一样的。即使我将两个值都设置为 0。这是为什么（这是一个双节点集群，一个节点在不同的虚拟机上）？

<?xml version="1.0" encoding="UTF-8"?>
<hazelcast xsi:schemaLocation=
  "http://www.hazelcast.com/schema/config hazelcast-config-3.7.xsd"
  xmlns="http://www.hazelcast.com/schema/config"
  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
    <network>
        <port auto-increment="true" port-count="20">5701</port>
        <join>
            <multicast enabled="false">
        </multicast>
        <tcp-ip enabled="true">
            <member>172.105.66.xx</member> 
        </tcp-ip>
        </join>
    </network>

    <queue name="test">
        <statistics-enabled>false</statistics-enabled>
        <max-size>0</max-size>
        <backup-count>0</backup-count>
        <async-backup-count>1</async-backup-count>
        <empty-queue-ttl>-1</empty-queue-ttl>
    </queue>
</hazelcast>

Answer 1

async-backups 不会阻止您的调用，因此设置 0 或 1 的差异应该很小。在 2 节点集群上设置另一个值毫无意义。

不同之处在于，您的数据结构分区的所有者是本地所有者还是远程所有者。在这种情况下，性能问题通常是由调用者（您的测试）和数据结构所有者（远程 Hazelcast 实例）之间的网络延迟引起的。

HazelcastInstance hazelcastInstance = Hazelcast.newHazelcastInstance();
IQueue<String> configs = hazelcastInstance.getQueue("test"); 
for(int i = 0; i<1000;i++) {
    configs.add("Some string"+i);
}
Member localMember = hazelcastInstance.getCluster().getLocalMember();
Member partitionOwner = hazelcastInstance.getPartitionService().getPartition(configs.getName()).getOwner();
boolean localCall = localMember.equals(partitionOwner);
System.out.println("Local calls to IQueue: " + localCall);

如何在 hazelcast 中创建共享数据结构的异步备份？

How to create asynchronous backups of shared data structures in hazelcast?

networking

distributed-computing

hazelcast

in-memory-data-grid