标签: scalability

我有一个C#服务,目前在PC上运行单实例.我想拆分这个组件,以便它可以在多台PC上运行.应为每台PC分配一部分工作.如果一台PC出现故障,则应将其工作移至备用机器.

数据同步可以由DB完成,因此这不应该是一个问题.我目前的想法是使用某种负载均衡器来分割并将传入的请求发送到PC阵列,并确保实际处理工作.

我该如何实现这样的功能？我不确定我是否在问正确的问题.如果我对如何实现这一目标的理解是错误的,请给我一个提示.

编辑:

1. 我想知道上面给出的想法(负载均衡器拆分工作包到PC并检查结果)是否可行.如果有某种已经实现的解决方案,所以这个看似常见的问题,我很乐意使用该解决方案.

2. 可用性是一项关键要求.

需要维护活动用户列表的可伸缩服务器的最佳实践是什么？

• 我应该为服务器在其上发送更新消息的每个客户端打开持久的TCP连接吗？这可能导致许多打开的连接，并且可能导致许多秒钟内没有流量。这是TCP中的问题吗？
• 还是让客户端定期轮询更新（每个更新都有一个新的tcp连接）会更好吗？

聊天服务器或大型在线游戏如何处理？

我要开发一个高扩展性的webservice，但是连接池大小（Oracle DB）设置为50。

拥有这个大小意味着服务的并发请求数量最多为 50，否则将没有新连接可用，对吗？

但是通过配置，Weblogic 或 Glassfish 服务器是否可以同时接受 50 个以上的请求？

我读到服务器接受“排队”的请求，直到线程处理它们。

关于“可扩展性”，我也有一个问号，因为平均数据库调用需要 1,2 秒。+ 肥皂开销...==> 每次调用的响应时间为 2,3 秒。

我可以估计服务器将支持多少并发用户（Weblogic 或 Glasfish 4gb）？

谢谢

我想知道多线程究竟是如何解决可扩展性问题的。我的基本理解是，当一个请求进入一个新线程时，它会被分配来为该请求提供服务。但是幕后到底发生了什么。

我目前正在启动一个项目，我必须构建一个存储云来处理 1000 次 GET、PUT、DELETE 操作。多线程处理可扩展性还是我应该查看事件服务器？

我正在尝试在Windows Azure中设置一个全局计数器,该计数器将跟踪一天内启动的游戏数量.每次玩家开始游戏时,都会从客户端向服务器发出Web服务调用,并且全局计数器将增加1.这应该与数据库相当简单......但我想知道如何才能有效地做到这一点.数据库方法同时适用于几百个客户端,但如果我有100,000个客户端会发生什么？

感谢您的帮助/想法!

我在cpp上写数据处理器,它应该处理很多请求并做很多计算,请求相互连接.现在我考虑简单的水平可伸缩性.

使用带复制的memcached(每个处理器上的一个实例)来存储操作数据是一个好主意吗？这样的每个处理器实例可以在相同的时间内处理每个请求.

memcached复制的速度和稳定性有多快？

我正计划开发一个能够应对可扩展性,灵活性和容错性的分布式数据存储.

我看过Erlang但发现了一些负面意见.

我可以使用AKKA构建数据存储区吗？

我们有许多具有缓存需求的Web服务和Web应用程序应用程序,因此我们正在努力提出缓存策略,这可以帮助所有团队,无论他们的技术选择如何.我们已经在每个服务器节点上使用本地运行的Memcached(非复制)和Couchbase(多主机),并且应用程序使用Memcached协议在本地连接它们,但是我们计划使用通过REST API公开的集中式缓存集群,可以使用在数据中心的不同服务器节点上运行的所有应用程序.以下是思考过程背后的原因:

1. 易于维护群集而无需担心应用服务器节点.
2. 用于访问缓存的单一协议(HTTP),无需担心底层实现.(我们可能使用Redis或Couchbase或Aerospike集群)

但是我们不确定这个策略,因为我们担心由于HTTP而导致的网络开销对性能的影响.

有人试过这个策略吗？将缓存作为集中服务或本地缓存是最好的是一个好主意吗？

根据这个,"每个map.get(k)将是一个远程操作"但遥控器在哪里？例如,我有一个节点用key -k写入IMap.另外50个节点使用map.get(k)从IMap读取.当50个节点调用map.get(k)时会发生什么.每次调用是否都来自执行写操作的节点？如果是这样,这个"远程"节点将在响应这50个呼叫时创建多少个IMap副本？它是多线程的吗？这是IMap单身人士吗？或者每个线程都会创建这样的IMap的深层副本？

我需要实现一个大数据存储+处理系统.

数据每天都在增加(大约每天最多5000万行),数据符合大约10个字段(日期,数字,文本,ID)的非常简单的JSON文档.

然后可以在线查询数据(如果可能),在文档的某些字段(日期范围查询,ID等)上进行任意分组.

我正在考虑使用MongoDB集群来存储所有这些数据,并为我需要查询的字段构建索引,然后在apache Spark集群中处理数据(主要是简单的聚合+排序).也许使用Spark-jobserver在它周围构建一个rest-api.

我担心mongoDB扩展可能性(即存储10b +行)和吞吐量(快速发送1b +值的行以进行处理)或能够在如此大的数据库中维护索引.

相比之下,我考虑使用cassandra或hbase,我认为它更适合存储大型数据集,但在查询中提供的性能较低,如果我提供在线查询,我最终需要这些性能.

1 - mongodb + spark是这种用例的经过验证的堆栈吗？

2 - mongodb(存储+查询性能)可扩展性无限制？

提前致谢