Avalados por :
Comparativa entre enfoques de arquitecturas MPP para bases de datos analíticas: nada compartido vs. todo compartido
- Creado 01/03/2024
- Modificado 01/03/2024
- 3 Vistas
En el mundo de las arquitecturas de procesamiento masivamente paralelo (MPP) para bases de datos analíticas, ha habido dos enfoques predominantes: "nada compartido" y "todo compartido". En un entorno de nada compartido, cada servidor opera de forma independiente y controla sus propios recursos de memoria y disco. Los datos se dividen entre los servidores y la carga de trabajo se distribuye de manera que cada máquina opera con sus propios datos, sin compartir recursos de hardware con otras máquinas en la cuadrícula. En un entorno de todo compartido, todos los servidores acceden al mismo almacén compartido y cada carga de trabajo tiene acceso al almacén, así como a los recursos informáticos de todos los servidores en la cuadrícula. Nada compartido se enfoca en maximizar el rendimiento, y todo compartido se enfoca en maximizar la utilización de recursos.
La desventaja de nada compartido es la necesidad de duplicar datos compartidos entre nodos y mantener los datos uniformemente divididos entre nodos para un rendimiento consistentemente alto. Esta sobrecarga de mantenimiento ha sido mitigada por nuevas técnicas de fragmentación de datos, que reparten automáticamente los datos sin intervención del usuario. Todo compartido ha sido criticado por su rendimiento reducido debido a la contención sobre el almacén compartido. Esto ha sido mitigado por SAN de alto rendimiento, que puede servir datos a muchos servidores a través de múltiples canales de E/S de alta velocidad.
Con el objetivo de crear la plataforma de análisis más flexible, eficiente y fácil de mantener en el mercado, SAP Sybase IQ adoptó un enfoque de todo compartido con su arquitectura MPP, llamado PlexQ. La plataforma de consulta distribuida PlexQ utiliza dinámicamente recursos informáticos físicos a medida que gestiona las cargas de trabajo de consulta en una cuadrícula Multiplex de servidores IQ. Además, el usuario puede definir servidores lógicos para crear almacenes de datos virtuales que segmentan las cargas de trabajo de análisis en una comunidad empresarial. Los servidores lógicos son subconjuntos de máquinas físicas en la cuadrícula Multiplex, que pueden configurarse elásticamente: máquinas físicas movidas de un servidor lógico a otro, según las demandas cambiantes de potencia de cálculo. El enfoque único de IQ para MPP logra la máxima flexibilidad, así como un rendimiento escalable.
La última versión de IQ de SAP, la versión 16, lleva el MPP a un nuevo nivel con su innovadora característica de afinidad de datos suaves . Ahora, el optimizador de consultas realiza un seguimiento inteligente del contenido de la caché en la cuadrícula, distribuyendo cada fragmento de consulta al servidor que ya tiene los datos pertinentes en la caché. Las cachés se mantienen activas, la E/S se reduce drásticamente y su arquitectura de todo compartido ha adquirido las características de alto rendimiento de nada compartido. La afinidad de datos es gestionada automáticamente por el optimizador de consultas de IQ y se ajusta automáticamente con los cambios de datos y las consultas ad hoc:
SAP Sybase IQ 16 le ofrece lo mejor de ambos mundos: la agilidad de todo compartido, con el rendimiento de nada compartido. Para análisis de XLDB, SAP Sybase IQ se destaca por sí solo. Para obtener más información, consulte el anuncio en CMS Wire: http://www.cmswire.com/cms/information-management/saps-sybase-iq-16-goes-extreme-delivering-data-dri...
Courtney Claussen | Gestión de productos de SAP Sybase IQ | Correo electrónico: courtney.claussen@sap.com
Sin respuestas
No hay respuestas para mostrar
Se el primero en responder
contacto@primeinstitute.com
(+51) 1641 9379
(+57) 1489 6964
© 2024 Copyright. Todos los derechos reservados.
Desarrollado por Prime Institute