Caching - Hintergründe, Patterns und Best Practices
13 gefällt mir5,374 aufrufe
Das Dokument befasst sich mit den Grundlagen, Mustern und Best Practices des Cachings in Geschäftsanwendungen, um deren Skalierbarkeit, Performance und Kosteneffizienz zu verbessern. Es werden verschiedene Arten von Caches sowie deren Implementierung, Datenkonsistenz und Optimierungsmöglichkeiten betrachtet. Darüber hinaus werden empfohlene Strategien zur effektiven Nutzung von Caching in Unternehmensanwendungen erläutert.
Caching - Hintergründe, Patterns und Best Practices
- 1. Caching Hintergründe, Patterns &" Best Practices" für Business Anwendungen
- 2. Michael Plöd" Senacor Technologies AG @bitboss
- 4. Cache" / kæʃ /" bezeichnet in der EDV einen schnellen Puffer-Speicher, der (erneute) Zugriffe auf ein langsames Hintergrundmedium oder aufwändige Neuberechnungen zu vermeiden hilft. Inhalte/Daten, die bereits einmal beschafft/berechnet wurden, verbleiben im Cache, sodass sie bei späterem Bedarf schneller zur Verfügung stehen. Auch können Daten, die vermutlich bald benötigt werden, vorab vom Hintergrundmedium abgerufen und vorerst im Cache bereitgestellt werden." " Caches können als Hardware- oder Softwarestruktur ausgebildet sein. In ihnen werden Kopien zwischengespeichert. Quelle: http://de.wikipedia.org/wiki/Cache
- 6. Viele Enterprise Projekte haben Angst vor Caching……
- 7. " …….. und setzen Caching deshalb insuffizient ein.
- 8. Mit dem richtigen Einsatz von Caching können Business-Anwendungen skalierbarer, performanter und günstiger im Betrieb werden.
- 9. Aufbau und Laufzeit- Verhalten einer typischen Business-Anwendung
- 10. Web Host System X .. Y .. Z DB Anwendungsfall
- 11. Host System X .. Y .. Z DB Host-Services werden in der Regel pro Aufruf abgerechnet Aufrufe von Umsystemen benötigen in der Regel viel Zeit Datenbanken werden häufig aufgerufen Geld Zeit Ressourcen
- 12. Zu teuer! Zu langsam! Schlechter Service! IT-Chef Betreuer Kunde
- 13. CACHESArtenvon Orte für Local Cache, Data Grid, Document Store, JPA First Level Cache, JPA Second Level Cache, Hybrid Cache Datenbank, Heap, HTTP Proxy, Browser, Prozessor, Disk, Off Heap, Persistenz- Framework, Anwendung
- 14. Wir betrachten primär lokales und verteiltes Caching auf Anwendungs- Ebene mit einem Exkurs in Richtung JPA
- 15. Was soll ich cachen? Wo soll ich cachen? Welchen Cache soll ich nutzen? Welchen Einfluss hat das auf meine Infrastruktur? Was muss ich in Bezug auf Datenkonsistenz beachten? Wie führe ich Caching ein?
- 16. Was soll ich cachen? Wo soll ich cachen? Welchen Cache soll ich nutzen? Welchen Einfluss hat das auf meine Infrastruktur? Was muss ich in Bezug auf Datenkonsistenz beachten? Wie führe ich Caching ein?
- 17. 1 Identifiziere geeignete Ebenen für Caching
- 19. 2 Bleibe so lange lokal wie möglich
- 22. DemoHazelcast lokal vs verteilt
- 23. Was soll ich cachen? Wo soll ich cachen? Welchen Cache soll ich nutzen? Welchen Einfluss hat das auf meine Infrastruktur? Was muss ich in Bezug auf Datenkonsistenz beachten? Wie führe ich Caching ein?
- 24. Ein transaktionaler Cache kostet Performance!
- 25. JVM JVM JVM JVM Clustered - with sync Cache Cache Cache Cache Invalidation Replication
- 28. Cache Cache Cache Cache Invalidation #1 PUT (Insert) PUT (Insert) #1 #1 PUT (Insert) PUT (Insert) #1
- 36. Bisher hält jeder Cache potentiell alle Daten und belegt Platz im Heap
- 37. Big Heap ?
- 38. Was soll ich cachen? Wo soll ich cachen? Welchen Cache soll ich nutzen? Welchen Einfluss hat das auf meine Infrastruktur? Was muss ich in Bezug auf Datenkonsistenz beachten? Wie führe ich Caching ein?
- 39. 4 Vermeide große Heap-Sizes nur für Caching.
- 40. Grosser Heap führt zu langen major GCs Application Data Cache 32GB
- 41. Lange GCs können Cluster destabilisieren JVM Cache JVM Cache JVM Cache JVM Cache
- 42. Lange GCs können Cluster destabilisieren JVM Cache JVM Cache JVM Cache JVM Cache
- 43. Lösung: Kleine Caches? " Viele Evictions, wenige Hits, „hot data“ kann nicht entstehen
- 44. 5 Sehr grosse Datenmenge? Distributed Cache!
- 45. Distributed Caches JVM JVM JVM JVM Cache Node 1 Cache Node 2 Cache Node 3
- 46. 1
- 49. 1 2 Kunde #23 Kunde #30 Kunde #27 Kunde #32 Die Daten werden verteilt und Backups gesichert
- 50. 1 2 Kunde #23 Kunde #30 Kunde #27 Kunde #32 BACKUP #27 BACKUP #32 BACKUP #23 BACKUP #30 Die Daten werden verteilt und Backups gesichert
- 54. 8 Raspberry Pis mit je einer Hazelcast Instanz ! 1 MacBook Pro mit zwei Hazelcast Instanzen
- 55. Test Programme Raspberry Hazelcast Raspberry Hazelcast Raspberry Hazelcast Raspberry Hazelcast Raspberry Hazelcast Raspberry Hazelcast Raspberry Hazelcast Raspberry Hazelcast Hazelcast Hazelcast MacBook Pro Lego Cloud Hazelcast Cluster mit beliebig skalierbarer Anzahl an Instanzen
- 56. Ein verteilter Cache führt zu kleinen Heaps, mehr Kapazität und lässt sich einfach skalieren Application Data Cache 2-4GB … Cache
- 57. 6 Der Operations-Mitarbeiter ist Dein bester Freund!
- 58. Caches im Cluster sind komplex
- 59. Betrieb mit an Board holen!
- 60. Was soll ich cachen? Wo soll ich cachen? Welchen Cache soll ich nutzen? Welchen Einfluss hat das auf meine Infrastruktur? Was muss ich in Bezug auf Datenkonsistenz beachten? Wie führe ich Caching ein?
- 61. 7 Cache nur geeignete Daten
- 62. Die besten Cache Kandidaten sind read- mostly Daten, die teuer in der Beschaffung sind
- 63. Will man dennoch schreib- intensive Daten im Cluster cachen, dann nur mit dem Modus „distributed cache“
- 64. Was soll ich cachen? Wo soll ich cachen? Welchen Cache soll ich nutzen? Welchen Einfluss hat das auf meine Infrastruktur? Was muss ich in Bezug auf Datenkonsistenz beachten? Wie führe ich Caching ein?
- 65. 8 Nutze erprobte Cache- Implementierungen
- 67. CACHE Implementierungen Infinispan, EHCache, Hazelcast, Couchbase, Memcache, OSCache, SwarmCache, Xtreme Cache, Apache DirectMemory Terracotta, Coherence, Gemfire, Cacheonix, WebSphere eXtreme Scale, Oracle 12c In Memory Database
- 68. Was soll ich cachen? Wo soll ich cachen? Welchen Cache soll ich nutzen? Welchen Einfluss hat das auf meine Infrastruktur? Was muss ich in Bezug auf Datenkonsistenz beachten? Wie führe ich Caching ein?
- 69. 9 Führe Caching in drei Schritten ein
- 70. Anwendungs- Optimierung Lokaler Cache Verteilter Cache Performance Boost Performance Slowdown
- 71. 10 Optimiere die Serialisierung von Objekten
- 73. Beispiel: Hazelcast 10.000 Objekte lokal schreiben und lesen GET Time PUT Time Payload Size Serializable 1287 ms 1220 ms 1164 byte Data Serializable 443 ms 408 ms 916 byte Identifier Data Serializable 264 ms 207 ms 882 byte
- 74. JAVA SERIALIZATION SUCKSfor Caching if alternatives are present
- 75. 11 Abstrahiere Deinen Cache Provider
- 76. <cache:annotation-driven cache-manager="ehCacheManager"/>! ! <!-- EH Cache local -->! <bean id="ehCacheManager" ! class="org.springframework.cache.ehcache.EhCacheCacheManager"! p:cacheManager-ref="ehcache"/>! ! ! <bean id="ehcache" ! class="org.springframework.cache.ehcache.EhCacheManagerFactoryBean"! ! p:configLocation="/ehcache.xml"/> Beispiel: Spring @Cacheable("CrmIntegrationService#retrieveCustomer")! public Customer retrieveCustomer(Long customerNumber) {! ! …! }
- 78. User Interface „CRM“ Kundendaten „Host“ ! Konten Transaktionen DB Spring + Wicket Spring Boot Java EE 7 H2 Server Netzwerk
- 79. 12 Lagere „heisse Daten“ möglichst nah an der Anwendung
- 80. Beispiel: Near Cache JVM Cache Node 1 Cache Node 2 Cache Node 3 Cache Node 4 Cache Node 5 Cache Node 6
- 81. Beispiel: Near Cache JVM Cache Node 1 Cache Node 2 Cache Node 3 Cache Node 4 Cache Node 5 Cache Node 6 Cache Node
- 82. 13 Verwende Off-Heap Storage für Cache Instanzen mit mehr wie 4 GB Heap Size
- 83. THINK BIG
- 84. Off Heap 30GBRAM JVM Cache Runtime Cache Data 2GBHEAP Keine Garbage Collection Sehr kurze Garbage Collections
- 85. 14 JPA: Flush vor Cache Put
- 87. 14 JPA: Flush vor Cache Put 13 12 11 10 9 8 7 6 5 4 3 2 1 Off-Heap Storage für Cache Instanzen mit mehr wie 4 GB Heap Size Lagere „heisse Daten“ möglichst nah an der Anwendung Abstrahiere Deinen Cache Provider Optimiere die Serialisierung von Objekten Führe Caching in drei Schritten ein Nutze erprobte Cache-Implementierungen Cache nur geeignete Daten Der Operations-Mitarbeiter ist Dein bester Freund! Sehr grosse Datenmenge? Distributed Cache! Vermeide große Heap-Sizes nur für Caching. Ziehe Invalidation, Replication vor Bleibe so lange lokal wie möglich Identifiziere geeignete Ebenen für Caching
- 88. Fragen? Michael Plöd" Senacor Technologies AG" @bitboss" http://slideshare.net/mploed" [email protected]"