SlideShare a Scribd company logo
1 of 34
Download to read offline
The Scale-Out Application Server

    GigaSpaces 소개
            펜타시스템 테크놀러지㈜




1
GigaSpaces 회사 소개



• 설립 : 2000년
• Offices : NY, San-Francisco, Paris, London, Israel
• Investors: Intel Capital, BRM Capital, Formula Systems


• 대용량 트랜잭션 처리와 고성능을 요구하는 시스템에 극한의 성능과 선형적인 확장성
                                           확장성을
제공하기 위해 “스페이스 기반 아키텍처
         스페이스    아키텍처”를 사용하는 Infrastructure Software를 제공




                                          2
GigaSpaces 회사 소개

“우리의 모든 네트웍 구간에서 동적으로 서비스들을 디플로이하는 것이 우리의 핵심 요구사항이었고
  GigaSpaces의 Service Grid기능은 우리의 요구사항에 꼭 맞는 기능이었다”
“GigaSpaces덕분에 애플리케이션이 동시에 실행되는 동안 필요할 때마다 자원의 공급을 조절할
   수 있기 때문에, 우리는 급증하는 부하에 대한 걱정을 하지 않게 되었다.


                                                       - Alberto Santini
                 Head of Development Monte Paschi Asset Management.


분산 시스템 환경에서 고성능과 신뢰할 수 있는 데이터의 공유,분산, 복제를 필요로 하는
애플리케이션을 개발해야 하는 사용자들은 전통적인 아키텍처의 성능을 향상시키기 위해서 분산 공유
메모리 플래폼인 GigaSpaces를 심각히 고려해야 한다.

                                                     - Massimo Pezzini
                      VP & Distinguished Analyst,Gartner February,2006



                                3
XTP 소개
• XTP(eXtreme Transaction Processing)의 등장
    극한의 성능과 선형적 확장성을 요구하는 대규모,트랜잭션 중심의 애플리케이션의 구현을
    목표로 하는 새로운 애플리케이션 스타일.

                                      13 February 2007
• XTP 등장 배경
   ‣ Network 발전으로 거래량 폭발적으로 증가
   ‣ 비즈니스 민첩성에 대한 요구 증대
   ‣ 실시간 정보에 대한 요구증대



     새로운 Architecture 필요성 등장




                             4
XTP 소개
• XTP가 필요로 하는 새로운 Architecture의 기능


         • 데이터 캐싱
         • 병렬 처리

         • 대용량 데이터 캐싱
         • 클러스터 전역에 걸친 Event처리

         • 그리드 컴퓨팅을 이용한 효율적인 자원사용 및 서비스
  TCO      가용성 증대




                             5
와
XTP와 티어 기반 아키텍처
• 멀티 티어 아키텍처

 모든 티어별로 병목 구간 존재
   데이터 억세스
   애플리케이션간 통신
   극한의 성능을 낼 수 없음


 시스템 복잡도 증가
                                      티어 기반 아키텍처는
                                        XTP의 요구에
                                           의
   시스템이 복잡해짐에 따라서 아키텍처에서의 병목 발생
                                      적합하지 않은 아키텍처


 제한된 확장성
   성능상의 병목이 되는 티어를 찾기 어려움
   일부 티어만 증설한다고 전체 성능이 확장되지 않음




                                  6
GigaSpaces 개요
• GigaSpaces
   ‣ 스페이스 기반 아키텍처를 사용하여 신규 또는 기존의 애플리케이션을 쉽게
   무제한의 확장성과 극한의 성능을 가진 강력한 서비스로 전환할 수 있도록 해주는
   미들웨어 플랫폼




                  XTP

                        7
GigaSpaces 개요
• GigaSpaces 아키텍처




                    8
스페이스 기반 아키텍처

• Space - 네트워크상의 분산 공유 메모리
                                    클러스터 스페이스




        스페이스




                        ‣ 분산 환경의 Java 표준 기술인 Jini와
                          JavaSpaces 사용.
     데이터       메시지
                        ‣ 메시지와 데이터의 단일 저장소 기능
                        ‣ 내장된 클러스터 기능을 통한 고 가용성
                        ‣ Java오브젝트 기반


                             9
스페이스 기반 아키텍처
• 4가지 기본 Space Operation
   ‣ Write - 스페이스에 오브젝트를 write
   ‣ Read - 스페이스에서 오브젝트를 read
   ‣ Take - 스페이스에서 오브젝트를 read & delete
   ‣ Notify - 스페이스에 있는 데이터의 변화(Write/Delete/Update)에 대한 notify


• 스페이스 기반 아키텍처(Space Based Architecture)는 분산 환경에서

   ‣ 데이터 캐싱
   ‣ 메시지 및 이벤트 처리
   ‣ 병렬 처리
   를 사용하여 확장성과 고성능을 필요로 하는 애플리케이션의 구축을 위한 소프트웨어
   아키텍처

                                   10
스페이스 기반 아키텍처
• 애플리케이션의 모든 티어를 스페이스에 통합
  ‣ 데이터 억세스 티어
  ‣ 메시징 티어
  ‣ 비즈니스 로직 티어


• 애플리케이션의 성능 증대
  ‣ 애플리케이션의 티어간 호출을 제거
  ‣ 데이터를 애플리케이션에 가장 가깝게 배치
  ‣ 데이터 억세스를 메모리에서 함으로 Disk I/O 최소화


• 선형적 확장성 확보
  ‣ 독립된 처리단위(Processing Unit)에서 모든 처리가
    이루어 짐으로써 선형적인 확장성을 확보



                             11
스페이스 기반 아키텍처
• Processing Unit(Self Sufficient Unit)
       메시지,데이터,비즈니스 로직을 포함하는 단일 처리단위




                                     12
스페이스 기반 아키텍처
• PU(Processing Unit)의 장점
   ‣ 아키텍처
          예측 가능한 확장성
          확장방법이 용이함
   ‣ 개발
          테스트가 용이해짐
          단일 JVM 환경에서 모든 테스트가 가능
          POJO기반의 애플리케이션 지원
   ‣ 운영
          SLA기반의 서비스 가용성 – SLA에 의해 서비스 셧다운/리스타트 및 확장
          내장된 HA기능 – Primary PU장애시 Backup PU의 Primary전환
          대규모 환경에서의 애플리케이션 디플로이가 용이함
          모니터링 및 관리의 단일화




                               13
GigaSpaces 기능


        • Grid기반의 메시지 서버
  메시징   • JMS방식, JavaSpace방식 모두 지원
   서버

        • 메시지와 데이터의 동일 저장소 기능
  데이터   • 클러스터 전역에 걸친 Event처리
   캐싱

       • 대량 컴퓨팅 연산이 필요한 Job에 대한 병렬 컴퓨팅
  병렬처리   처리기능



                      14
GigaSpaces 기능
• 메시징 처리
   ‣ 엔터프라이즈 기업이 필요로 하는 다양한 메시징 처리 기능.
   ‣ JavaSpace및 JMS기반의 혁신적인 메시징 처리 기능.
   ‣ 단순하고 강력하며 유연한 분산 메시징 처리 기능.




           JMS 메시징                   JavaSpace 메시징


                          15
GigaSpaces 기능
• 메시징 처리 특징
   ‣ 분산 서비스 간의 데이터 전송과 이벤트 전송
   ‣ 다양한 메시지 전송 시나리오 지원
      동기 및 비동기 방식
      P2P
      Publish/Subscribe

   ‣ 복잡한 메시지 전송 시나리오 지원
      FIFO
      Workflow
      Master/Worker

   ‣ 클러스터 기능 지원
      메시지 복제
      페일 오버
      로드 밸런싱


                          16
GigaSpaces 기능
• 메시징 처리 특징
   ‣ 기존 JMS 클라이언트와의 통합 용이
   ‣ 기존 JMS 서버에 In-memory Data Grid가 통합 됨으로 처리 속도가 극대화
   ‣ 기존 JMS 서버에 Grid기반의 확장성과 클러스터링 기능이 통합




                            17
GigaSpaces 기능
• 데이터 캐싱 아키텍처




                18
GigaSpaces 기능
• 데이터 캐싱
   ‣ Space라는 가상의 저장공간(Java Heap메모리)에 Java오브젝트 형태로
   데이터를 저장, 애플리케이션에 가깝게 배치함으로써 응답 지연을 최소화 .




                          19
GigaSpaces 기능
• 데이터 캐싱
   ‣ 신뢰할 수 있는 데이터 저장소 기능
       Partitioning - 대용량 데이터의 저장 .
       Replication - 장애 발생시 데이터 손실을 방지하기 위한 데이터 복제.
       Failover - 장애 발생시 Primary노드에서 Backup노드로의 서비스 전환.
       Persistency - 분산 데이터 간의 데이터 정합성 보장.




                            20
GigaSpaces 기능
• 데이터 캐싱 특징

   ‣ 분산 캐싱 - 같은 정보를 참조하는 다수의 분산 Cache 인스턴스

   ‣ 메모리 관리 - Cache 인스턴스의 메모리 사용에 대한 제어 및 최적화 기능

   ‣ 선두 O/R 맵핑 기술과 통합 - 하이버네이트, JDO

   ‣ 트랜잭션 처리기능 - 2PC 지원, Leasing 모델

   ‣ 진보된 질의 기능 - SQL 및 정규 표현식 지원

   ‣ 다양한 캐시 모델 - 로컬 캐시, 로컬 뷰 등 다양한 시나리오에 최적화된 캐시 기능




                            21
GigaSpaces 기능
• 데이터 캐싱 특징

   ‣ SQL 방식 지원
   • All Basic SQL statements: SELECT, INSERT, DELETE, UPDATE, CREATE TABLE, DROP
   TABLE.
   • AND/OR operators to join two or more conditions in a WHERE clause.
   • Aggregate functions: COUNT, MAX, MIN, SUM, AVG.
   • All basic logical operations to create conditions: =, <>, <,>, >=, <=, [NOT] like, is [NOT] null, IN.
   • Multiple tables select – the join feature is now available, allowing selection from two tables, as
   well as the possibility of interrelated conditions.
   • ORDER BY for multiple columns.

   출처 : http://www.gigaspaces.com/wiki/display/GS6/JDBC+Supported+Features+-+6.0




                                                     22
GigaSpaces 기능
• 병렬 처리
   ‣ 병렬처리의 장점
      대량의 연산이 필요한 Job을 여러 개의 Task로 분리하여 동시에 처리함으로써
     응답시간 향상
   ‣ 병렬처리 동작 원리
      내장된 Master/Worker 패턴기능
      Master가 Job을 여러 개의 Task로 분리하여 스페이스에 write하면 Worker들이
     동시에 처리 후 Master에게 전송




                               23
GigaSpaces 기능
• 서비스 그리드
   ‣ 서비스를 동적으로 확장 및 관리하는 기능
   ‣ 향상된 애플리케이션 가용성
      부하발생시나 장애 발생시 SLA에 기반하여 감지/복구 및 확장
   ‣ 서비스 디플로이 용이성
      대규모 분산환경에서의 자동화된 정책기반(SLA) 디플로이 자동화

   ‣ 기존 IT조직의 모니터링 툴과 통합
      JConsole 및 JMX플러그 인 제공




                               24
GigaSpaces 기능
• 서비스 그리드
     ‣ 관리 콘솔

 Primary 및 Backup 스페이스의 상태를
 GUI또는 ComandLine 관리콘솔에서
 모니터링 및 디플로이 작업을 할 수 있다.




                              25
GigaSpaces 기능
• 서비스 그리드
    ‣ 관리 콘솔 - 세부 기능
  발생중인 Transaction의 상태에 대해서 확인



 SQL방식으로 Caching된 데이터 및 메시지에
  대한 Query결과를 조회

  발생중인 작업(Read/Write/Take/Notify)
  상태 확인



  GigaSpaces가 설치된 장비의 성능을 확인해
  볼 수 있도록 자체 Benchmark툴이 내장




                                    26
GigaSpaces 기능
• 서비스 그리드
   ‣ 관리 콘솔 – 부하 발생 통계 모니터링


                                  Space에서 발생하는 작업
                                  (Read/Write/Take/Notify)의
                                  발생건수 현황을 모니터링할 수 있다.




                             27
GigaSpaces 기능
• 서비스 그리드
   ‣ 보안 기능
      ‣ 인증 : Username/password 사용
      ‣ 권한 : 스페이스 작업(Write/Read/Take/Notify)에 대한 역할과 권한 부여
      ‣ 암호화 : SSL을 이용한 메시지 암호화




                                    28
Key Messages


                   • Tier의 통합
    고성능 애플리케이션     • Data Cache
                   • Parallel Processing


      선형적인 확장성     • Processing Unit


                   • GigaSpaces Service Grid
       고 가용성         (SLA Driven Container)


     이 기종 환경과 통합   • C++, .NET, Java 클라이언트 API 제공




                            29
Case Study                   Exchange Trading Monitoring


• Business Challenge:             • Results:
   ‣ 자동화 트레이딩과 파생상품으로 인한                ‣ Before : 2 million trades in
     전례없는 트레이딩 볼륨의 증가.                    13 hours
   ‣ 전체 비즈니스를 확장할 수 있는                  ‣ After GigaSpaces: 8 million
     효율적인 방법.                             trades in 2 hours
• Technical Challenge:
   ‣ 선형적인 확장성과 고성능을                     ‣ 처리량 약 26배 증가
                                                  배
     만족시키고 개방형 표준을 준수하는
     애플리케이션의 재 구축.
• Solution:
   ‣ JavaSpaces standard기반
     애플리케이션 설계
   ‣ GigaSpaces 를 사용해서
     고성능,확장성,신뢰성 만족.


                                   30
Case Study          Surveiliance Application

• GigaSpaces 적용 전




                          31
Case Study           Surveiliance Application

• GigaSpaces를 이용한 ETL 병렬처리 구조
            를




                           32
GigaSpaces 고객사

• 고객사




                 33
Thank you


         강 정의
         Penta System Technology
         jykang@penta.co.kr


    34

More Related Content

What's hot

[Pgday.Seoul 2018] PostgreSQL Authentication with FreeIPA
[Pgday.Seoul 2018]  PostgreSQL Authentication with FreeIPA[Pgday.Seoul 2018]  PostgreSQL Authentication with FreeIPA
[Pgday.Seoul 2018] PostgreSQL Authentication with FreeIPAPgDay.Seoul
 
[Pgday.Seoul 2018] replacing oracle with edb postgres
[Pgday.Seoul 2018] replacing oracle with edb postgres[Pgday.Seoul 2018] replacing oracle with edb postgres
[Pgday.Seoul 2018] replacing oracle with edb postgresPgDay.Seoul
 
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun KimDeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun KimGruter
 
[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)
[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)
[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)(Joe), Sanghun Kim
 
IBM Cloud Object Storage 오브젝트 스토리지
IBM Cloud Object Storage 오브젝트 스토리지IBM Cloud Object Storage 오브젝트 스토리지
IBM Cloud Object Storage 오브젝트 스토리지오윤 권
 
IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000
IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000
IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000Seoro Kim
 
Elastic Stack & Data pipeline
Elastic Stack & Data pipelineElastic Stack & Data pipeline
Elastic Stack & Data pipelineJongho Woo
 
2012 07 28_cloud_reference_architecture_openplatform
2012 07 28_cloud_reference_architecture_openplatform2012 07 28_cloud_reference_architecture_openplatform
2012 07 28_cloud_reference_architecture_openplatformYousun Jeong
 
Kubernetes & Istio in Multi-Cloud
Kubernetes & Istio in Multi-Cloud Kubernetes & Istio in Multi-Cloud
Kubernetes & Istio in Multi-Cloud Sangwon Seo
 
Memcached의 확장성 개선
Memcached의 확장성 개선Memcached의 확장성 개선
Memcached의 확장성 개선NAVER D2
 
Scalable web architecture and distributed systems
Scalable web architecture and distributed systemsScalable web architecture and distributed systems
Scalable web architecture and distributed systems현종 김
 
Total Cloud Solution - CloudMesh
Total Cloud Solution - CloudMeshTotal Cloud Solution - CloudMesh
Total Cloud Solution - CloudMeshSONG INSEOB
 
조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝
조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝
조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝Mungyu Choi
 
Azure Databases for PostgreSQL MYSQL and MariaDB
Azure Databases for PostgreSQL MYSQL and MariaDBAzure Databases for PostgreSQL MYSQL and MariaDB
Azure Databases for PostgreSQL MYSQL and MariaDBrockplace
 
IBM Spectrum Protect Plus Overview
IBM Spectrum Protect Plus OverviewIBM Spectrum Protect Plus Overview
IBM Spectrum Protect Plus OverviewDongjae Yeo
 
designing, implementing and delivering microservices with event storming, spr...
designing, implementing and delivering microservices with event storming, spr...designing, implementing and delivering microservices with event storming, spr...
designing, implementing and delivering microservices with event storming, spr...uEngine Solutions
 
Io t에서 big data를 통합하는 통합 빅데이터 플랫폼 flamingo_클라우다인_김병곤 대표이사
Io t에서 big data를 통합하는 통합 빅데이터 플랫폼 flamingo_클라우다인_김병곤 대표이사Io t에서 big data를 통합하는 통합 빅데이터 플랫폼 flamingo_클라우다인_김병곤 대표이사
Io t에서 big data를 통합하는 통합 빅데이터 플랫폼 flamingo_클라우다인_김병곤 대표이사uEngine Solutions
 
빅데이터, big data
빅데이터, big data빅데이터, big data
빅데이터, big dataH K Yoon
 
기업 IT 인프라 환경 최적화를 위한 하이브리드 클라우드 적용 방안 - AWS Summit Seoul 2017
기업 IT 인프라 환경 최적화를 위한 하이브리드 클라우드 적용 방안 - AWS Summit Seoul 2017기업 IT 인프라 환경 최적화를 위한 하이브리드 클라우드 적용 방안 - AWS Summit Seoul 2017
기업 IT 인프라 환경 최적화를 위한 하이브리드 클라우드 적용 방안 - AWS Summit Seoul 2017Amazon Web Services Korea
 

What's hot (20)

[Pgday.Seoul 2018] PostgreSQL Authentication with FreeIPA
[Pgday.Seoul 2018]  PostgreSQL Authentication with FreeIPA[Pgday.Seoul 2018]  PostgreSQL Authentication with FreeIPA
[Pgday.Seoul 2018] PostgreSQL Authentication with FreeIPA
 
[Pgday.Seoul 2018] replacing oracle with edb postgres
[Pgday.Seoul 2018] replacing oracle with edb postgres[Pgday.Seoul 2018] replacing oracle with edb postgres
[Pgday.Seoul 2018] replacing oracle with edb postgres
 
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun KimDeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
 
[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)
[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)
[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)
 
IBM Cloud Object Storage 오브젝트 스토리지
IBM Cloud Object Storage 오브젝트 스토리지IBM Cloud Object Storage 오브젝트 스토리지
IBM Cloud Object Storage 오브젝트 스토리지
 
IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000
IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000
IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000
 
Elastic Stack & Data pipeline
Elastic Stack & Data pipelineElastic Stack & Data pipeline
Elastic Stack & Data pipeline
 
2012 07 28_cloud_reference_architecture_openplatform
2012 07 28_cloud_reference_architecture_openplatform2012 07 28_cloud_reference_architecture_openplatform
2012 07 28_cloud_reference_architecture_openplatform
 
NoSQL
NoSQLNoSQL
NoSQL
 
Kubernetes & Istio in Multi-Cloud
Kubernetes & Istio in Multi-Cloud Kubernetes & Istio in Multi-Cloud
Kubernetes & Istio in Multi-Cloud
 
Memcached의 확장성 개선
Memcached의 확장성 개선Memcached의 확장성 개선
Memcached의 확장성 개선
 
Scalable web architecture and distributed systems
Scalable web architecture and distributed systemsScalable web architecture and distributed systems
Scalable web architecture and distributed systems
 
Total Cloud Solution - CloudMesh
Total Cloud Solution - CloudMeshTotal Cloud Solution - CloudMesh
Total Cloud Solution - CloudMesh
 
조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝
조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝
조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝
 
Azure Databases for PostgreSQL MYSQL and MariaDB
Azure Databases for PostgreSQL MYSQL and MariaDBAzure Databases for PostgreSQL MYSQL and MariaDB
Azure Databases for PostgreSQL MYSQL and MariaDB
 
IBM Spectrum Protect Plus Overview
IBM Spectrum Protect Plus OverviewIBM Spectrum Protect Plus Overview
IBM Spectrum Protect Plus Overview
 
designing, implementing and delivering microservices with event storming, spr...
designing, implementing and delivering microservices with event storming, spr...designing, implementing and delivering microservices with event storming, spr...
designing, implementing and delivering microservices with event storming, spr...
 
Io t에서 big data를 통합하는 통합 빅데이터 플랫폼 flamingo_클라우다인_김병곤 대표이사
Io t에서 big data를 통합하는 통합 빅데이터 플랫폼 flamingo_클라우다인_김병곤 대표이사Io t에서 big data를 통합하는 통합 빅데이터 플랫폼 flamingo_클라우다인_김병곤 대표이사
Io t에서 big data를 통합하는 통합 빅데이터 플랫폼 flamingo_클라우다인_김병곤 대표이사
 
빅데이터, big data
빅데이터, big data빅데이터, big data
빅데이터, big data
 
기업 IT 인프라 환경 최적화를 위한 하이브리드 클라우드 적용 방안 - AWS Summit Seoul 2017
기업 IT 인프라 환경 최적화를 위한 하이브리드 클라우드 적용 방안 - AWS Summit Seoul 2017기업 IT 인프라 환경 최적화를 위한 하이브리드 클라우드 적용 방안 - AWS Summit Seoul 2017
기업 IT 인프라 환경 최적화를 위한 하이브리드 클라우드 적용 방안 - AWS Summit Seoul 2017
 

Similar to GigaSpaces소개자료

마이크로서비스 아키텍처 기반의 의료정보시스템 고도화 전환사례.건국대학교병원.이제관
마이크로서비스 아키텍처 기반의 의료정보시스템 고도화 전환사례.건국대학교병원.이제관마이크로서비스 아키텍처 기반의 의료정보시스템 고도화 전환사례.건국대학교병원.이제관
마이크로서비스 아키텍처 기반의 의료정보시스템 고도화 전환사례.건국대학교병원.이제관제관 이
 
AWS 클라우드로 천만명 웹 서비스 확장하기 - 윤석찬 백승현 - AWS Summit 2016
AWS 클라우드로 천만명 웹 서비스 확장하기 - 윤석찬 백승현 - AWS Summit 2016AWS 클라우드로 천만명 웹 서비스 확장하기 - 윤석찬 백승현 - AWS Summit 2016
AWS 클라우드로 천만명 웹 서비스 확장하기 - 윤석찬 백승현 - AWS Summit 2016Amazon Web Services Korea
 
NexGen overview_201705
NexGen overview_201705NexGen overview_201705
NexGen overview_201705CDIT-HCI
 
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)Amazon Web Services Korea
 
4. 대용량 아키텍쳐 설계 패턴
4. 대용량 아키텍쳐 설계 패턴4. 대용량 아키텍쳐 설계 패턴
4. 대용량 아키텍쳐 설계 패턴Terry Cho
 
SQream DB, GPU-accelerated data warehouse
SQream DB, GPU-accelerated data warehouseSQream DB, GPU-accelerated data warehouse
SQream DB, GPU-accelerated data warehouseNAVER Engineering
 
제조업의 AWS 기반 주요 워크로드 및 고객 사례::이현석::AWS Summit Seoul 2018
제조업의 AWS 기반 주요 워크로드 및 고객 사례::이현석::AWS Summit Seoul 2018제조업의 AWS 기반 주요 워크로드 및 고객 사례::이현석::AWS Summit Seoul 2018
제조업의 AWS 기반 주요 워크로드 및 고객 사례::이현석::AWS Summit Seoul 2018Amazon Web Services Korea
 
실전! AWS 기반 데이터베이스 마이그레이션::최홍식::AWS Summit Seoul 2018
실전! AWS 기반 데이터베이스 마이그레이션::최홍식::AWS Summit Seoul 2018실전! AWS 기반 데이터베이스 마이그레이션::최홍식::AWS Summit Seoul 2018
실전! AWS 기반 데이터베이스 마이그레이션::최홍식::AWS Summit Seoul 2018Amazon Web Services Korea
 
Private PaaS with Docker, spring cloud and mesos
Private PaaS with Docker, spring cloud and mesos Private PaaS with Docker, spring cloud and mesos
Private PaaS with Docker, spring cloud and mesos uEngine Solutions
 
AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기
AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기
AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기Amazon Web Services Korea
 
[오픈소스컨설팅] About Storage Cloud
[오픈소스컨설팅] About Storage Cloud [오픈소스컨설팅] About Storage Cloud
[오픈소스컨설팅] About Storage Cloud Ji-Woong Choi
 
기술 지원 사례로 알아보는 마이그레이션 이슈 및 해결 방안 모음-김용기, AWS Storage Specialist SA / 한소영, AWS...
기술 지원 사례로 알아보는 마이그레이션 이슈 및 해결 방안 모음-김용기, AWS Storage Specialist SA / 한소영, AWS...기술 지원 사례로 알아보는 마이그레이션 이슈 및 해결 방안 모음-김용기, AWS Storage Specialist SA / 한소영, AWS...
기술 지원 사례로 알아보는 마이그레이션 이슈 및 해결 방안 모음-김용기, AWS Storage Specialist SA / 한소영, AWS...Amazon Web Services Korea
 
MariaDB Xpand 고객사례 안내.pdf
MariaDB Xpand 고객사례 안내.pdfMariaDB Xpand 고객사례 안내.pdf
MariaDB Xpand 고객사례 안내.pdfssusercbaa33
 
[AWS Migration Workshop] VMware Cloud on AWS - 하이브리드 환경의 운영
[AWS Migration Workshop]  VMware Cloud on AWS - 하이브리드 환경의 운영[AWS Migration Workshop]  VMware Cloud on AWS - 하이브리드 환경의 운영
[AWS Migration Workshop] VMware Cloud on AWS - 하이브리드 환경의 운영Amazon Web Services Korea
 
[IBM Korea 김상훈] Cleversafe 소개자료
[IBM Korea 김상훈] Cleversafe 소개자료[IBM Korea 김상훈] Cleversafe 소개자료
[IBM Korea 김상훈] Cleversafe 소개자료(Joe), Sanghun Kim
 
클라우드 이야기1 2 20160823-신인철_slideshare
클라우드 이야기1 2 20160823-신인철_slideshare클라우드 이야기1 2 20160823-신인철_slideshare
클라우드 이야기1 2 20160823-신인철_slideshareIn Chul Shin
 
Aws migration case_study_v1.0.1
Aws migration case_study_v1.0.1Aws migration case_study_v1.0.1
Aws migration case_study_v1.0.1NDSCorporation
 
대용량 분산 아키텍쳐 설계 #3 대용량 분산 시스템 아키텍쳐
대용량 분산 아키텍쳐 설계 #3 대용량 분산 시스템 아키텍쳐대용량 분산 아키텍쳐 설계 #3 대용량 분산 시스템 아키텍쳐
대용량 분산 아키텍쳐 설계 #3 대용량 분산 시스템 아키텍쳐Terry Cho
 
Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기
Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기
Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기Gyuwon Yi
 
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)SANG WON PARK
 

Similar to GigaSpaces소개자료 (20)

마이크로서비스 아키텍처 기반의 의료정보시스템 고도화 전환사례.건국대학교병원.이제관
마이크로서비스 아키텍처 기반의 의료정보시스템 고도화 전환사례.건국대학교병원.이제관마이크로서비스 아키텍처 기반의 의료정보시스템 고도화 전환사례.건국대학교병원.이제관
마이크로서비스 아키텍처 기반의 의료정보시스템 고도화 전환사례.건국대학교병원.이제관
 
AWS 클라우드로 천만명 웹 서비스 확장하기 - 윤석찬 백승현 - AWS Summit 2016
AWS 클라우드로 천만명 웹 서비스 확장하기 - 윤석찬 백승현 - AWS Summit 2016AWS 클라우드로 천만명 웹 서비스 확장하기 - 윤석찬 백승현 - AWS Summit 2016
AWS 클라우드로 천만명 웹 서비스 확장하기 - 윤석찬 백승현 - AWS Summit 2016
 
NexGen overview_201705
NexGen overview_201705NexGen overview_201705
NexGen overview_201705
 
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
 
4. 대용량 아키텍쳐 설계 패턴
4. 대용량 아키텍쳐 설계 패턴4. 대용량 아키텍쳐 설계 패턴
4. 대용량 아키텍쳐 설계 패턴
 
SQream DB, GPU-accelerated data warehouse
SQream DB, GPU-accelerated data warehouseSQream DB, GPU-accelerated data warehouse
SQream DB, GPU-accelerated data warehouse
 
제조업의 AWS 기반 주요 워크로드 및 고객 사례::이현석::AWS Summit Seoul 2018
제조업의 AWS 기반 주요 워크로드 및 고객 사례::이현석::AWS Summit Seoul 2018제조업의 AWS 기반 주요 워크로드 및 고객 사례::이현석::AWS Summit Seoul 2018
제조업의 AWS 기반 주요 워크로드 및 고객 사례::이현석::AWS Summit Seoul 2018
 
실전! AWS 기반 데이터베이스 마이그레이션::최홍식::AWS Summit Seoul 2018
실전! AWS 기반 데이터베이스 마이그레이션::최홍식::AWS Summit Seoul 2018실전! AWS 기반 데이터베이스 마이그레이션::최홍식::AWS Summit Seoul 2018
실전! AWS 기반 데이터베이스 마이그레이션::최홍식::AWS Summit Seoul 2018
 
Private PaaS with Docker, spring cloud and mesos
Private PaaS with Docker, spring cloud and mesos Private PaaS with Docker, spring cloud and mesos
Private PaaS with Docker, spring cloud and mesos
 
AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기
AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기
AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기
 
[오픈소스컨설팅] About Storage Cloud
[오픈소스컨설팅] About Storage Cloud [오픈소스컨설팅] About Storage Cloud
[오픈소스컨설팅] About Storage Cloud
 
기술 지원 사례로 알아보는 마이그레이션 이슈 및 해결 방안 모음-김용기, AWS Storage Specialist SA / 한소영, AWS...
기술 지원 사례로 알아보는 마이그레이션 이슈 및 해결 방안 모음-김용기, AWS Storage Specialist SA / 한소영, AWS...기술 지원 사례로 알아보는 마이그레이션 이슈 및 해결 방안 모음-김용기, AWS Storage Specialist SA / 한소영, AWS...
기술 지원 사례로 알아보는 마이그레이션 이슈 및 해결 방안 모음-김용기, AWS Storage Specialist SA / 한소영, AWS...
 
MariaDB Xpand 고객사례 안내.pdf
MariaDB Xpand 고객사례 안내.pdfMariaDB Xpand 고객사례 안내.pdf
MariaDB Xpand 고객사례 안내.pdf
 
[AWS Migration Workshop] VMware Cloud on AWS - 하이브리드 환경의 운영
[AWS Migration Workshop]  VMware Cloud on AWS - 하이브리드 환경의 운영[AWS Migration Workshop]  VMware Cloud on AWS - 하이브리드 환경의 운영
[AWS Migration Workshop] VMware Cloud on AWS - 하이브리드 환경의 운영
 
[IBM Korea 김상훈] Cleversafe 소개자료
[IBM Korea 김상훈] Cleversafe 소개자료[IBM Korea 김상훈] Cleversafe 소개자료
[IBM Korea 김상훈] Cleversafe 소개자료
 
클라우드 이야기1 2 20160823-신인철_slideshare
클라우드 이야기1 2 20160823-신인철_slideshare클라우드 이야기1 2 20160823-신인철_slideshare
클라우드 이야기1 2 20160823-신인철_slideshare
 
Aws migration case_study_v1.0.1
Aws migration case_study_v1.0.1Aws migration case_study_v1.0.1
Aws migration case_study_v1.0.1
 
대용량 분산 아키텍쳐 설계 #3 대용량 분산 시스템 아키텍쳐
대용량 분산 아키텍쳐 설계 #3 대용량 분산 시스템 아키텍쳐대용량 분산 아키텍쳐 설계 #3 대용량 분산 시스템 아키텍쳐
대용량 분산 아키텍쳐 설계 #3 대용량 분산 시스템 아키텍쳐
 
Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기
Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기
Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기
 
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)
 

GigaSpaces소개자료

  • 1. The Scale-Out Application Server GigaSpaces 소개 펜타시스템 테크놀러지㈜ 1
  • 2. GigaSpaces 회사 소개 • 설립 : 2000년 • Offices : NY, San-Francisco, Paris, London, Israel • Investors: Intel Capital, BRM Capital, Formula Systems • 대용량 트랜잭션 처리와 고성능을 요구하는 시스템에 극한의 성능과 선형적인 확장성 확장성을 제공하기 위해 “스페이스 기반 아키텍처 스페이스 아키텍처”를 사용하는 Infrastructure Software를 제공 2
  • 3. GigaSpaces 회사 소개 “우리의 모든 네트웍 구간에서 동적으로 서비스들을 디플로이하는 것이 우리의 핵심 요구사항이었고 GigaSpaces의 Service Grid기능은 우리의 요구사항에 꼭 맞는 기능이었다” “GigaSpaces덕분에 애플리케이션이 동시에 실행되는 동안 필요할 때마다 자원의 공급을 조절할 수 있기 때문에, 우리는 급증하는 부하에 대한 걱정을 하지 않게 되었다. - Alberto Santini Head of Development Monte Paschi Asset Management. 분산 시스템 환경에서 고성능과 신뢰할 수 있는 데이터의 공유,분산, 복제를 필요로 하는 애플리케이션을 개발해야 하는 사용자들은 전통적인 아키텍처의 성능을 향상시키기 위해서 분산 공유 메모리 플래폼인 GigaSpaces를 심각히 고려해야 한다. - Massimo Pezzini VP & Distinguished Analyst,Gartner February,2006 3
  • 4. XTP 소개 • XTP(eXtreme Transaction Processing)의 등장 극한의 성능과 선형적 확장성을 요구하는 대규모,트랜잭션 중심의 애플리케이션의 구현을 목표로 하는 새로운 애플리케이션 스타일. 13 February 2007 • XTP 등장 배경 ‣ Network 발전으로 거래량 폭발적으로 증가 ‣ 비즈니스 민첩성에 대한 요구 증대 ‣ 실시간 정보에 대한 요구증대 새로운 Architecture 필요성 등장 4
  • 5. XTP 소개 • XTP가 필요로 하는 새로운 Architecture의 기능 • 데이터 캐싱 • 병렬 처리 • 대용량 데이터 캐싱 • 클러스터 전역에 걸친 Event처리 • 그리드 컴퓨팅을 이용한 효율적인 자원사용 및 서비스 TCO 가용성 증대 5
  • 6. 와 XTP와 티어 기반 아키텍처 • 멀티 티어 아키텍처 모든 티어별로 병목 구간 존재 데이터 억세스 애플리케이션간 통신 극한의 성능을 낼 수 없음 시스템 복잡도 증가 티어 기반 아키텍처는 XTP의 요구에 의 시스템이 복잡해짐에 따라서 아키텍처에서의 병목 발생 적합하지 않은 아키텍처 제한된 확장성 성능상의 병목이 되는 티어를 찾기 어려움 일부 티어만 증설한다고 전체 성능이 확장되지 않음 6
  • 7. GigaSpaces 개요 • GigaSpaces ‣ 스페이스 기반 아키텍처를 사용하여 신규 또는 기존의 애플리케이션을 쉽게 무제한의 확장성과 극한의 성능을 가진 강력한 서비스로 전환할 수 있도록 해주는 미들웨어 플랫폼 XTP 7
  • 9. 스페이스 기반 아키텍처 • Space - 네트워크상의 분산 공유 메모리 클러스터 스페이스 스페이스 ‣ 분산 환경의 Java 표준 기술인 Jini와 JavaSpaces 사용. 데이터 메시지 ‣ 메시지와 데이터의 단일 저장소 기능 ‣ 내장된 클러스터 기능을 통한 고 가용성 ‣ Java오브젝트 기반 9
  • 10. 스페이스 기반 아키텍처 • 4가지 기본 Space Operation ‣ Write - 스페이스에 오브젝트를 write ‣ Read - 스페이스에서 오브젝트를 read ‣ Take - 스페이스에서 오브젝트를 read & delete ‣ Notify - 스페이스에 있는 데이터의 변화(Write/Delete/Update)에 대한 notify • 스페이스 기반 아키텍처(Space Based Architecture)는 분산 환경에서 ‣ 데이터 캐싱 ‣ 메시지 및 이벤트 처리 ‣ 병렬 처리 를 사용하여 확장성과 고성능을 필요로 하는 애플리케이션의 구축을 위한 소프트웨어 아키텍처 10
  • 11. 스페이스 기반 아키텍처 • 애플리케이션의 모든 티어를 스페이스에 통합 ‣ 데이터 억세스 티어 ‣ 메시징 티어 ‣ 비즈니스 로직 티어 • 애플리케이션의 성능 증대 ‣ 애플리케이션의 티어간 호출을 제거 ‣ 데이터를 애플리케이션에 가장 가깝게 배치 ‣ 데이터 억세스를 메모리에서 함으로 Disk I/O 최소화 • 선형적 확장성 확보 ‣ 독립된 처리단위(Processing Unit)에서 모든 처리가 이루어 짐으로써 선형적인 확장성을 확보 11
  • 12. 스페이스 기반 아키텍처 • Processing Unit(Self Sufficient Unit) 메시지,데이터,비즈니스 로직을 포함하는 단일 처리단위 12
  • 13. 스페이스 기반 아키텍처 • PU(Processing Unit)의 장점 ‣ 아키텍처 예측 가능한 확장성 확장방법이 용이함 ‣ 개발 테스트가 용이해짐 단일 JVM 환경에서 모든 테스트가 가능 POJO기반의 애플리케이션 지원 ‣ 운영 SLA기반의 서비스 가용성 – SLA에 의해 서비스 셧다운/리스타트 및 확장 내장된 HA기능 – Primary PU장애시 Backup PU의 Primary전환 대규모 환경에서의 애플리케이션 디플로이가 용이함 모니터링 및 관리의 단일화 13
  • 14. GigaSpaces 기능 • Grid기반의 메시지 서버 메시징 • JMS방식, JavaSpace방식 모두 지원 서버 • 메시지와 데이터의 동일 저장소 기능 데이터 • 클러스터 전역에 걸친 Event처리 캐싱 • 대량 컴퓨팅 연산이 필요한 Job에 대한 병렬 컴퓨팅 병렬처리 처리기능 14
  • 15. GigaSpaces 기능 • 메시징 처리 ‣ 엔터프라이즈 기업이 필요로 하는 다양한 메시징 처리 기능. ‣ JavaSpace및 JMS기반의 혁신적인 메시징 처리 기능. ‣ 단순하고 강력하며 유연한 분산 메시징 처리 기능. JMS 메시징 JavaSpace 메시징 15
  • 16. GigaSpaces 기능 • 메시징 처리 특징 ‣ 분산 서비스 간의 데이터 전송과 이벤트 전송 ‣ 다양한 메시지 전송 시나리오 지원 동기 및 비동기 방식 P2P Publish/Subscribe ‣ 복잡한 메시지 전송 시나리오 지원 FIFO Workflow Master/Worker ‣ 클러스터 기능 지원 메시지 복제 페일 오버 로드 밸런싱 16
  • 17. GigaSpaces 기능 • 메시징 처리 특징 ‣ 기존 JMS 클라이언트와의 통합 용이 ‣ 기존 JMS 서버에 In-memory Data Grid가 통합 됨으로 처리 속도가 극대화 ‣ 기존 JMS 서버에 Grid기반의 확장성과 클러스터링 기능이 통합 17
  • 18. GigaSpaces 기능 • 데이터 캐싱 아키텍처 18
  • 19. GigaSpaces 기능 • 데이터 캐싱 ‣ Space라는 가상의 저장공간(Java Heap메모리)에 Java오브젝트 형태로 데이터를 저장, 애플리케이션에 가깝게 배치함으로써 응답 지연을 최소화 . 19
  • 20. GigaSpaces 기능 • 데이터 캐싱 ‣ 신뢰할 수 있는 데이터 저장소 기능 Partitioning - 대용량 데이터의 저장 . Replication - 장애 발생시 데이터 손실을 방지하기 위한 데이터 복제. Failover - 장애 발생시 Primary노드에서 Backup노드로의 서비스 전환. Persistency - 분산 데이터 간의 데이터 정합성 보장. 20
  • 21. GigaSpaces 기능 • 데이터 캐싱 특징 ‣ 분산 캐싱 - 같은 정보를 참조하는 다수의 분산 Cache 인스턴스 ‣ 메모리 관리 - Cache 인스턴스의 메모리 사용에 대한 제어 및 최적화 기능 ‣ 선두 O/R 맵핑 기술과 통합 - 하이버네이트, JDO ‣ 트랜잭션 처리기능 - 2PC 지원, Leasing 모델 ‣ 진보된 질의 기능 - SQL 및 정규 표현식 지원 ‣ 다양한 캐시 모델 - 로컬 캐시, 로컬 뷰 등 다양한 시나리오에 최적화된 캐시 기능 21
  • 22. GigaSpaces 기능 • 데이터 캐싱 특징 ‣ SQL 방식 지원 • All Basic SQL statements: SELECT, INSERT, DELETE, UPDATE, CREATE TABLE, DROP TABLE. • AND/OR operators to join two or more conditions in a WHERE clause. • Aggregate functions: COUNT, MAX, MIN, SUM, AVG. • All basic logical operations to create conditions: =, <>, <,>, >=, <=, [NOT] like, is [NOT] null, IN. • Multiple tables select – the join feature is now available, allowing selection from two tables, as well as the possibility of interrelated conditions. • ORDER BY for multiple columns. 출처 : http://www.gigaspaces.com/wiki/display/GS6/JDBC+Supported+Features+-+6.0 22
  • 23. GigaSpaces 기능 • 병렬 처리 ‣ 병렬처리의 장점 대량의 연산이 필요한 Job을 여러 개의 Task로 분리하여 동시에 처리함으로써 응답시간 향상 ‣ 병렬처리 동작 원리 내장된 Master/Worker 패턴기능 Master가 Job을 여러 개의 Task로 분리하여 스페이스에 write하면 Worker들이 동시에 처리 후 Master에게 전송 23
  • 24. GigaSpaces 기능 • 서비스 그리드 ‣ 서비스를 동적으로 확장 및 관리하는 기능 ‣ 향상된 애플리케이션 가용성 부하발생시나 장애 발생시 SLA에 기반하여 감지/복구 및 확장 ‣ 서비스 디플로이 용이성 대규모 분산환경에서의 자동화된 정책기반(SLA) 디플로이 자동화 ‣ 기존 IT조직의 모니터링 툴과 통합 JConsole 및 JMX플러그 인 제공 24
  • 25. GigaSpaces 기능 • 서비스 그리드 ‣ 관리 콘솔 Primary 및 Backup 스페이스의 상태를 GUI또는 ComandLine 관리콘솔에서 모니터링 및 디플로이 작업을 할 수 있다. 25
  • 26. GigaSpaces 기능 • 서비스 그리드 ‣ 관리 콘솔 - 세부 기능 발생중인 Transaction의 상태에 대해서 확인 SQL방식으로 Caching된 데이터 및 메시지에 대한 Query결과를 조회 발생중인 작업(Read/Write/Take/Notify) 상태 확인 GigaSpaces가 설치된 장비의 성능을 확인해 볼 수 있도록 자체 Benchmark툴이 내장 26
  • 27. GigaSpaces 기능 • 서비스 그리드 ‣ 관리 콘솔 – 부하 발생 통계 모니터링 Space에서 발생하는 작업 (Read/Write/Take/Notify)의 발생건수 현황을 모니터링할 수 있다. 27
  • 28. GigaSpaces 기능 • 서비스 그리드 ‣ 보안 기능 ‣ 인증 : Username/password 사용 ‣ 권한 : 스페이스 작업(Write/Read/Take/Notify)에 대한 역할과 권한 부여 ‣ 암호화 : SSL을 이용한 메시지 암호화 28
  • 29. Key Messages • Tier의 통합 고성능 애플리케이션 • Data Cache • Parallel Processing 선형적인 확장성 • Processing Unit • GigaSpaces Service Grid 고 가용성 (SLA Driven Container) 이 기종 환경과 통합 • C++, .NET, Java 클라이언트 API 제공 29
  • 30. Case Study Exchange Trading Monitoring • Business Challenge: • Results: ‣ 자동화 트레이딩과 파생상품으로 인한 ‣ Before : 2 million trades in 전례없는 트레이딩 볼륨의 증가. 13 hours ‣ 전체 비즈니스를 확장할 수 있는 ‣ After GigaSpaces: 8 million 효율적인 방법. trades in 2 hours • Technical Challenge: ‣ 선형적인 확장성과 고성능을 ‣ 처리량 약 26배 증가 배 만족시키고 개방형 표준을 준수하는 애플리케이션의 재 구축. • Solution: ‣ JavaSpaces standard기반 애플리케이션 설계 ‣ GigaSpaces 를 사용해서 고성능,확장성,신뢰성 만족. 30
  • 31. Case Study Surveiliance Application • GigaSpaces 적용 전 31
  • 32. Case Study Surveiliance Application • GigaSpaces를 이용한 ETL 병렬처리 구조 를 32
  • 34. Thank you 강 정의 Penta System Technology jykang@penta.co.kr 34