Enviar búsqueda
Cargar
Redis edu 5
•
54 recomendaciones
•
3,406 vistas
DaeMyung Kang
Seguir
Denunciar
Compartir
Denunciar
Compartir
1 de 36
Descargar ahora
Descargar para leer sin conexión
Recomendados
Elastic webservice
Elastic webservice
DaeMyung Kang
Webservice cache strategy
Webservice cache strategy
DaeMyung Kang
Data Engineering 101
Data Engineering 101
Data Engineering 101
DaeMyung Kang
elastic, resiliency, sharding, service discovery
webservice scaling for newbie
webservice scaling for newbie
DaeMyung Kang
GUID
Why GUID is needed
Why GUID is needed
DaeMyung Kang
Cache key Naming
How to name a cache key
How to name a cache key
DaeMyung Kang
BloomFilter, space-efficient probabilistic data structure
Bloomfilter
Bloomfilter
DaeMyung Kang
How to build scalable webservice
Scalable webservice
Scalable webservice
DaeMyung Kang
Recomendados
Elastic webservice
Elastic webservice
DaeMyung Kang
Webservice cache strategy
Webservice cache strategy
DaeMyung Kang
Data Engineering 101
Data Engineering 101
Data Engineering 101
DaeMyung Kang
elastic, resiliency, sharding, service discovery
webservice scaling for newbie
webservice scaling for newbie
DaeMyung Kang
GUID
Why GUID is needed
Why GUID is needed
DaeMyung Kang
Cache key Naming
How to name a cache key
How to name a cache key
DaeMyung Kang
BloomFilter, space-efficient probabilistic data structure
Bloomfilter
Bloomfilter
DaeMyung Kang
How to build scalable webservice
Scalable webservice
Scalable webservice
DaeMyung Kang
How to build massive internet service well.
Massive service basic
Massive service basic
DaeMyung Kang
Remove SPOF, Using coordinator, Using object storage, circuit breaker, blue/green, canary, feature flag
How to build massive service for advance
How to build massive service for advance
DaeMyung Kang
AWS를 통한 신뢰성 높은 지속적 배포 및 통합(CD/CI) 사례 - AWS Summit Seoul 2017
AWS를 통한 신뢰성 높은 지속적 배포 및 통합(CD/CI) 사례 - AWS Summit Seoul 2017
Amazon Web Services Korea
Route53을 활용한 Multi CDN 서비스 관리하기
Amazon cf day sesseion2
Amazon cf day sesseion2
GS Neotek
항해99의 최종 프로젝트 9조 헤쳐모여의 발표 ppt입니다. Youtube : https://youtu.be/MpwPiutwqaY
Hanghae99 FinalProject Moyeora!
Hanghae99 FinalProject Moyeora!
Young Woo Lee
Redis, Redis Failover, Redis Monitoring
How to use redis well
How to use redis well
DaeMyung Kang
메모리 할당과 관련한 내용입니다.
메모리 할당에 관한 기초
메모리 할당에 관한 기초
Changyol BAEK
Apache Kafak의 성능이 특정환경(데이터 유실일 발생하지 않고, 데이터 전송순서를 반드시 보장)에서 어느정도 제공하는지 확인하기 위한 테스트 결과 공유 데이터 전송순서를 보장하기 위해서는 Apache Kafka cluster로 partition을 분산할 수 없게되므로, 성능향상을 위한 장점을 사용하지 못하게 된다. 이번 테스트에서는 Apache Kafka의 단위 성능, 즉 partition 1개에 대한 성능만을 측정하게 된다. 향후, partition을 증가할 경우 본 테스트의 1개 partition 단위 성능을 기준으로 예측이 가능할 것 같다.
Apache kafka performance(throughput) - without data loss and guaranteeing dat...
Apache kafka performance(throughput) - without data loss and guaranteeing dat...
SANG WON PARK
다양한 하둡에코 소프트웨어 성능을 검증하려는 목적으로 성능 테스트 환경을 구성해보았습니다. ELK, JMeter를 활용해 구성했고 Kafka에 적용해 보았습니다. 프로젝트에서 요구되는 성능요건을 고려해 다양한 옵션을 조정해 시뮬레이션 해볼수 있습니다. 처음 적용한 뒤 2년 정도가 지났지만, kafka 만이 아니다 다른 Hadoop eco 및 Custom Solution에도 유용하게 활용 가능하겠습니다.
카프카(kafka) 성능 테스트 환경 구축 (JMeter, ELK)
카프카(kafka) 성능 테스트 환경 구축 (JMeter, ELK)
Hyunmin Lee
DCPMM의 성능을 기존 DRAM과 비교하여 어느 정도 수준으로 활용 가능한지 메모리기반 오픈소스(Apache Spark, Alluxio, Redis)를 활용하여 검증하고, 이를 통해 향후 빅데이터 아키텍처에 활용가능한지 확인
Optane DC Persistent Memory(DCPMM) 성능 테스트
Optane DC Persistent Memory(DCPMM) 성능 테스트
SANG WON PARK
AWSKRUG 2016년 10월 정기 밋업 박진우 @ 레코벨
추천서비스고군분투기 On Aws - 박진우 (레코벨)
추천서비스고군분투기 On Aws - 박진우 (레코벨)
AWSKRUG - AWS한국사용자모임
몇년 전부터 Data Architecture의 변화가 빠르게 진행되고 있고, 그 중 Cloud DW는 기존 Data Lake(Hadoop 기반)의 한계(성능, 비용, 운영 등)에 대한 대안으로 주목받으며, 많은 기업들이 이미 도입했거나, 도입을 검토하고 있다. 본 자료는 이러한 Cloud DW에 대해서 개념적으로 이해하고, 시장에 존재하는 다양한 Cloud DW 중에서 기업의 환경에 맞는 제품이 어떤 것인지 성능/비용 관점으로 비교했다. - 왜기업들은 CloudDW에주목하는가? - 시장에는어떤 제품들이 있는가? - 우리Biz환경에서는 어떤 제품을 도입해야 하는가? - CloudDW솔루션의 성능은? - 기존DataLake(EMR)대비 성능은? - 유사CloudDW(snowflake vs redshift) 대비성능은? 앞으로도 Data를 둘러싼 시장은 Cloud DW를 기반으로 ELT, Mata Mesh, Reverse ETL등 새로운 생테계가 급속하게 발전할 것이고, 이를 위한 데이터 엔지니어/데이터 아키텍트 관점의 기술적 검토와 고민이 필요할 것 같다. https://blog.naver.com/freepsw/222654809552
Cloud dw benchmark using tpd-ds( Snowflake vs Redshift vs EMR Hive )
Cloud dw benchmark using tpd-ds( Snowflake vs Redshift vs EMR Hive )
SANG WON PARK
T아카데미 강연 자료 : https://tacademy.sktechx.com/front/community/techclinic/viewTechClinic.action?seq=131
대용량 로그분석 Bigquery로 간단히 사용하기 (20170215 T아카데미)
대용량 로그분석 Bigquery로 간단히 사용하기 (20170215 T아카데미)
Jaikwang Lee
AWS EMR을 사용하면서 비용을 최적화하기 위해 필요한 다양한 관점의 방안을 검토하여 정리한 자료. 비용 최적화 대상은 zeppelin/jupyter notebook과 apache spark를 활용하는 서비스를 대상으로 하였으며, 해당 작업이 aws emr에서 어떻게 동작하는지 내부 구조을 파악하여 확인함. - AWS EMR이란? - AWS EMR의 과금 방식은? - 어떻게 비용을 최적화 할 것인가? - 최적의 EMR 클러스터 구성 방안 - 가성비 높은 Instance 선정 방안 - Apache Spark 성능 개선 방안 가장 중요한 것은 실행할 job의 자원사용량/성능을 모니터링하고, 이에 맞게 자원을 최적화하는 것이 필요함.
AWS EMR Cost optimization
AWS EMR Cost optimization
SANG WON PARK
2016년 1월 7일 AWS Cloud행사에서 BD 홍성준 이사 께서 발표하신 “비디가 제시하는 AWS Migration 주요 factor “ 발표자료입니다.
비디가 제시하는 AWS Migration 주요 factor - BD 홍성준 이사:: AWS Cloud Track 1 Intro
비디가 제시하는 AWS Migration 주요 factor - BD 홍성준 이사:: AWS Cloud Track 1 Intro
Amazon Web Services Korea
2015년 4월 21일 서울 코엑스에서 열렸던 AWS Summit Seoul 2015의 세번째 트랙에서 김일호 아마존 웹서비스 솔루션스 아키텍트가 발표한 자료입니다.
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
Amazon Web Services Korea
아마존 닷컴의 클라우드 활용 사례 - AWS Summit Seoul 2017
아마존 닷컴의 클라우드 활용 사례 - AWS Summit Seoul 2017
Amazon Web Services Korea
2014년 8월 6일 일본에서 진행된 AWS 기술 웨비나의 발표 자료를 한국의 정윤진 솔루션스 아키텍트가 한글로 번역한 자료입니다. 내용에 대한 문의사항이 있으신 경우 info-kr@amazon.com으로 연락 부탁드리겠습니다.
20140806 AWS Meister BlackBelt - Amazon Redshift (Korean)
20140806 AWS Meister BlackBelt - Amazon Redshift (Korean)
Amazon Web Services Korea
2016년 4월 27일 DB Day 에서 김용우 솔루션즈 아키텍트 께서 발표하신 “Amazon Redshift의 이해와 활용 “ 발표자료입니다.
Amazon Redshift의 이해와 활용 (김용우) - AWS DB Day
Amazon Redshift의 이해와 활용 (김용우) - AWS DB Day
Amazon Web Services Korea
GS네오텍 Amazon CloudFront Day 2019 GS네오텍 - 이홍섭 SA Cloud Expert Group - GS네오텍
DevOps with AWS Edge
DevOps with AWS Edge
GS Neotek
count min sketch
Count min sketch
Count min sketch
DaeMyung Kang
Redis, Redis Failover, Consistent Hashing, Commands, Failures
Redis
Redis
DaeMyung Kang
Más contenido relacionado
La actualidad más candente
How to build massive internet service well.
Massive service basic
Massive service basic
DaeMyung Kang
Remove SPOF, Using coordinator, Using object storage, circuit breaker, blue/green, canary, feature flag
How to build massive service for advance
How to build massive service for advance
DaeMyung Kang
AWS를 통한 신뢰성 높은 지속적 배포 및 통합(CD/CI) 사례 - AWS Summit Seoul 2017
AWS를 통한 신뢰성 높은 지속적 배포 및 통합(CD/CI) 사례 - AWS Summit Seoul 2017
Amazon Web Services Korea
Route53을 활용한 Multi CDN 서비스 관리하기
Amazon cf day sesseion2
Amazon cf day sesseion2
GS Neotek
항해99의 최종 프로젝트 9조 헤쳐모여의 발표 ppt입니다. Youtube : https://youtu.be/MpwPiutwqaY
Hanghae99 FinalProject Moyeora!
Hanghae99 FinalProject Moyeora!
Young Woo Lee
Redis, Redis Failover, Redis Monitoring
How to use redis well
How to use redis well
DaeMyung Kang
메모리 할당과 관련한 내용입니다.
메모리 할당에 관한 기초
메모리 할당에 관한 기초
Changyol BAEK
Apache Kafak의 성능이 특정환경(데이터 유실일 발생하지 않고, 데이터 전송순서를 반드시 보장)에서 어느정도 제공하는지 확인하기 위한 테스트 결과 공유 데이터 전송순서를 보장하기 위해서는 Apache Kafka cluster로 partition을 분산할 수 없게되므로, 성능향상을 위한 장점을 사용하지 못하게 된다. 이번 테스트에서는 Apache Kafka의 단위 성능, 즉 partition 1개에 대한 성능만을 측정하게 된다. 향후, partition을 증가할 경우 본 테스트의 1개 partition 단위 성능을 기준으로 예측이 가능할 것 같다.
Apache kafka performance(throughput) - without data loss and guaranteeing dat...
Apache kafka performance(throughput) - without data loss and guaranteeing dat...
SANG WON PARK
다양한 하둡에코 소프트웨어 성능을 검증하려는 목적으로 성능 테스트 환경을 구성해보았습니다. ELK, JMeter를 활용해 구성했고 Kafka에 적용해 보았습니다. 프로젝트에서 요구되는 성능요건을 고려해 다양한 옵션을 조정해 시뮬레이션 해볼수 있습니다. 처음 적용한 뒤 2년 정도가 지났지만, kafka 만이 아니다 다른 Hadoop eco 및 Custom Solution에도 유용하게 활용 가능하겠습니다.
카프카(kafka) 성능 테스트 환경 구축 (JMeter, ELK)
카프카(kafka) 성능 테스트 환경 구축 (JMeter, ELK)
Hyunmin Lee
DCPMM의 성능을 기존 DRAM과 비교하여 어느 정도 수준으로 활용 가능한지 메모리기반 오픈소스(Apache Spark, Alluxio, Redis)를 활용하여 검증하고, 이를 통해 향후 빅데이터 아키텍처에 활용가능한지 확인
Optane DC Persistent Memory(DCPMM) 성능 테스트
Optane DC Persistent Memory(DCPMM) 성능 테스트
SANG WON PARK
AWSKRUG 2016년 10월 정기 밋업 박진우 @ 레코벨
추천서비스고군분투기 On Aws - 박진우 (레코벨)
추천서비스고군분투기 On Aws - 박진우 (레코벨)
AWSKRUG - AWS한국사용자모임
몇년 전부터 Data Architecture의 변화가 빠르게 진행되고 있고, 그 중 Cloud DW는 기존 Data Lake(Hadoop 기반)의 한계(성능, 비용, 운영 등)에 대한 대안으로 주목받으며, 많은 기업들이 이미 도입했거나, 도입을 검토하고 있다. 본 자료는 이러한 Cloud DW에 대해서 개념적으로 이해하고, 시장에 존재하는 다양한 Cloud DW 중에서 기업의 환경에 맞는 제품이 어떤 것인지 성능/비용 관점으로 비교했다. - 왜기업들은 CloudDW에주목하는가? - 시장에는어떤 제품들이 있는가? - 우리Biz환경에서는 어떤 제품을 도입해야 하는가? - CloudDW솔루션의 성능은? - 기존DataLake(EMR)대비 성능은? - 유사CloudDW(snowflake vs redshift) 대비성능은? 앞으로도 Data를 둘러싼 시장은 Cloud DW를 기반으로 ELT, Mata Mesh, Reverse ETL등 새로운 생테계가 급속하게 발전할 것이고, 이를 위한 데이터 엔지니어/데이터 아키텍트 관점의 기술적 검토와 고민이 필요할 것 같다. https://blog.naver.com/freepsw/222654809552
Cloud dw benchmark using tpd-ds( Snowflake vs Redshift vs EMR Hive )
Cloud dw benchmark using tpd-ds( Snowflake vs Redshift vs EMR Hive )
SANG WON PARK
T아카데미 강연 자료 : https://tacademy.sktechx.com/front/community/techclinic/viewTechClinic.action?seq=131
대용량 로그분석 Bigquery로 간단히 사용하기 (20170215 T아카데미)
대용량 로그분석 Bigquery로 간단히 사용하기 (20170215 T아카데미)
Jaikwang Lee
AWS EMR을 사용하면서 비용을 최적화하기 위해 필요한 다양한 관점의 방안을 검토하여 정리한 자료. 비용 최적화 대상은 zeppelin/jupyter notebook과 apache spark를 활용하는 서비스를 대상으로 하였으며, 해당 작업이 aws emr에서 어떻게 동작하는지 내부 구조을 파악하여 확인함. - AWS EMR이란? - AWS EMR의 과금 방식은? - 어떻게 비용을 최적화 할 것인가? - 최적의 EMR 클러스터 구성 방안 - 가성비 높은 Instance 선정 방안 - Apache Spark 성능 개선 방안 가장 중요한 것은 실행할 job의 자원사용량/성능을 모니터링하고, 이에 맞게 자원을 최적화하는 것이 필요함.
AWS EMR Cost optimization
AWS EMR Cost optimization
SANG WON PARK
2016년 1월 7일 AWS Cloud행사에서 BD 홍성준 이사 께서 발표하신 “비디가 제시하는 AWS Migration 주요 factor “ 발표자료입니다.
비디가 제시하는 AWS Migration 주요 factor - BD 홍성준 이사:: AWS Cloud Track 1 Intro
비디가 제시하는 AWS Migration 주요 factor - BD 홍성준 이사:: AWS Cloud Track 1 Intro
Amazon Web Services Korea
2015년 4월 21일 서울 코엑스에서 열렸던 AWS Summit Seoul 2015의 세번째 트랙에서 김일호 아마존 웹서비스 솔루션스 아키텍트가 발표한 자료입니다.
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
Amazon Web Services Korea
아마존 닷컴의 클라우드 활용 사례 - AWS Summit Seoul 2017
아마존 닷컴의 클라우드 활용 사례 - AWS Summit Seoul 2017
Amazon Web Services Korea
2014년 8월 6일 일본에서 진행된 AWS 기술 웨비나의 발표 자료를 한국의 정윤진 솔루션스 아키텍트가 한글로 번역한 자료입니다. 내용에 대한 문의사항이 있으신 경우 info-kr@amazon.com으로 연락 부탁드리겠습니다.
20140806 AWS Meister BlackBelt - Amazon Redshift (Korean)
20140806 AWS Meister BlackBelt - Amazon Redshift (Korean)
Amazon Web Services Korea
2016년 4월 27일 DB Day 에서 김용우 솔루션즈 아키텍트 께서 발표하신 “Amazon Redshift의 이해와 활용 “ 발표자료입니다.
Amazon Redshift의 이해와 활용 (김용우) - AWS DB Day
Amazon Redshift의 이해와 활용 (김용우) - AWS DB Day
Amazon Web Services Korea
GS네오텍 Amazon CloudFront Day 2019 GS네오텍 - 이홍섭 SA Cloud Expert Group - GS네오텍
DevOps with AWS Edge
DevOps with AWS Edge
GS Neotek
La actualidad más candente
(20)
Massive service basic
Massive service basic
How to build massive service for advance
How to build massive service for advance
AWS를 통한 신뢰성 높은 지속적 배포 및 통합(CD/CI) 사례 - AWS Summit Seoul 2017
AWS를 통한 신뢰성 높은 지속적 배포 및 통합(CD/CI) 사례 - AWS Summit Seoul 2017
Amazon cf day sesseion2
Amazon cf day sesseion2
Hanghae99 FinalProject Moyeora!
Hanghae99 FinalProject Moyeora!
How to use redis well
How to use redis well
메모리 할당에 관한 기초
메모리 할당에 관한 기초
Apache kafka performance(throughput) - without data loss and guaranteeing dat...
Apache kafka performance(throughput) - without data loss and guaranteeing dat...
카프카(kafka) 성능 테스트 환경 구축 (JMeter, ELK)
카프카(kafka) 성능 테스트 환경 구축 (JMeter, ELK)
Optane DC Persistent Memory(DCPMM) 성능 테스트
Optane DC Persistent Memory(DCPMM) 성능 테스트
추천서비스고군분투기 On Aws - 박진우 (레코벨)
추천서비스고군분투기 On Aws - 박진우 (레코벨)
Cloud dw benchmark using tpd-ds( Snowflake vs Redshift vs EMR Hive )
Cloud dw benchmark using tpd-ds( Snowflake vs Redshift vs EMR Hive )
대용량 로그분석 Bigquery로 간단히 사용하기 (20170215 T아카데미)
대용량 로그분석 Bigquery로 간단히 사용하기 (20170215 T아카데미)
AWS EMR Cost optimization
AWS EMR Cost optimization
비디가 제시하는 AWS Migration 주요 factor - BD 홍성준 이사:: AWS Cloud Track 1 Intro
비디가 제시하는 AWS Migration 주요 factor - BD 홍성준 이사:: AWS Cloud Track 1 Intro
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
아마존 닷컴의 클라우드 활용 사례 - AWS Summit Seoul 2017
아마존 닷컴의 클라우드 활용 사례 - AWS Summit Seoul 2017
20140806 AWS Meister BlackBelt - Amazon Redshift (Korean)
20140806 AWS Meister BlackBelt - Amazon Redshift (Korean)
Amazon Redshift의 이해와 활용 (김용우) - AWS DB Day
Amazon Redshift의 이해와 활용 (김용우) - AWS DB Day
DevOps with AWS Edge
DevOps with AWS Edge
Más de DaeMyung Kang
count min sketch
Count min sketch
Count min sketch
DaeMyung Kang
Redis, Redis Failover, Consistent Hashing, Commands, Failures
Redis
Redis
DaeMyung Kang
Ansible basic
Ansible
Ansible
DaeMyung Kang
The easiest Consistent Hashing
The easiest consistent hashing
The easiest consistent hashing
DaeMyung Kang
filebeat, logstash
Integration between Filebeat and logstash
Integration between Filebeat and logstash
DaeMyung Kang
How to become better engineer
How To Become Better Engineer
How To Become Better Engineer
DaeMyung Kang
Kafka Timestamp offset Final
Kafka timestamp offset_final
Kafka timestamp offset_final
DaeMyung Kang
Kafka Timestamp offset
Kafka timestamp offset
Kafka timestamp offset
DaeMyung Kang
Data Pipeline Data Lake
Data pipeline and data lake
Data pipeline and data lake
DaeMyung Kang
Redis ACL RCP1
Redis acl
Redis acl
DaeMyung Kang
객체지향 기초, 자바
Coffee store
Coffee store
DaeMyung Kang
Number System 10 -> 2, 2 -> 16
Number system
Number system
DaeMyung Kang
Internet Scale Service Arichitecture
Internet Scale Service Arichitecture
Internet Scale Service Arichitecture
DaeMyung Kang
Redis from 2.8 to Recent
Redis From 2.8 to 4.x(unstable)
Redis From 2.8 to 4.x(unstable)
DaeMyung Kang
Redis HyperLogLog, Cluster, Geo, Module
Redis From 2.8 to 4.x
Redis From 2.8 to 4.x
DaeMyung Kang
Simple Search Engine Theory
Soma search
Soma search
DaeMyung Kang
Redis Failover, Usage , Settings
Redis 2017
Redis 2017
DaeMyung Kang
Simple SQL to Spark DataFrame
Using spark data frame for sql
Using spark data frame for sql
DaeMyung Kang
Open Source, How to Study
How to study
How to study
DaeMyung Kang
Internet Scale Service
Internet scaleservice
Internet scaleservice
DaeMyung Kang
Más de DaeMyung Kang
(20)
Count min sketch
Count min sketch
Redis
Redis
Ansible
Ansible
The easiest consistent hashing
The easiest consistent hashing
Integration between Filebeat and logstash
Integration between Filebeat and logstash
How To Become Better Engineer
How To Become Better Engineer
Kafka timestamp offset_final
Kafka timestamp offset_final
Kafka timestamp offset
Kafka timestamp offset
Data pipeline and data lake
Data pipeline and data lake
Redis acl
Redis acl
Coffee store
Coffee store
Number system
Number system
Internet Scale Service Arichitecture
Internet Scale Service Arichitecture
Redis From 2.8 to 4.x(unstable)
Redis From 2.8 to 4.x(unstable)
Redis From 2.8 to 4.x
Redis From 2.8 to 4.x
Soma search
Soma search
Redis 2017
Redis 2017
Using spark data frame for sql
Using spark data frame for sql
How to study
How to study
Internet scaleservice
Internet scaleservice
Redis edu 5
1.
REDIS charsyam@naver.com 데이터 분배 전략
2.
데이터 분배
3.
Range
4.
Range 1~백만: 1번 백만1~2백만: 2번
5.
Range Range가 너무 크면 서버별
사용 리소스가 크게 차이날 수 있다.
6.
Range 서버 추가 시에
Range 조 절이 없으면 데이터 이동 이 없다.
7.
Range User #1 User #10 User
#1000000 User #1000001 User #1000100 User #2000000 User #2000001 User #2000200 User #3000000 ServerUser #1000005 2
8.
Modulo
9.
Modulo Id % 서버대수
= k
10.
Modulo 서버 대수에 따라서
데이 터 이동이 많아짐.
11.
Modulo 가능하면 2배씩 증가하는 게
유리.
12.
Modulo Logical Shard Physical Shard
13.
Modulo User #1 User #4 User
#7 User #2 User #5 User #8 User #3 User #6 User #9 ServerUser #1 1
14.
Consistent Hash
15.
서버의 추가/제거 시에 1/n
정도의 데이터만 사라 진다. Consistent Hash
16.
다른 방식은 데이터의
서버 위치가 고정적이지만, CH 는 유동적 Consistent Hash
17.
A Add A,B,C Server
18.
A B Add A,B,C Server
19.
A B C Add A,B,C Server
20.
A B C 1 Add Item 1
21.
A B C 1 2 Add Item 2
22.
A B C 1 2 3 4 5 Add Item 3,4,5
23.
A B C 2 3 4 5 Fail!! B Server
24.
A B C 1 2 3 4 5 Add Item 1
Again -> Allocated C Server
25.
A B C 1 2 3 4 5 1 Recover B Server
-> Add Item 1
26.
Indexed
27.
Indexed 해당 데이터가 어디
존재하 는지 Index 서버가 따로 존 재
28.
Indexed 해당 데이터가 어디
존재하 는지 Index 서버가 따로 존 재
29.
Indexed Index 변경으로 데이터
이 동이 자유롭다.
30.
Indexed Index 서버에 대한
관리가 추가로 필요.
31.
Indexed User #1 User #2000 User
#1000000 User #2 User #2001 User #10000 User #3 User #6 User #5000 ServerUser #5000 3 Index Server User 5000 is in 3
32.
그외 이슈들 캐시는 얼마나
둬야 할까? 또는 사이징? Multiget Hole 문제 로컬 캐쉬
33.
캐시 사이징 최근의 추세는
캐시빨… 데이터량, 처리 속도등을 고려해야 함 캐시 서버가 몇대까지 죽어도 괜찮을까? 장비가 많은것 보다는 좋은 장비에 여 러 개 띄우는게 더 유리…
34.
로컬 캐쉬 보통은 Remote
Cache Network, Latency, 성능등의 이슈 적절한 로컬 캐쉬를 사용하면 유리 Expire Time을 짧게 가져감
35.
Multiget Hole 친구의 정보를
가져올 때… 캐시 서버가 1대에서 3대로 늘면… 정말 캐시 서버의 부하는 1/3일까요? 내 친구 모두를 가져오면…
36.
Thank you.
Descargar ahora