博客在Sisense，我们支持高可用性、多服务器部署，以实现可扩展性和灵活性。事实上，这些部署已经准备就绪，开箱即用，在大多数客户的站点上都很常见。虽然这种类型的部署满足了大多数客户的性能需求，但最近有一个大客户来找我们，希望从他们的系统中获得更多的好处。我们决定使用现成的Sisense功能定制一个解决方案，以满足他们的特定需求。这是我们所做的。第一步：调查如果我们研究一个具有高可用性环境的通用架构模式，您可能会发现，例如，数据库层、具有一个构建节点的构建层、具有两个查询节点和两个web节点的查询和web层，以及一个负载平衡器。如下图所示：在这样的环境中，最终用户通过负载平衡器向两个web节点中的一个发送请求，而不考虑它们使用的是哪一个。默认情况下，web节点然后在两个查询节点之一上运行查询，并将对请求的响应返回给最终用户。请记住，每个查询节点都将每个查询存储在计算机内存中。所以，假设每个查询节点都有500GB的RAM。一旦节点达到预定的剩余RAM空间阈值，物联网和互联网的区别，服务器就会自动开始清理查询以释放可用的RAM。哪个软件栈适合您？请参阅我们的终极比较指南。第二步：头脑风暴这就是我们的问题：为什么在RAM达到最大容量时，物联网是啥，如果查询节点清除它们的缓存，在回答一个查询时会有延迟时间？如何在不购买更多RAM空间的情况下降低频率？从映射和粗略测量仪表板以及查询时使用的RAM量开始。因为在我们的示例中，两个查询节点都有大约500GB的RAM，所以我想了解这两个节点将使用多少RAM，以及清理过程发生的频率。例如：表，th，td{
边框：1px纯黑；
边框折叠：折叠；
}
th，td{
填充：10px；
}
仪表板编号类型容量1客户流失100 GB 2财务50 GB 3销售35 GB 4帮助台票证100 GB 5执行50 GB 6领导分析60 GB 7潜在客户开发400 GB 8客户满意度200 GB总容量995 GB在列出仪表板并意识到总容量小于1TB之后，我需要查看不同节点的实际功能。每个web节点都有相同的元数据，每个查询节点都有相同的ElastiCube（Sisense的超快速数据存储）。因此，当一个最终用户提出一个问题并将其定向到查询节点a时，答案将"存储"在那里。但是，如果另一个最终用户问了相同的问题，并且它被定向到查询节点B，大数据主要学什么，它也将被"存储"在那里。啊哈！这是没有效率的。我们将相同的答案存储在两个不同的查询节点上两次。这意味着，例如，当存储在两个查询节点上时，5GB RAM查询总共会占用10GB。此外，这加快了必须刷新RAM的时间间隔。让我们尝试重新配置架构以修复它并找出答案。步骤3：测试和扩展为了避免在两个查询节点的RAM上保存相同的查询，我需要创建一个结构，根据使用的仪表板告诉web节点要使用哪个查询节点。如果我们使用上面的仪表板示例列表，我确保如果使用仪表板1、3、4、6和8，则应将查询发送到查询节点A。如果使用仪表板2、5或7，则问题应发送到查询节点B。这意味着断开ElastiCube集并将每个仪表板定向到专用的查询节点。这样做可以消除查询层上的冗余。出于可靠性目的，如果其中一个查询节点关闭，我们希望有一个回退选项，以确保所有查询都能成功，即使以牺牲性能为代价。解决方案是创建如下新的ElastiCube集：集合1：查询节点A上的多维数据集为默认值，查询节点B上的多维数据集为后备。集合2：查询节点B上的多维数据集为默认值，查询节点A上的多维数据集为后备。回退多维数据集不参与ElastiCube集循环路由，大数据的未来，通常不使用。只有当集合中没有其他多维数据集可用时，才使用回退多维数据集。现在，特定的查询总是路由到相同的缓存。由于两个缓存中的查询不重复，因此可以更好地利用两个缓存之间的可用RAM来存储大量的查询。在测试了这个体系结构并确保它适用于具有两个查询节点的所有场景之后，我们扩展了该功能，积分返现，以便在需要时允许两个以上的查询节点。成功！那么，有什么大不了的？简单地说：无需添加额外硬件即可提高性能，从而降低总体拥有成本。大多数人都可以通过标准的高可用性设置来满足他们的性能需求。但是对于那些不能，并且有能力管理这个新解决方案的人来说，这是一个令人兴奋的发现。标签：how to |总拥有成本