ignite缓存模式

Ignite提供了三种不同的缓存操作模式：PARTITIONED（分区）、REPLICATED（复制）、LOCAL（本地）。缓存模型可以整个集群配置，也可以细粒度到每个缓存上。

PARTITIONED：这是扩展性最好的分布式缓存模式，在这种械下，所有数据被均等地分布在分区中，所有的分区也被均等地拆分到相关的节点中。这个方式可以在所有节点上只要匹配总可用存储(内存和磁盘)就可以存储尽可能多的数据，只要有足够多的节点，就可以存储足够多的数据。与REPLICATED比较，分区模式更新比较廉价，对于每个键只需要更新一个主节点（可选择一个或者多个备份节点）；由于只有特定节点才持有缓存的数据，因此读取比较昂贵。为了避免额外的数据移动，总是访问恰好缓存有要访问的数据的节点是很重要的，这个方法叫做关联并置，当工作在分区化缓存时强烈建议使用。

REPLICATED：复制模式，有数据再平衡过程，主节点数据与分区模式的一致，只是复制模式默认备份了除主节点数据外的其余数据。复制模式适合存储数据量小，增长不快的数据。

LOCAL：本地模式，数据都存储在本地，无数据再平衡，类似常见的存储服务。

模式	优点	缺点
PARTITIONED	能存储海量数据，频繁更新对其影响不大	查询缓存涉及到数据移动，对查询性能有影响
REPLICATED	适合存储数据量不大的数据，数据查询性能稳定	频繁更新对其影响较大

基线拓扑

基线拓扑：基线拓扑是一组Ignite服务端节点，目的是同时在内存以及原生持久化中存储数据。基线拓扑中的节点在功能方面不受限制，并且作为数据和计算的容器，在行为上也和普通的服务端节点一样。

另外，部分节点不属于基线拓扑，也是可以的，比如：

服务端节点要么在内存中存储数据，要么在第三方数据库，比如RDBMS或者NoSQL中持久化数据；
客户端节点也不在基线拓扑中，因为它们不持有共享数据。

基线拓扑的目的是：

如果节点重启，避免不必要的数据再平衡。比如，每个节点重启都会触发两个再平衡事件，一个是节点停止，一个是节点重新加入集群，这会导致集群资源的无效利用；
集群重启后，如果基线拓扑中的所有节点都已经加入，那么集群会被自动激活。

Ignite数据平衡分布的实践场景

内存缓存模式CacheMode使用PARTITIONED，保证数据在各个节点的内存中缓存起来。

第一次环境部署，所有节点要单独启动，所有节点启动完成之后调用激活集群接口，ignite自动将所有节点集群，并且初始化基线拓扑，把所有节点都在基线拓扑变为上线状态。
集群中所有节点挂掉，即所有节点在基线拓扑中处于下线状态，这时候启动其中一个节点会自动从原先的基线拓扑中变为上线状态，后续其他节点也是，然后触发数据平衡。
集群中单个节点挂掉，即在基线拓扑中处于下线状态，那直接启动这个节点就行，会自动从原先的基线拓扑中上线然后数据平衡
要把新节点加入到已激活的集群，并且加入到集群中的基线拓扑中的话，要调用激活集群接口（接口ip是当前节点或者是集群中任意一个节点的都可以）加入集群的基线拓扑后，集群会把部分数据分布到新节点中去
要把下线节点从集群中删去，并确认不再需要这个节点，也不需要这个节点里面的数据，则把当前节点shutdown掉，然后重新调用激活集群接口即可，同时该节点也无法持有旧数据重新加入集群中。（危险操作）