春にApache Ignite、分散データベース、分散機械学習について話す場所

GridGainの開発チームリーダーであるYuri Babakは、Open Data Scienceの誕生日に捧げられた会議で、Apache Igniteを使用した分散TensorFlowについて話します。

-TensorFlowの分散データソースとしてのApache Ignite。
-Apache Ignite上のTensorFlowクラスターでの分散モデルトレーニング。
-TensorFlowモデルApache Igniteクラスター

プログラムと登録

クラスタ複製により、分散システムの健全性について心配する必要がなくなります。 しかし、データセンターでライトがオフになり、すべてのクラスターがすぐに（そしてそれぞれ独自の方法で）故障し始め、誰かが非常に重大な間違いを犯したらどうなるでしょうか？

GridGainのシニアソフトウェアエンジニアであるIvan Rakovが、レプリケーションオプションの可能性、GridGainでのトランザクションの整合性の実装方法、およびこれがクラスターを災害から保護する方法について説明します。

プログラムと登録

GridGainのシニアソフトウェアエンジニアであるDmitry Govorukhinが、ディスク集約型アプリケーションの開発における個人的な経験と、Apache Ignite Native Storeの開発中に収集されたレーキについて話します。

プログラム委員会コメント：

Javaでの効率的なファイル処理に関するレポートは非​​常にまれであり、このような基本的な機能については驚くべきことです。 このレポートはこのギャップを埋め、すぐに目的のパフォーマンスを達成するための実用的な詳細に焦点を当てます。

レポートの詳細

Ivan Rakov- 災害はもはやひどいものではありません：GridGainで非同期トランザクションレプリケーションを行った方法

ビジネスがクラスターの寿命に依存している場合は、念のためスペアを用意しておくとよいでしょう。事故の場合の切り替えオプションに加えて、そのメトリックと分析を読むことができます。 アプリケーションコードがトランザクションを使用して必要な不変条件をサポートする場合、レプリカクラスターがトランザクションの整合性を維持しているとさらに良いでしょう。 詳細

Stanislav Lukyanov- Gitでのいくつかの製品バージョンの開発をサポート

私たちはさまざまなアプローチを研究し、試しました。 その結果、Gitを使用する独自のプロセスを形成しました。これにより、以前のバージョンの多くをサポートし、リグレッションと互換性の問題を回避し、メンテナンスリリースとホットフィックスリリースの柔軟性を維持できます。 詳細