abstract
Le aziende che vogliono perseguire iniziative di digital transformation spesso scoprono che la loro infrastruttura IT esistente non è in grado di supportare la velocità e la scalabilità richieste. Infatti, la necessità di fornire un’esperienza utente finale più personalizzata e in tempo reale costringe le aziende a trasformare i propri processi impostati in modalità batch, che possono richiedere ore oppure giorni, in processi automatizzati che operino in tempo reale.
L’adozione di tecnologie web, mobile, social o IoT per supportare questa trasformazione porta spesso a un incremento di interrogazioni e di transazioni fino a 10-1000 volte. La sfida è pertanto quella di riuscire a sfruttare a proprio vantaggio questo incremento nel volume dei dati, in modo da supportare in maniera più puntuale i processi decisionali senza però incorrere in tempi di elaborazione proibitivi.
L’in-memory computing è stata la risposta di molte aziende. L’elaborazione in memoria offre infatti velocità e scalabilità per applicazioni nuove ed esistenti. La velocità è resa possibile dal fatto che la memoria RAM viene utilizzata sia per l’archiviazione dei dati che per la loro elaborazione, evitando il piu` possibile di usare il disco il cui accesso è molto più lento. Dall’altra parte, la scalabilità viene raggiunta andando a distribuire sia i dati che le elaborazioni su un cluster di server distribuiti.
Tra le varie piattaforme che offrono questo tipo di caratteristiche e di prestazioni, Apache Ignite rappresenta un’ottima soluzione per i problemi sopracitati, trattandosi di una piattaforma open-source distribuita che sfrutta un cluster di più nodi a supporto dell’elaborazione, del caching e della persistenza dei dati, in modalità in-memory. Le sue funzionalità la rendono particolarmente adatta nell’ambito dell’High-Performance Computing, ed è usata da importanti aziende quali Microsoft, Netflix, Apple, Yahoo! e PayPal.
outcomes
