Wie LinkedIn Memcached verwendet
Memcached ist ein Open Source-Memory-System für Web-Anwendungen. Webseiten verwenden Memcached auf ihren Servern gewinnen Sie mehr Flexibilität beim wie Anwendungen Speicher zugreifen. WordPress, LiveJournal, Wikipedia, Craigslist und LinkedIn gehören zu den Websites dieser beschäftigen Memcached mit Benutzer-Anforderungen halten als die Sites wird belebter und beliebter.
Memcached
Memcached funktioniert durch Bündelung des verfügbaren Speichers auf Ihren Servern. Anstatt drei Server mit 128 Megabyte Arbeitsspeicher pro Stück, kombiniert Memcached Speicher in einen Pool von 384 Megabyte. Das macht es einfacher, große Speicherblöcke reservieren, wo immer sie benötigt werden und reduziert das Risiko von kleine Abschnitte von Speicher auf einem Server im Leerlauf sitzen. Alle Daten gespeichert und von der gleichen Stelle im Speicher, egal welcher Server ein Benutzer Beschleunigung des Servers Fähigkeit zugreift, Anfragen zu beantworten, abgerufen.
LinkedIn
LinkedIn startete 2003 mit 350 Mitgliedern als ein Business-networking-Site. Innerhalb eines Jahres hatte er 500.000 Mitglieder, und bis zum Jahr 2010 hatte es 65 Millionen überschritten. Der enorme Erfolg brachte Herausforderungen mit sich: wie andere populären Webseiten hatte LinkedIn zu skalieren--halten Dienst effizient zu bewältigen, der gestiegenen Nachfrage--um erfolgreich zu bleiben. Eine Lösung zur Skalierung war Caches der Daten an den Benutzer mit Informationen zu versorgen.
Caches
Wenn eine Website eine Benutzeranforderung auf den Server verweist, wird der Server sucht in seinem Speicher, findet die angeforderten Daten und gibt sie zurück. Wie die Nutzung der Website nach oben, die Anzahl der Anforderungen skaliert behandelt der Server erhöht, die Reaktionszeit verlangsamt und die benötigte Bandbreite hinzugefügt. Caches erleichtern die Nachfrage auf LinkedIn-Servern durch die Speicherung von Informationen, die vor kurzem zugegriffen oder von verschiedenen Benutzern wiederholt gefordert wurde. Es ist einfacher und schneller für LinkedIn zum Abrufen von Daten aus dem Cache als die Server, die die Anfrage-Reaktionszeit verbessert.
LinkedIn-Design
LinkedIn-Ingenieure-Zustand, der einfach erhöhen die Größe der Datenbank ist keine gute Lösung für die Skalierung des Systems, weil Datenbanken Skalierung erfordert zusätzliche Hardware. Stattdessen Bauten sie das System um einen Datenbus, dass Routen Daten repliziert und speichert Kopien der wichtigsten häufig Informationen im Cache verwendete. Das Cachesystem beschäftigt Memcached, denn es einen großen Pool von billigen Speicher bietet. Die Caches behandeln die meisten Benutzeranforderungen, mit den Datenbanken hob den Cache nicht beantworten.