Apache Ignite（五）：Ignite的集群部署与优化技巧。Ignite 具有非常先进的集群能力，本文针对和集群有关的技术点做一个简短的介绍，然后针对实际应用的可能部署形式做了说明和对比，从中我们可以发现，Ignite 平台在部署的灵活性上，具有很大的优势。
1. 相关概念
1.1. 节点平等
Ignite 没有 master 节点或者 server 节点，也没有 worker 节点或者 client 节点，按照 Ignite 的观点所有节点都是平等的。但是开发者可以将节点配置成 master，worker 或者 client 以及 data 节点。
1.2. 发现机制
Ignite 节点之间会自动感知，集群可扩展性强，不需要重启集群，简单地启动新加入的节点然后他们就会自动地加入集群。这是通过一个发现机制实现的，他使节点可以彼此发现对方，Ignite 默认使用TcpDiscoverySpi通过 TCP/IP 协议来作为节点发现的实现，也可以配置成基于多播的或者基于静态 IP 的，这些方式适用于不同的场景。
1.3. 部署模式
Ignite 可以独立运行，也可以在集群内运行，也可以将几个 jar 包嵌入应用内部以嵌入式的模式运行，也可以运行在 Docker 容器以及 Mesos 和 Yarn 等环境中，可以在物理机中运行，也可以在虚拟机中运行，这个广泛的适应性是他的一个很大的优势。
1.4. 配置方式
Ignite 的大部分配置选项，都同时支持通过基于 Spring 的 XML 配置方式以及通过 Java 代码的编程方式进行配置，这个也是个重要的优点。
1.5. 客户端和服务端
Ignite 中各个节点是平等的，但是可以根据需要将节点配置成客户端或者服务端，服务端节点参与缓存，计算，流式处理等等，而原生的客户端节点提供了远程连接服务端的能力。Ignite 原生客户端可以使用完整的 Ignite API，包括近缓存，事务，计算，流，服务等等。
所有的 Ignite 节点默认都是以服务端模式启动的，客户端模式需要显式地启用，如下：
复制代码
2. 创建集群
一个 Ignite 节点可以从命令行启动，可以用默认的配置也可以传递一个配置文件。可以启动很多的节点然后他们会自动地发现对方。
要启动一个基于默认配置的网格节点，打开命令行然后切换到 IGNITE_HOME（安装文件夹），然后输入如下命令：
$ bin/ignite.sh然后会看到大体如下的输出：
复制代码
1.[02:49:12] Ignite node started OK (id=ab5d18a6) 2.[02:49:12] Topology snapshot [ver=1, nodes=1, CPUs=8, heap=1.0GB]
在嵌入式模式中，通过如下的代码同样可以启动一个节点：
Ignite ignite = Ignition.start();## 3. 集群组
从设计上讲，所有集群节点都是平等的，所以没有必要以一个特定的顺序启动任何节点，或者给他们赋予特定的规则。然而，Ignite 可以因为一些应用的特殊需求而创建集群节点的逻辑组，比如，可能希望只在远程节点上部署一个服务，或者给部分 worker 节点赋予一个叫做worker的规则来做作业的执行。比如，下面这个例子只把作业广播到远程节点（除了本地节点）:
复制代码
final Ignite ignite = Ignition.ignite(); IgniteCluster cluster = ignite.cluster(); IgniteCompute compute = ignite.compute(cluster.forRemotes()); compute.broadcast(() -> System.out.println(” 节点 Id: ” + ignite.cluster().localNode().id()));
Ignite 内置了很多预定义的集群组，同时还支持集群组的自定义。可以基于一些谓词定义动态集群组，这个集群组只会包含符合该谓词的节点。下面这个例子，一个集群组只会包括 CPU 利用率小于 50% 的节点，注意这个组里面的节点会随着 CPU 负载的变化而改变:
复制代码
IgniteCluster cluster = ignite.cluster(); ClusterGroup readyNodes = cluster.forPredicate((node) -> node.metrics().getCurrentCpuLoad() < 0.5);
4. 集群配置
Ignite 中，通过DiscoverySpi节点可以彼此发现对方，可以配置成基于多播的或者基于静态 IP 的。Ignite 提供了TcpDiscoverySpi作为DiscoverySpi的默认实现，它使用 TCP/IP 来作为节点发现的实现。
对于多播被禁用的情况，TcpDiscoveryVmIpFinder会使用预配置的 IP 地址列表，只需要提供至少一个远程节点的 IP 地址即可，但是为了保证冗余一个比较好的做法是提供 2-3 个网格节点的 IP 地址。如果建立了与任何一个已提供的 IP 地址的连接，Ignite 就会自动地发现其他的所有节点。
也可以同时使用基于多播和静态 IP 的发现，这种情况下，除了通过多播接受地址以外，TcpDiscoveryMulticastIpFinder也可以使用预配置的静态 IP 地址列表。
下面的例子，显示的是如何通过预定义的 IP 地址列表建立集群：
复制代码
TcpDiscoverySpi spi = new TcpDiscoverySpi(); TcpDiscoveryVmIpFinder ipFinder = new TcpDiscoveryVmIpFinder(); // 设置预定义 IP 地址，注意端口或者端口范围是可选的。 ipFinder.setAddresses(Arrays.asList(“1.2.3.4”, “1.2.3.5:47500..47509”)); spi.setIpFinder(ipFinder); IgniteConfiguration cfg = new IgniteConfiguration(); cfg.setDiscoverySpi(spi); // 启动集群 Ignition.start(cfg);
5. 零部署
和计算等有关的代码可能是任意自定义的类，在 Ignite 中， 远程节点会自动感知这些类，不需要显式地将任何 jar 文件部署或者移动到任何远程节点上。这个行为是通过对等类加载（P2P 类加载）实现的，他是 Ignite 中的一个特别的分布式类加载器，实现了节点间的字节码交换。当对等类加载启用时，不需要在集群内的每个节点上手工地部署代码，也不需要每次在发生变化时重新部署。
可以通过如下方法启用对等类加载；
但是官方基于性能等原因的考虑，不建议在生产环境中使用对等类加载，这方面如何选择，开发者需要评估各个影响因素。
6. 云部署
对于很多的云环境，通常有多播被禁用以及 IP 地址不固定的限制，对于这种情况，Ignite 提供了发现的扩展机制解决了该问题，并且内置了对于常见的云服务（比如 AWS）的支持，本文不赘述，开发者可以参照相关的文档。
7.Docker 等其他环境的部署
对于 Docker、Mesos、Yarn 等环境，Ignite 同样支持，本文不赘述，开发者可以参照相关的文档。
8. 部署实践
Ignite 的部署模式非常的灵活，在实际的场景中可以针对实际需要采用不同的部署方式，下面做简单的总结和对比：
8.1. 独立式 Ignite 集群
这种情况下，集群的部署完全独立于应用，这个集群可以用于分布式计算，分布式缓存，分布式服务等，这时应用以客户端模式接入集群进行相关的操作，大体是如下的部署模式：
(点击放大图像)
优点
对已有的应用运行环境影响小，并且这个集群可以共享，为多个应用提供服务，对整个应用来说，额外增加了很多的计算和负载能力。
缺点
需要单独的一组机器，相对成本要高些，如果缓存操作并发不高或者计算不饱和，存在资源利用率低的情况。整体架构也变得复杂，维护成本也要高些。
8.2. 嵌入式 Ignite 集群
这种情况下，可以将必要的 jar 包嵌入已有应用的内部，利用 Ignite 的发现机制，自动建立集群，大体是如下的部署模式：
(点击放大图像)
优点
无需额外增加机器，成本最低，Ignite 可以和应用无缝集成，所有节点都为服务端节点，可以充分利用Ignite 的丰富功能。这个模式可扩展性最好，简单增加节点即可快速扩充整个系统的计算和负载能力。
缺点
Ignite 占用了服务器的部分资源，对应用整体性能有影响，可能需要进行有针对性的优化，应用更新时，集群可能需要重启，这时如果 Ignite 需要加载大量的数据，重启的时间可能变长，甚至无法忍受。
8.3. 混合式 Ignite 集群
这种情况下，将上述 2 种模式混合在一起，即同时增加机器部署独立集群，同时又将 Ignite 嵌入应用内部以服务端模式运行，通过逻辑集群组进行资源的分配，整体上形成更大的集群，大体是如下的部署模式：
(点击放大图像)
这种模式更为灵活，调优后能做到成本、功能、性能的平衡，综合效果最佳。这时可以将缓存的数据通过集群组部署到应用外部的节点上，这样可以避免频繁的冷启动导致缓存数据频繁的长时间加载，对于计算，也能够动态地充分利用所有计算节点的资源。
感谢郭蕾对本文的审校。
给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。
大会推荐：
8 月 22～23 日的 AICon 深圳站 将以 “探索 AI 应用边界” 为主题，聚焦 Agent、多模态、AI 产品设计等热门方向，围绕企业如何通过大模型降低成本、提升经营效率的实际应用案例，邀请来自头部企业、大厂以及明星创业公司的专家，带来一线的大模型实践经验和前沿洞察。一起探索 AI 应用的更多可能，发掘 AI 驱动业务增长的新路径！
