Ignite 高性能内存计算

本系列展示大数据领域的新研究和应用，以及当前正在开发的计算工具和技术。鼓励包含具体的示例和应用。该系列的范围包括社交网络、传感器网络、数据中心计算、天文学、基因组学、医疗数据分析、大规模电子商务等领域的题目，还包括其他潜在贡献者提出的相关主题。

这份PPT详细介绍了Redis的基本概念、独特特性、高可用性解决方案以及实际应用场景，适合初学者快速入门。Redis作为高性能内存数据库，在现代应用开发中扮演着越来越重要的角色。

Redis是由Salvatore Sanfilippo开发的高性能、开源的内存数据库系统，使用ANSI C语言编写，遵守BSD协议。它支持网络访问，并可基于内存或持久化存储数据。与memcached类似，Redis被广泛用作key-value内存存储系统，同时支持丰富的数据结构，如字符串、哈希、列表、集合和有序集合。因其卓越的性能和多样化的数据结构支持，Redis也被称为数据结构服务器。

数据库技术的进步、数据挖掘应用的兴起、生物基因技术的不断发展以及历史数据规模的爆炸式增长, 都对高性能计算提出了更高的要求。虽然分布式系统可以部分解决大型计算问题, 但是其通信开销大、故障率高、数据存取结构复杂且开销大、数据安全性和保密性难以控制等问题依然存在。而计算机处理器, 特别是GPU技术的快速发展, 为高性能数据并行计算提供了新的解决方案。

本课程教授如何使用简单方法隔离现有程序部分，并将其移至内核以提高GPU性能。学习通过AWS探索远程GPU实例来优化OpenCL程序，并检查消除性能瓶颈。课程不培养GPU专家，但将帮助您熟悉创建和执行OpenCL内核所需的基本技能。

面向大数据的 高性能计算：方法与应用 本书探讨了面向数据密集型应用的新兴高性能架构、提升数据处理效率的新型分析策略，以及机器学习、生命科学、神经网络和神经形态工程等多个领域的前沿应用。 全书结构分为两大部分。第一部分涵盖大数据架构，包括云计算系统和异构加速器，并介绍了面向内存架构和设备的新兴 3D IC 设计原则。第二部分展示了大数据在多个领域的新兴应用案例，包括生物信息学、深度学习和神经形态工程。 主要内容包括： 涵盖 Hadoop/Spark 等分布式系统在内的各种大数据架构 面向大数据应用的基于加速器的解决方案，例如基于 GPU 的加速技术 面向内存架构和设备的新兴 3D IC 设计原则 大数据在生物信息学、深度学习和神经形态工程等领域的应用案例

展示了如何将Apache Ignite与Spring Boot集成，以及利用持久性内存功能和基于缓存的SQL查询优化应用性能。详细介绍了如何启用和使用Apache Ignite的持久性内存功能，以确保数据在系统崩溃或重新启动时不丢失。同时，还说明了如何通过Ignite缓存执行SQL查询，并提供了简单的Jenkins管道参考。

这篇文章汇总了一些积累的经验分享，包括从SGA到LATCH等一系列调整方案，帮助优化Oracle数据库的内存性能。

读书笔记，方便以后网络查阅。知识共享。