Infinispan分布式流的性能
Performance of Infinispan Distributed Streams
Infinispan 8.2.x（最新版本）引入了分布式流（java 8）并贬低了 MapReduce 实现 [1]。这就提出了性能增强的问题。
是否有任何基准测试 运行 测试性能优势？据 Infinispan 团队称，内部基准测试显示了 Infinispan 分布式流的性能优势 [2]。但是，我还找不到结果或指向详细讨论的指针。
Infinispan 分布式流如何实现比 Infinispan MapReduce 更高的性能？它是否利用了 SIMD（单输入多数据）操作？
[1] https://docs.jboss.org/infinispan/8.2/apidocs/org/infinispan/distexec/mapreduce/MapReduceTask.html
[2] https://developer.jboss.org/thread/268188?start=0&tstart=0
感谢您的提醒，老实说，我们在博客上对此的性能提升有点松懈。我希望我们能在不久的将来得到一个。但是，我可以向您展示在基准测试中生成的图形中的图像 运行。 y 轴是 MB/s，x 轴是唯一单词的数量（在所有测试中，它都在进行简单的单词计数）。该博客应该显示更多详细信息。
这些测试都是 运行 使用雷达 [2] 顺便说一句。 Map Reduce 的测试驱动程序可以在 [3] 中找到，分布式流可以在 [4] 中找到。
但从图表中可以看出，Map/Reduce 的性能接近（比分布式流低约 15-30%），但是一旦中间结果的大小增加，Map/Reduce 就会下降，运行 内存不足。在这种情况下，Spark 的内存也是分布式流的两倍（所以我有点反对这些结果）。但是一旦我们有了博客，这应该更详细 post.
但是关于为什么分布式流更快，最重要的是我们在底层利用了 Java 8 个流，它提供了良好的 cpu 缓存命中率和使用分叉加入池。 Map/Reduce 有很多这样的优化，但缺少一些 :)
另外不要忘记 Distributed Streams 是完全可识别 rehash 的，当节点 enter/leaves 像 Map/Reduce 时，您不必担心 duplicate/lost 条目。您还可以在 [5].
阅读更多关于分布式流的信息
[2]https://github.com/radargun/radargun
[5] http://infinispan.org/docs/dev/user_guide/user_guide.html#streams
Infinispan 8.2.x（最新版本）引入了分布式流（java 8）并贬低了 MapReduce 实现 [1]。这就提出了性能增强的问题。
是否有任何基准测试 运行 测试性能优势？据 Infinispan 团队称，内部基准测试显示了 Infinispan 分布式流的性能优势 [2]。但是，我还找不到结果或指向详细讨论的指针。
Infinispan 分布式流如何实现比 Infinispan MapReduce 更高的性能？它是否利用了 SIMD（单输入多数据）操作？
[1] https://docs.jboss.org/infinispan/8.2/apidocs/org/infinispan/distexec/mapreduce/MapReduceTask.html
[2] https://developer.jboss.org/thread/268188?start=0&tstart=0
感谢您的提醒，老实说，我们在博客上对此的性能提升有点松懈。我希望我们能在不久的将来得到一个。但是，我可以向您展示在基准测试中生成的图形中的图像 运行。 y 轴是 MB/s，x 轴是唯一单词的数量（在所有测试中，它都在进行简单的单词计数）。该博客应该显示更多详细信息。
这些测试都是 运行 使用雷达 [2] 顺便说一句。 Map Reduce 的测试驱动程序可以在 [3] 中找到，分布式流可以在 [4] 中找到。
但从图表中可以看出，Map/Reduce 的性能接近（比分布式流低约 15-30%），但是一旦中间结果的大小增加，Map/Reduce 就会下降，运行 内存不足。在这种情况下，Spark 的内存也是分布式流的两倍（所以我有点反对这些结果）。但是一旦我们有了博客，这应该更详细 post.
但是关于为什么分布式流更快，最重要的是我们在底层利用了 Java 8 个流，它提供了良好的 cpu 缓存命中率和使用分叉加入池。 Map/Reduce 有很多这样的优化，但缺少一些 :)
另外不要忘记 Distributed Streams 是完全可识别 rehash 的，当节点 enter/leaves 像 Map/Reduce 时，您不必担心 duplicate/lost 条目。您还可以在 [5].
阅读更多关于分布式流的信息[2]https://github.com/radargun/radargun
[5] http://infinispan.org/docs/dev/user_guide/user_guide.html#streams