GridGain, an open source grid computing

-
Grid에 대한 호기심이 한창이던 시절은 X 파일이 전성기를 구가하던 시절이 아니었나 싶다. 외계의 신호를 분석하기 위해 각 개인의 컴퓨팅 파워를 합쳐보려는 스크린세이버에 대한 기억...
SETI@home 프로젝트는 외계 생명체를 찾는 유명한 Grid 프로젝트였다.

현재 grid computing의 상황에 대해서는 각 벤더들이 여러 가지 소프트웨어에서 grid 지원을 공언하고 있고, Grid Computing에 관심 있는 여러 업체들이 open grid forum이란 것을 형성하고 Globus Toolkit을 만들고 있다.

OGSA 구현체인 Globus Toolkit은 자세히 들여다보지는 않았지만, 웹서비스를 사용한다는 점에서 장점과 단점이 분명하다.

여기 저기를 뒤져보면 오픈 소스인 GridGain이 나온다. 러시아의 뻬떼스부르크에 있는 같은 이름의 회사에서 자바 기반의 그리드 컴퓨팅 솔루션을 만든다.

흔히 grid라고 하면 compute grid와 data grid 두 가지를 구분해볼 수 있는데 기존의 컴퓨팅을 분산하는 방법은 compute grid의 영역이고, data replication의 다양한 영역은 data grid의 영역이다.

GridGain은 compute grid 솔루션이라고 볼 수 있고 data grid는 상용인 Oracle Coherence나 오픈 소스인 JBossCache 같은 솔루션을 들 수 있다.

GridGain의 여러 가지 기능과 구조에 대해서 깔끔하게 정리된 문서는 없지만, 자바와 함께 발전해온 여러 가지 장점들을 잘 통합해놓았다는 느낌이다. AOP나 Spring(IOC 패턴)과의 결합 그리고 그리드 자체의 여러 기능들...
아래 URL에 있는 위키를 참조하면 되겠다.

http://www.gridgain.com/product_features.html

http://www.gridgainsystems.com/wiki/display/GG15UG/Basic+Concepts

댓글

댓글 쓰기

이 블로그의 인기 게시물

[Java] Java G1 GC의 특성에 따른 Full GC 회피 튜닝 방법

-
Java 6 중반부터 G1 GC가 나오면서 이 새로운 Java VM GC 정책을 두고 성능 튜닝을 어떻게 할지 고민이 많은 것 같다. 일단 생소하기 때문에 어렵다. 그런데 경험들이 조금씩 쌓이면서 문제점도 꽤 발견되는 것 같다. 먼저 G1GC를 이해하는 데 유용한 사이트이다. Garbage-First Collector Getting Started with the G1 Garbage Collector Understanding G1 GC Logs Tuning Garbage Collection for Mission-Critical Java Applications Controlling GC pauses with the GarbageFirst Collector G1: One Garbage Collector To Rule Them All Garbage First (G1) Garbage Collection Options compare JVM options for public 메일 :  G1 GC clean up time is too long JDK 7부터 기본이 된 G1(garbage first) GC는 JVM의 Heap 메모리를 1MB 정도 크기의 region들로 나눠서 region별로 generation을 지정하여 상당히 효율이 좋지만 튜닝하는 게 까다롭다. (새로운 메모리 처리 구조에 대한 튜닝 경험도 많이 부족해서 더욱 까다롭게 느껴지는 것 같다.) 지금까지 널리 알려진 문제로는 첫째, perm generation collection을 full gc때만 하는 문제가 있다. 즉, 클래스 언로딩을 full gc때만해서 자주 재배포가 발생하는 코드가 있는 경우 문제가 될 수 있다. 앞으로는 perm generation을 완전히 없애도록 JVM의 방향을 잡고 있기 때문에 당분간 이 문제는 해결하지 않을 것으로 보인다. 둘째, G1 GC에서 거대 객체(humongous object)라고 부르는 메모리 사용량이 큰 객체들에 대한
자세한 내용 보기

엄밀한 사고(Critical Thinking)란 무엇일까

-
미국에서는 21세기 교육에 가장 중요한 4가지 역량이 4C라고 한다. Four Cs of 21st century learning 네 가지 C는 각각 엄밀한 사고(Critical thinking), 소통(Communication), 협업(Collaboration), 창의(Creativity)를 뜻한다. (critical thinking을 비판적 사고 로 번역하는 경우가 많지만, 실제 문맥에서 보면 문제 해결을 위한 매우 중요한 영역의 사고를 뜻하는 엄밀한 사고 가 좀더 적합한 표현이라고 판단된다.) 한국 사회는 교육에서부터 기업까지 창의성이 떨어진다는 말을 많이 해왔다. 굳이 군대와 같은 극단적인 사회 환경을 얘기하지 않더라도, 가족 같은 분위기라는 표현이 가부장적 위계를 인정한다는 뜻으로 통용되는 사회에서 중요한 의사결정 과정에 충분한 소통과 피드백이 주어지지 못하기 때문에 결과적으로는 창의적 아이디어가 부족하게 되고, 엄밀한 사고를 훈련하지 못하여 21세기에 적합한 인재로서 가치가 떨어진다는 표현이라고 볼 수 있다. 창의적 사고는 결과적인 부분에 가까우므로 과정에서 필요한 엄밀한 사고가 한국의 교육이나 혁신을 지향하는 기업 환경에 가장 중요할 것이다. 미국교육협회(NEA)에서는 엄밀한 사고를 어떻게 바라보고 있는지 옮겨본다. 개인적으로는 혁신을 지향하는 SW 기업에서, 또 창의적으로 미래를 열어갈 자녀들을 위해서 코칭이나 교육의 방법을 고민하기 전에 꼭 읽어봐야 할 내용이라고 생각한다. 다음 내용은 NEA에서 발간한 '글로벌 사회의 21세기 학생들을 준비하기 위한 네 가지 C 교육자 지침'에서 발췌 번역하였다. An Educator’s Guide to the “Four Cs” - Preparing 21st Century Students for a Global Society 엄밀한 사고는 오랫동안 가치있는 기술로 사회적으로 인정받아왔다. 오늘날은 모든 학생들에게 필요하다. 기존에는 엄밀한 사고를 통한
자세한 내용 보기

일론 머스크의 First Principle Thinking (제1원리 기반 사고)

-
이미지
제1원리 기반 사고, First principle thinking. 첫번째 원리로부터 생각하기 혹은 제일원리 기반 사고 정도로 해석할 수 있겠다.  아리스토텔레스가 형이상학이란 책에서 언급한 것으로 더 이상 추론될 수 없는 원칙에서부터 추론되어야 한다는 원칙이다. 예를 들어 Unmoved mover 즉 우주에 최초의 움직임을 만든 무언가는 움직임이 없었어야 한다는 추론이 이러한 원칙 하에서 추론된 것이다. 수학에서 공리에서 출발하는 것과 같은 논리인데 일론 머스크가 SpaceX를 만들면서 제일원칙에 기반한 사고 실험을 사용하였다고 언급하면서 의사결정의 원칙 혹은 문제해결의 방법론으로서도 많이 언급된다. 일론 머스크의 First Principle Thinking 머스크 이야기는 이렇게 시작된다. 화성에 가야겠다고 목표를 세운 머스크가 첫번째 마주한 문제는 천문학적인 로켓 가격이었다. 머스크는 물리학에서 배운 제1법칙 기반의 사고를 이 문제 해결에 적용하기로 했다. “물리학은 유추가 아닌 제1원리로부터 추론하는 것을 가르쳐준다. 좋다, 제1원리들을 한번 들여다보자. 로켓은 무엇으로 만들지?  우주항공산업 등급의 알루미늄 합금들과 약간의 티타늄, 구리, 탄소 섬유이다. 다시 생각해봤다. 일반 상품 시장에서 이 물질들 가격은 얼마쯤 하나? 로켓에 사용되는 재료들 가격은 로켓 일반 가격의 약 2%에 불과했다.” 머스크는 원 재료를 사서 직접 로켓을 만들기로 했고 SpaceX를 세웠다. SpaceX는 1/10 가격으로 로켓을 만들면서도 수익을 내고 있다. 제1원리 기반의 사고를 머스크는 진실이라고 생각되는 좀더 근원적인 부분으로 내려가서 거기에서부터 다시 의사결정에 이르는 논리를 쌓아올리는 문제 해결 과정으로 적용한 것이다. 진리와 근원적 사고 사람은 수많은 참으로 믿은 불확실한 가설들이나 관성으로부터 판단하는 경향이 강하므로 중요한 의사결정을 좀더 근원적인 진위로부터 추론하는 것은 더 나은 해결 방법, 더 높은 진위 추정의 확률을 위해 매우 유용한 방법이라 할 수 있다
자세한 내용 보기