运营系统负责管理我们的财务、采购、设备等各种日常事务。如果能够在这些系统中引入实时分析机制，用户就可以根据状态变化得到实时的响应结果，从而得到即时可用的、最具针对性的反馈结论。这种分析的使用被称为运营智能，对此类解决方案的需求正在迅速增长并且变得更加紧迫。例如，金融交易应用程序必须能够快速响应当前市场状况的波动，因为市场数据流经并影响整个交易系统。电子商务系统必须在几秒钟内检查库存变化并相应地调整订单可用性；此外，此类系统需要对购物活动做出快速响应，以带来更加个性化的产品推荐列表。智能电网监控系统需要遥测和持续分析来自多个来源的数据，以响应电网系统中的意外变化以及预测结果。在上述各种情况下，实时且快速变化的数据集必须能够与活跃且快速变化的实时操作相结合。以实时方式响应当前数据的好处——例如根据当前购物车中的商品向买家推荐更多可能想要的商品——已经确立、引人注目且触手可及。将内存计算和数据并行分析集成并运行在同一个商业服务器集群中，可以支持业务系统持续跟踪和分析实时数据，提取重要模式，并产生足以指导系统行为的即时反馈。这项技术已经出现在各种统称为内存数据网格(IMDG)的软件解决方案中，它在过去十年中的不断发展确实帮助公司以更高效、更科学的方式管理数据。操作系统。什么是内存数据网格？作为内存中的数据网格，其最大的特点是将数据存储在内存中，并将其分布到由商业服务器（或运行在云环境中的多套虚拟服务器系统）组成的整个集群系统中。使用面向对象的数据存储模型，内存中的数据网格可以提供专用API来读取和更新具有非常好的延迟的数据对象——通常低于1毫秒，具体取决于对象的实际大小。这允许操作系统利用内存中的数据网格来存储、访问和快速更新系统状态跟踪生成的“实时”数据，甚至同时保持健康和高效的存储工作负载。快速访问时间级别。内存数据网格采用“弹性”存储机制，这意味着您可以通过添加或删除服务器设备来增加或减少存储容量和数据吞吐量。此外，此类技术方案采用的内存数据存储方式也能带来出色的可用性性能，从而为企业带来可靠水平的持续可用性。即使某个服务器单元发生故障需要恢复——或者业务需要在集群中添加或移除一些服务器——整体运行也不会中断。也许最重要的是，内存数据网格机制可以充分利用集群的计算性能，以数据并行计算的方式处理存储的数据。由于数据和计算性能处于同一整体环境，避免了长期存在的数据移动问题，这也是内存数据网格在最小资源消耗的前提下达到高速处理效果的秘诀（通常可以在一秒钟内）。因此，内存数据网格非常适合对操作系统的状态进行快速分析和即时反馈。内存数据网格可用于为各种现实世界系统建模——包括在线购物、股票交易、库存管理和电视观看——同时向操作系统提供实时反馈。为运营智能建模操作系统操作系统通常由大量动态的实体组成，例如金融交易系统中的股票投资组合、电子商务网站中浏览的在线购物者以及观众的机顶盒控件行为等等。这些实体创建的事件流必须与丰富的离线数据（例如客户偏好或历史浏览内容）相关联，以发现使用模式和消费趋势。如果这种分析能够实时进行，反馈的结果就可以传递给操作系统，从而增强功能，提高执行效率。例如，根据市场波动触发相应的股票交易操作，为购物者提供各种相关产品推荐，整合最个性化的建议内容，提醒有线电视观众根据收视偏好和当前可用节目选择合适的产品。自己的促销包。为了实现实时分析机制，当今最常见的做法是专注于分析输入数据流并响应流内的数据。这样的例子很常见，包括使用ApacheStorm的金融服务和新闻提要中的复杂事件处理，ApacheStorm是一个最初设计用于分析Twitter数据流的并行平台。但是，仅仅关注事件处理还不足以提供一个完整的框架来对现实世界中各种实体的行为进行建模，因为除了事件流之外，历史记录和背景信息也必须纳入考虑范围。使用内存模型包含操作系统托管的各种实时世界实体，内存数据网格可以关联不同的输入事件并补充离线信息，从而真正聚合一个集合，可用于实时指导分析工作的综合背景信息。此类分析机制生成的输出然后可以直接传送回系统本身，从而为业务运营带来理想的附加值。当然，这样的结果也可以帮助相关人员更好地监控整个系统。#p#利用内存数据网格实现操作智能内存数据网格是最值得大家采用的内存处理方式，适用于各种操作系统中的活动实体以及带来的输入事件通过对这些实体的持续跟踪，补充相关历史信息，整合成一套行为聚合并行分析方案。这种内存实现机制可以充分发挥内存数据网格固有的面向对象存储模式的优势，从而高效地汇总各个功能实体产生的内存数据。由于内存数据网格既有弹性又具有高可用性，足以处理高度可变的工作负载并在任务关键型操作系统中运行。内存数据网格的并行数据计算引擎确保其能够快速分析模型中的各种状态变化，并将反馈结果立即提交给系统本身，同时持续监控所有实体的新趋势。捕获和组织。内存数据网格技术的一类典型用例是对在线购物者进行建模，以根据他们的个人喜好提供个性化产品推荐。内存数据网格的实际应用现在让我们假设一个流行的在线购物网站想要分析购物者的点击流数据，以便为用户提供更加个性化的产品推荐。在这种情况下，内存数据网格为每个购物者构建一个内存模型，该模型会根据该用户的点击流数据不断更新。利用面向对象的方法，内存数据网格将每个购物者表示为内存中的对象，包括从按时间排序的点击流事件动态收集的信息以及个人偏好甚至历史购物模式（此部分由The二级存储系统负责保存）。这种面向对象的视图可以更轻松地关联输入事件并提供基于购物活动的持续并发数据分析结论，这两者都可以实时生成并聚合到个性化定制产品推荐中，以交付给个人购物者并整理新兴基于总体购物者的消费趋势（例如修改最新产品或预测客户对购买产品的满意度）。内存数据网格机制还有一个自然的软件架构，能够跟踪有线机顶盒用户打开电视时发生的情况——包括关闭电视和切换频道的时间。这种内存模型可以将每个机顶盒作为一个独立的单元进行关联，并根据既定的规则排除不具有指导意义的事件（例如观众随意切换频道的行为），然后利用节目信息来分析结果。补充，从而了解与观众相关的各种信息（如收视历史、个人特征、节目喜好等）。这种针对每个观众的综合数据集可以根据节目或喜好汇总更科学、更人性化的推荐内容，分析过程也可以并发覆盖所有活跃观众。为了让大家进一步了解内存数据网格的强大能力，我们不妨理解这样一个例子：在最近对1000万台有线电视机顶盒的仿真分析中，我们发现内部处理模式（要处理的数据问题约80GB，包括信息副本）每秒可以关联和补充约25,000个事件，而这个由AmazonEC2托管的12台商业服务器组成的集群可以每十秒处理所有1000万个事件的机顶盒并发分析。结束语操作系统引入实时智能机制，无疑对计算引擎提出了新的挑战。这样的引擎必须能够处理大规模输入事件，关联和补充数据，并快速进行分析。得出的反馈结论必须在时限内提交，以确保分析结果能够真正带来业务收益——具体时间通常在毫秒甚至秒之间。作为一套专门为操作系统设计和实现的基于内存的灵活存储和数据并发计算解决方案，内存数据网格带来的高效平台能够有效实现智能化运营的发展目标。它足够强大，可以管理一整套真实世界系统的内存模型，跟踪发生的变化，并为模型的实时分析提供必要的任务简化和处理性能资源。运营智能化的实际效益现在开始显现，相信未来会出现规模大到难以想象的可观商机。英文：http://www.infoworld.com/article/2846422/application-development/in-memory-computing-real-time-intelligence.html
