#voltdb

[webinarseries-blog]

In a high volume streaming data environment that’s required to handle millions of events, in real-time, a primary goal is to make sure the data infrastructure can not only manage this massive streaming data, but ensure the solution is scalable and easily repeatable. Developers are looking into implementing microservice infrastructures, or basically complex applications made up of small, independent processes communicating with each other using language-agnostic APIs, with each service focused on one specific task

[datanewoil]

Summary: Driven by the need for speed in IoT and Stream Processing the future is arriving a little ahead of schedule.

Great article, with new ideas and architecture organization. Some examples of interesting topics:

Social media streams have become increasingly relevant in managing customer relationships and are generating volumes of time-driven streaming data.  And finally, general commerce but especially ecommerce has begun to recognize the need for real-time response with advance analytics in the range of well under one second. 

...

All of these data streams have driven the adoption of stream processing and in-stream analytics, and guess what; Stream Processing relies on in-memory speed. 

And the most important idea is a vision. A desruptive future, FREE OF ETL JOBS:

A single DB based on SSD or SDRAM that would hold (pretty much) all the data all the time and be able to perform transactional and analytic tasks simultaneously.  Yes, this eliminates separate transactional and analytic data stores.

[nosql]

The 7 rules for defining indexes listed by Paul Martel are not specific to VoltDB only. If you haven’t seen them before, reading the rationale behind them will help you remember them.

Original title and link: 7 rules for index optimization in VoltDB (NoSQL database©myNoSQL)

[smileplesease-blog]

Представлена новейшая открытая система управления базами данных — VoltDB, ориентированная на обработку транзакций в реальном времени (OLTP). Проектирование и создание VoltDB велась под руководством Майкла Стоунбрейкера, одного из основателей проектов Ingres и PostgreSQL. VoltDB опережает по производительности традиционные OLTP СУБД в односерверной конфигурации в 45 раз, поддерживает выполнение запросов на языке SQL и гарантирует транзакционную целостность данных (ACID, атомарность и изолированность транзакций). Суть архитектуры VoltDB в комбинации хранения всех данных в памяти с концепцией распределённой организации и разбиения БД по разделам (партицирование). Для сохранения данных на диск используется концепция снапшотов, отражающих срез данных, актуальных на момент создания снапшота. Работа с данными осуществляется через хранимые процедуры на языке Java, копии которых прикрепляются к каждому из разделов (ODBC/JDBC и прямое выполнение SQL-операторов для всей базы не поддерживается). При выполнении запроса, затрагивающего несколько разделов, в каждом из нужных разделов вызывается хранимая процедура, а затем результаты агрегируются. СУБД распространяется в двух вариантах: коммерческом, с обеспечением полноценной поддержки, и свободном "Community Edition". Исходные тексты доступны по лицензии GPL. Основные элементы архитектуры: - Все данные постоянно держатся в оперативной памяти, что обеспечивает максимальную пропускную способность и исключает необходимость буферизации. - VoltDB распределяет данные и их SQL-обработчики по узлам, каждый из который привязан к своему процессорному ядру. - Каждый однопоточный раздел работает в автономном режиме, что исключает необходимость блокировок и фиксации операций. - Данные автоматически реплицируются вну3 кластера, что позволяет добиться высокой доступности и исключает необходимость ведения журнала. - Производительность VoltDB увеличивается почти линейно при добавлении дополнительных серверов в кластер. Результаты измерения производительности: - VoltDB обработала 53 тысячи транзакций в секунду на одном сервере, в то время как другие СУБД на том же оборудовании могли выполнить только 1155 транзакций. При увеличении числа серверов до 12, кластер позволил выполнить 560 тысяч транзакций в секунду. - Тестирование работы онлайн-игры на 12-узловом кластере продемонстрировало производительность в 1,3 миллиона транзакций в секунду.

[nosql]

Ryan Betts, the CTO of VoltDB addressing an article by MongoDB’s CEO Max Schireson that seems to have stroken a chord:

Recently Max Schireson, CEO of MongoDB, shared his thoughts on relational databases. His statements deserve a direct and frank opposing response. Let’s walk through the myths that Mr. Schireson promoted.

Compared with PostgreSQL’s Robert Haas post “Why the clock is ticking for MongoDB“, this one makes some debatable arguments — e.g. “All popular SQL systems support document types”: aside for SOA committees and MarkLogic, I’ve never heard someone enjoying XML. They aren’t innaccurate, but they’re paiting VoltDB’s space in a too bright color palette.

Original title and link: 5 Myths about NoSQL vs Relational Databases (NoSQL database©myNoSQL)

[nosql]

WSJ:

VoltDB has raised $8 million from Sigma Ventures, Kepha Partners and three other “strategic investors”, bringing total venture capital investment to $18.7 million, said its CEO, Bruce Reading. Sigma and Kepha participated in an earlier round, in 2012, through which it raised $5.7 million.

I assume some will say it’s a small round. I’ll say congrats to the VoltDB team.

Original title and link: VoltDB raises $8M in Series B (NoSQL database©myNoSQL)

[nosql]

A team from MIT CSAIL set up to benchmark a graph database and 3 relational databases with different models: row-based (MySQL), in-memory (VoltDB), and column-based (Vertica) . The results are interesting, to say the least:

We can see that relational databases outperform Neo4j on PageRank by up to two orders of magnitude. This is because PageRank involves full scanning and joining of the nodes and edges table, something that relational databases are very good at doing. Finding Shortest Paths involves starting from a source node and successively exploring its outgoing edges, a very different access pattern from PageRank. Still, we see from Figure 1(b) that relational databases match or outperform Neo4j in most cases. In fact, Vertica is more than twice faster than Neo4j. The only exception is VoltDB over Twitter dataset.

Being beaten at your own game is not a good thing. I hope this is just a fluke in the benchmark (misconfiguration) or a result particular to those data sets.

Original title and link: Benchmarking graph databases... with unexpected results (NoSQL database©myNoSQL)

[nosql]

Andrew Brust for ZDNet:

In the software world, many people believe that products reach true maturity and value in their third version. A first release is about bringing an idea to market, and second releases act to stabilize the first. But it’s “v3” that really incorporates refinements that reflect user feedback and market lessons learned. It seems to me that “NewSQL” database player VoltDB is following that pattern with its own 3.0 release.

There’re no such things as a proverbial version 3.0, nor a pattern about the meaning of version 3. Anyways, congrats to the VoltDB guys!

If you want to know what’s in VoltDB 3.0, ignore the linked post and go read Introducing VoltDB 3.0 on VoltDB blog. Short version: more performance, improved SQL support, support for JSON-encoded data and defining indexes for JSON columns.

Original title and link: VoltDB Hits Proverbial Version 3.0 (NoSQL database©myNoSQL)