PASSAR SOM HANDEN I HANDSKEN
SKALBARHET MED LOBSTER_DATA.
Skalbarhet i samband med Lobster_data avser programvarans förmåga att hantera även snabbt växande datamängder och alltmer komplexa processer utan att göra avkall på prestanda. I den mycket snabbrörliga digitala industrin och i en mycket dynamisk, ekonomisk miljö är detta en särskilt viktig punkt.
KUNDER SOM ÄR BEROENDE AV LOBSTER.
SKALBART RAMVERK.
Med Lobster kan du planera din investering med hänsyn till verksamhetsutvecklingen eftersom underhållsavtalet för Lobster_data är skalbart till en annan version när som helst och alltid täcker uppgraderingar och uppdateringar. På så sätt kan du redan från början vara säker på att din investering i programvaran förblir kontrollerbar och anpassningsbar till all utveckling.
Installation på kundens egen infrastruktur, hosting i ert privata moln eller Lobster Cloud, outsourcing till andra leverantörer? Allt är möjligt. Även när det gäller att skapa gränssnitt.
Vårt erbjudande sträcker sig från gör-det-själv, Lobster Mapping-Services och medföljande rådgivning till driftsättning av det kompletta Managed Services-paketet till Lobster. Migration och byte mellan leverans- och tjänstemodeller är också möjligt när som helst.
Tack vare att Java är plattformsoberoende kan Lobster_data för övrigt köras på alla system där det finns ett Java Development Kit (JDK) tillgängligt.
SKALNINGSSTRATEGI.
Lobster_datas skalbarhet uppnås genom en kombination av arkitektonisk design, hårdvaruimplementering och mjukvaruoptimering. Programvaran använder en modulär arkitektur som gör att nya komponenter och tjänster kan läggas till efter behov. På så sätt säkerställs att systemet kan hantera växande datavolymer och användarkrav utan avbrott.
Med vertikal skalning menas att man ökar kapaciteten hos ett system genom att lägga till nya komponenter. Målet är att säkerställa ett konstant systembeteende över stora områden så att det knappt uppstår några fördröjningar även under hög belastning och att förfrågningar kan behandlas snabbt. Infrastrukturtillägg i Lobster_data som CPU, minne till servern som är host ökar därmed både systemets prestanda och bearbetningsomfång.
Lobster_datas PLO-modul för optimering av processbelastning har utvecklats just för detta ändamål och optimerar bearbetningen vid mycket höga processvolymer. Modulen ger en betydande prestandaökning när Lobster Integration Server körs nativt eller virtuellt på en server med flera processorkärnor och Lobster_data-Queues inte kan bearbetas fullständigt under en längre tidsperiod under belastningstoppar. För att uppnå denna prestandaökning har ytterligare intelligenta algoritmer för prediktiv thread pooling utvecklats, kontinuerligt förbättrats genom omfattande tester och kombinerats i PLO-modulen.
Lobsters XML V4-parser ger betydande prestandaökningar med mycket låg minnesförbrukning och minskar körtiden med en faktor 10 för indatafiler upp till 100 MB. Även extremt stora XML-indata upp till maximalt 250 GB kan analyseras utan problem.
Asynchronous Send Module (ASM) för Lobster_data används för att överföra ett valfritt antal filer till en kommunikationspartner i en session. ASM samlar in filerna och sänder dem vid en fördefinierad tidpunkt. Alternativt kan dessa filer packas i arkivbehållare (ZIP, TAR, etc.) i förväg och det maximala antalet filer som ska överföras per session kan definieras.
Termen horisontell skalning står för att öka prestandan hos ett system genom att lägga till nya system så att de enskilda komponenterna fungerar tillsammans som ett logiskt system.
Belastningsfördelning över flera arbetsnoder som styrs av en central nodkontrollant gör att processer kan hanteras linjärt i Lobster_data. Ju fler arbetsnoder som läggs till, desto fler processer kan bearbetas parallellt. Fördelningen sker antingen i en round-robin-process eller via belastningsfaktorer.
Ett Lobster_data-system börjar med minst två noder som en aktiv-aktiv hot-standby-konfiguration och ökar automatiskt tillgängligheten. Med varje ytterligare arbetsnod på en separat infrastruktur ökar tillgängligheten i riktning mot hög tillgänglighet (HA).