一、GemFire是什么？
如果你了解Redis或memCached，那么恭喜，你很快就能理解GemFire是什么，沒錯，你可以把它理解為一個增強版的Redis，具體在哪些方面增強，我們日后慢慢聊。如果你不了解Redis，也沒有關系，先看官方網站上的說法：Pivotal GemFire is the distributed, in-memory database for developers who are building the highest scaling and performing data-centric apps in the world. 但是，按照我對它的理解，我更願意用下面的語言來描述它，GemFire是一個高性能的分布式內存對象緩存系統，如果非要說它是數據庫，那也只能算是一個Key/Value數據庫(我更願意稱之為Key/Value存儲系統)
我們通過把對象或數據緩存在內存中，減少對傳統關系型數據庫的讀寫次數(減少IO瓶頸)，從而使我們的應用支持更多的TPS，更多的並發用戶數。GemFire能夠在部分場景下對關系型數據庫起到很好的補充(甚至替代)作用，它可以作為應用層與傳統數據層的“潤滑劑”。
二、關於GemFire的前世今生？
GemFire的第一個版本發布於2002年3月份，當時它還屬於一家獨立的公司GemStone Systems.后來GemStone System這家公司被VMware給收購了，GemFire也被整合到了VMware Vfabric產品線。請注意，VMWare當時也收購了Redis項目。在2013年4月EMC與VMware/GE合資成立一家新公司Pivotal，VMware慷慨的貢獻出了它的vfabric產品線，以及它收購的一些開源項目。
目前，GemFire的商業版權已經屬於Pivotal了。順便說一句，Redis的創始人Salvatore Sanfilippo 現在也供職於Pivotal.
三、GemFire有什么特點？
1.分布式數據存儲
• 穩定而高性能的的基於內存的數據數據存儲
• 靈活的Cache部署策略：點對點（peer to peer）；客戶端／服務端（client server）；多集群（multiple clusters）的本地或遠程數據同步，支持數據高性能災備和雙活
• 靈活的Region（數據對象集或者可理解為表）分布式處理：同一集合數據（可理解為一個表的數據）可以整集多點同步或切割后不同點保存，並支持數據實時再平衡（rebalance）既數據分隔保存后若加入新的空閑服務器，數據可以在不重啟服務的情況下重新切割和平衡數據，從而達到真正的數據在線動態延展
• 具有持續性的數據高可用性和容錯性：各個分散的數據點可以配置一個或多個基於內存的熱備數據點，當主數據點宕機的情況下，其中一個熱備點就會提升稱為主數據點，同時可以繼續在空閑機器上創建備份點，從而達到數據的持續的可用性。同時數據可以通過配置同步或異步地持續化到本地硬盤，或者到指定的數據庫或文件中。
• 數據地客戶端緩存：客戶端可以將最常用數據緩存一個備份與本地，進一步加快效能
• 在線數據備份
• 數據全內存和部分內存策略：通過配置可以將數據全部存入內存，或者通過將非頻繁使用數據擠出策略（LRU）來將部分頻繁適用數據保存於內存中達到成本效益最大化
• 內置資源優化器用以降低JAVA GC所帶來的延遲，支持單個大容量Cache點（一般服務器可配置超過40GB內存的Java heap size）
• 安全支持：基於用戶和角色的數據訪問，數據傳輸渠道加密（SSL）
• 數據存取
• 除key－value簡單cache支持外，支持復雜數據對象和關系存儲
• 豐富的OQL（類SQL）的查詢語言支持
• 支持數據單記錄或批處理
• 本地或分布式事務處理
• Map－Reduce並行查詢：同一查詢命令可並行發送到各Cache點（Map），結果集自動在客戶端匯合（Reduce）
• 智能定點查詢：查詢命令在包含數據特征如主鍵值時，查詢命令會自動命中數據點
2.服務和事件
• Function支持： Function相當於一個數據庫存儲過程，區別在於其可動態植入Cache點。
• 親密關系數據同業務邏輯聚合：親密關系數據指需要相互直接依賴完成一個交易的多個數據，例如客戶A和屬於客戶A的產品數據。GemFire可以將業務邏輯涉及到親密關系數據放到同一個計算機進程來處理，避免數據網絡傳輸和數據序列化等帶來的延遲，並極大體現Share Nothing的涉及理念，因為互相不依賴從而加大服務的涉及延展性
• 最大化的並行處理：數據各子集合和業務邏輯可分散在各點並行處理，而不需要想數據庫等產皮按順序處理
• 事件監聽處理：Cache點可以根據數據的增、刪、改和過期等事件來觸發另外的業務邏輯處理。
• 類消息隊列處理：客戶端可以注冊其感興趣數據在Cache點，當滿足條件數據出現時，自動向客戶端發布。可實現類似於消息隊列的Queue 或 Topic機制。
• 持續查詢功能：客戶端可以定制復雜查詢條件在Cache點，同樣在滿足條件的數據出現時向客戶端發送。
• Delta數據傳輸：所有數據的網絡同步可以選擇只將變化碎片傳輸同步，例如當一個客戶只有地址數據發生改變時，就只需要將地址同步而非整個客戶數據對象。
• 穩定而高性能的的基於內存的數據數據存儲
• 靈活的Cache部署策略：點對點（peer to peer）；客戶端／服務端（client server）；多集群（multiple clusters）的本地或遠程數據同步，支持數據高性能災備和雙活
• 靈活的Region（數據對象集或者可理解為表）分布式處理：同一集合數據（可理解為一個表的數據）可以整集多點同步或切割后不同點保存，並支持數據實時再平衡（rebalance）既數據分隔保存后若加入新的空閑服務器，數據可以在不重啟服務的情況下重新切割和平衡數據，從而達到真正的數據在線動態延展
• 具有持續性的數據高可用性和容錯性：各個分散的數據點可以配置一個或多個基於內存的熱備數據點，當主數據點宕機的情況下，其中一個熱備點就會提升稱為主數據點，同時可以繼續在空閑機器上創建備份點，從而達到數據的持續的可用性。同時數據可以通過配置同步或異步地持續化到本地硬盤，或者到指定的數據庫或文件中。
• 數據地客戶端緩存：客戶端可以將最常用數據緩存一個備份與本地，進一步加快效能
• 在線數據備份
• 數據全內存和部分內存策略：通過配置可以將數據全部存入內存，或者通過將非頻繁使用數據擠出策略（LRU）來將部分頻繁適用數據保存於內存中達到成本效益最大化
• 內置資源優化器用以降低JAVA GC所帶來的延遲，支持單個大容量Cache點（一般服務器可配置超過40GB內存的Java heap size）
• 安全支持：基於用戶和角色的數據訪問，數據傳輸渠道加密（SSL）
• 數據存取
• 除key－value簡單cache支持外，支持復雜數據對象和關系存儲
• 豐富的OQL（類SQL）的查詢語言支持
• 支持數據單記錄或批處理
• 本地或分布式事務處理
• Map－Reduce並行查詢：同一查詢命令可並行發送到各Cache點（Map），結果集自動在客戶端匯合（Reduce）
• 智能定點查詢：查詢命令在包含數據特征如主鍵值時，查詢命令會自動命中數據點
2.服務和事件
• Function支持： Function相當於一個數據庫存儲過程，區別在於其可動態植入Cache點。
• 親密關系數據同業務邏輯聚合：親密關系數據指需要相互直接依賴完成一個交易的多個數據，例如客戶A和屬於客戶A的產品數據。GemFire可以將業務邏輯涉及到親密關系數據放到同一個計算機進程來處理，避免數據網絡傳輸和數據序列化等帶來的延遲，並極大體現Share Nothing的涉及理念，因為互相不依賴從而加大服務的涉及延展性
• 最大化的並行處理：數據各子集合和業務邏輯可分散在各點並行處理，而不需要想數據庫等產皮按順序處理
• 事件監聽處理：Cache點可以根據數據的增、刪、改和過期等事件來觸發另外的業務邏輯處理。
• 類消息隊列處理：客戶端可以注冊其感興趣數據在Cache點，當滿足條件數據出現時，自動向客戶端發布。可實現類似於消息隊列的Queue 或 Topic機制。
• 持續查詢功能：客戶端可以定制復雜查詢條件在Cache點，同樣在滿足條件的數據出現時向客戶端發送。
• Delta數據傳輸：所有數據的網絡同步可以選擇只將變化碎片傳輸同步，例如當一個客戶只有地址數據發生改變時，就只需要將地址同步而非整個客戶數據對象。
3.整合與管理：
• Cache的監控和數據分析工具，便於管理
• Springdata－GemFire項目，使得GemFire和Spring的集成渾然一體
• Cache的監控和數據分析工具，便於管理
• Springdata－GemFire項目，使得GemFire和Spring的集成渾然一體
最后，想問一句，今年你買到回家的火車票了嗎？如果你用過12306的網站，那么GemFire已經為你服務過了，雖然只是余票查詢。在接下來的10個月里，我會用每兩周一篇文章的頻率來介紹GemFire.