摘要：近日，在上撰文，为大家介绍了新一代数据库缓存系统，由工程师编译。还提供了一种叫做的数据库异步更新模式。此外，可选地将数据同步到缓存层同样是一大优势。最后，可以支持任何底层数据库存储同样让成为数据库缓存的首先。
【编者按】飞速增长的数据需要大量存储，对这些数据的管理也不是一件容易的事。但相比于存储和管理，如何处理数据才是开发人员真正的挑战。对于TB级别数据的存储和处理通常会让开发人员陷入速度、可扩展性和开销的矛盾困境中。近日，Dmitriy Setrakyan 在 Dzone 上撰文，为大家介绍了新一代数据库缓存系统 Apache Ignite，由 OneAPM 工程师编译。
以下为译文
将数据存储在缓存中能够显著地提高应用的速度，因为缓存能够降低数据在应用和数据库中的传输频率。Apache Ignite 允许用户将常用的热数据储存在内存中，它支持分片和复制两种方式，让开发者可以均匀地将数据分布式到整个集群的主机上。同时，Ignite 还支撑任何底层存储平台，不管是 RDBMS、NoSQL，又或是 HDFS。
在集群配置好之后，数据集增加只需在 Ignite 集群中增加节点而不需要重启整个集群。节点数目可以无限增加，所以 Ignite 的扩展性是无穷的。在 Ignite 的配置上有下面这几个选项可供选择：
Write-Through 和 Read-Through
在 Write-Through 模式中，缓存中的数据更新会被同步更新到数据库中。 Read-Through 则是指请求的数据在缓存中不可用时，会自动从数据库中拉取。
Write-Behind Caching
Ignite 还提供了一种叫做 Write-Behind Caching 的数据库异步更新模式。默认情况下， Write-Through 中每一次更新都会对数据库发起一次请求。如果使用 Write-Behind Caching 后写，对缓存的更新会整合成批次然后再发送给数据库。这对改删频繁的应用来说可以达到相当的性能提升。
自动化持久数据
Ignite 提供了易用的 schema 映射工具，从而系统可以自动地与数据库整合。这一工具可以自动地连接数据库，并生成所有需要的 XML OR-mapping 配置以及 Java 域模型 POJOs。
SQL 查询
查询 Ignite 缓存很简单，使用的就是标准的 SQL。Ignite 支持所有的 SQL 函数、聚合和 group 操作，甚至支持分布式 SQL JOINs。下面 Ignite 中一个 SQL 查询示例：
