Гессиан против тибко рв
Я хочу сравнить Tibco rv и Hessian с точки зрения производительности - для приложения Java.
Любой указатель, чтобы начать меня ценится. Благодарю.
2 ответа
Зависит от того, что вы подразумеваете под "производительностью".
У меня был большой опыт работы с Tibco, но нет гессиана, так что я могу только комментировать сторону RV.
RV обеспечивает очень эффективное (и я имею в виду ОЧЕНЬ эффективное) использование ресурсов сети и сервера, широко использует широковещательную передачу TCP/IP, чтобы избежать отправки одного и того же сообщения n клиентам. Кроме того, сообщения отправляются не напрямую клиентам, а в конечную точку на компьютере, которая затем пересылает сообщение всем клиентам, вошедшим в систему на компьютере.
Кроме того, базовому продукту уже несколько лет, и он был разработан для работы на том, что считалось довольно скромным программным обеспечением примерно в 1995 году (память с одним процессором 200 МГц, 256 МБ памяти, SparcStation была бы типичной для серверной части!), Поэтому на современном оборудовании он может обрабатывать огромные объемы. сообщений, сидя в двух направлениях внизу "верхнего" списка.
Есть несколько недостатков (по сравнению, скажем, с Webshpere MQ); поддержка транзакций ограничена и не соответствует стандартам MQ или баз данных, плюс нет встроенной гарантированной доставки или обработки "мертвых писем", хотя это довольно легко кодировать в приложении.
Места, на которые я пошел бы, были бы:
Сначала изучите основную структуру службы обмена сообщениями.
TIBCO Rendezvous выглядит так, как будто он построен прямо поверх TCP/IP и имеет широкую межплатформенную поддержку.
Hessian Messaging - это слой кода поверх стандартного RPC. Это делает его проще и проще в обслуживании, но также означает, что он полностью зависит от реализации RPC.
Другой подход - сравнить, сколько людей им пользуются и насколько хорошо они протестированы.
Наконец, было бы полезно проверить, предоставляют ли TIBCO и Hessian демо-версии, которые вы можете на самом деле подвергнуть стресс-тестированию в своей среде, чтобы получить лучшее представление о производительности любого из них в ваших уникальных условиях.