Door de explosieve groei van internetgebruik zijn de performance-eisen voor webapplicaties tegenwoordig heel wat anders dan 5 of 10 jaar geleden. Neem bijvoorbeeld Facebook met ruim 750 miljoen actieve gebruikers per dag of Twitter dat zo’n 300.000 requests per seconde moet zien af te handelen. Het verwerken van zo’n belasting wordt ook wel het C10k probleem genoemd: de (inmiddels alweer verouderde) uitdaging van het tegelijkertijd afhandelen van 10.000 connecties of zelfs een veelvoud daarvan. Traditionele applicatie servers werken met een thread-gebaseerde aanpak, waarbij elke connectie exclusief door één OS thread wordt afgehandeld. Dat schaalt echter niet voldoende om tienduizenden connecties tegelijk aan te kunnen. Het reactieve applicatieplatform Vert.x pakt dat heel anders aan. In dit artikel lees je hoe en delen we onze praktijkervaringen met Vert.x.

In de IT krijgen we steeds vaker te maken met Big Data software oplossingen met alle uitdagingen die daarbij komen kijken. Zowel Oracle, IBM en VMware hebben producten die vaak kostbaar zijn en veelal niche markten targetten. Er zijn echter ook soortgelijke producten van andere partijen uit de open source wereld, waaronder Hazelcast.

Complexiteitstheorie kan helpen bij het analyseren en voorspellen van de snelheid van een applicatie. Het voorgaande artikel in het afgelopen Java Magazine introduceerde complexiteitstheorie voor een enkele core. Tegenwoordig hebben CPU's echter meerdere cores. En het draaien van software op verschillende computers tegelijk (gedistribueerd programmeren) is ook steeds gebruikelijker. De complexiteit van een algoritme zegt niks over hoeveel cores of servers tegelijkertijd gebruikt kunnen worden. In dit artikel worden enkele theoretische modellen beschreven die wat inzicht geven in de snelheid op meerdere cores. Voor Java 8 is dit een speerpunt. De voorbeelden in dit artikel maken dan ook gebruik van sommige van de nieuwe features in Java 8.