La version 2.4 de Grid Gain Professional Edition est immédiatement disponible et repose sur apache Ignite 2.4. Cette version intègre des fonctions de Machine Learning et un réseau neuronal multicouche permettant aux entreprises d’exécuter des algorithmes d’apprentissage automatique sur l’ensemble de leurs données opérationnelles (jusqu’au pétaoctet en temps réel). Elles peuvent ainsi créer et mettre à jour modèles et applications. Le traitement des données directement dans le cluster GridGain permet un flux d’apprentissage continu sans nécessiter le déplacement des données transactionnelles dans une base de données séparée. GridGain Professional Edition 2.4 propose donc un apprentissage des modèles en temps réel, à un coût nettement inférieur aux approches traditionnelles. 

Une compatibilité étendue des Spark Data frames

Par cette intégration, la plate-forme de GrigGain peut désormais être utilisée pour stocker et gérer des DataFrames Spark. Elle continue d’inclure l’API RDD (Resilient Distributed Datasets) pour accéder aux données dans GridGain en tant que RDD Spark modifiables, ainsi que le système IGFS (Ignite File System) pour utiliser GridGain comme outil d’implémentation in-memory du système de fichiers distribués Hadoop (HDFS). Spark peut être utilisé pour traiter des données dans GridGain en tant que DataFrames ou RDD mais également les enregistrer pour une utilisation ultérieure. Ces fonctionnalités permettent à GridGain d’être utilisé comme un système de stockage in-memory par les développeurs Spark pour sauvegarder, partager et accéder à des informations entre eux. Les développeurs Spark peuvent également utiliser le module Continuous Learning Framework de GridGain pour automatiser les décisions et constamment mettre à jour les modèles afin d’améliorer les résultats en temps réel.