Zaris führt indizierte, SQL-artige Suchen über die Daten aus, die es bereits im Speicher hält — exakte Treffer, Bereiche, Filter, Präfix und geordnetes Top-N. Eine Million Datensätze in Millisekunden durchsucht, schneller als eine warme, vollständig indizierte, festplattenbasierte Datenbank auf einem einzelnen Node — und es skaliert mit jedem Node, den Sie hinzufügen.
Ein Punkt-Lookup oder ein geordnetes Top-N über eine Million Datensätze liefert in unter 0,2 ms — rund 140.000 Suchen pro Sekunde auf einem einzelnen Acht-Core-Node. Bedient aus In-Memory-Indizes, ohne Festplatte im Abfragepfad.
Ein kombinierter Filter mit Zehntausenden Treffern liefert in ~20 ms; ein Bereichsscan mit zweihunderttausend Treffern in ~50 ms — jede Abfrage schneller als dieselbe Suche auf einer warmen, vollständig indizierten, festplattenbasierten Datenbank.
Schreibvorgänge sind durchsuchbar, sobald sie akzeptiert wurden. Es gibt keinen Export-Job, kein nächtliches Neuindizieren und kein zweites Suchsystem, das Sie mit Ihren Daten synchron halten müssten.
Jeder Node besitzt die Hälfte der Daten und durchsucht seine Hälfte parallel, sodass eine gefilterte Suche über eine Million Datensätze von ~50 ms auf ~30 ms sinkt und ihr Durchsatz sich mehr als verdoppelt — besser als linear — durch eine zusätzliche Maschine.
Fügen Sie einen Node hinzu, und der Cluster verteilt sich automatisch, um ihn zu nutzen. Clients übernehmen das neue Layout und arbeiten weiter — kein manuelles Resharding und keine Unterbrechung des Betriebs.
Ein einzelner festplattenbasierter Datenbank-Node ist ungefähr so schnell, wie er je sein wird. Zwei Zaris-Nodes schlagen ihn bei jeder Abfrage — Latenz und Durchsatz —, und die Kurve steigt weiter, wenn Sie Maschinen hinzufügen.
Beschreiben Sie, was Sie wollen — diese Entität, dieses Feld gleich jenem, dieser Bereich, Sortierung, die obersten N — mit SearchQuery.For(...).Eq(...).Range(...).OrderBy(...).Limit(...), und lesen Sie Keys oder ganze Datensätze zurück.
Speichern Sie Datensätze mit indizierten Labels, und Zaris baut automatisch Gleichheits-, Bereichs- und Präfix-Indizes pro Node auf — exakte Treffer, Bereiche, kombinierte Filter, Präfix und geordnetes Top-N, alles aus dem Index bedient.
Suchen laufen direkt über In-Memory-Indizes, nicht über einen Full Scan — und es gibt keine separate Suchmaschine, die Sie neben Ihrem Store bereitstellen, befüllen und betreiben müssten.
Die Daten, die Sie cachen, sind die Daten, die Sie durchsuchen — ein Store, ein Connection String, partitioniert und für die Verfügbarkeit repliziert. Kein Cache plus Suchindex, den Sie verdrahten und konsistent halten müssten.
Betreiben Sie den Store eingebettet in Ihrer App für lokale Entwicklung und Tests, und richten Sie denselben Client-Code dann auf einen echten Remote-Cluster — der Wechsel ist eine Konfigurationsänderung, kein Neuschreiben.
Jede Zahl hier wurde live auf echter Cloud-Hardware gemessen und ist mit der Open-Source-Benchmark-Suite reproduzierbar — der einzige Vergleich, der wirklich zählt, ist der auf Ihren Daten.
Die Daten, die Sie cachen, sind die Daten, die Sie durchsuchen — im Speicher, immer aktuell und mit Ihrem Cluster skalierend.