多层存储
Ignite在内存和磁盘之间向上扩展和向外扩展。默认情况下，Ignite以纯内存模式运行。但是，通过切换单个配置设置，您可以将集群转变为可以扩展到群集的内存容量：
<bean class=“org.apache.ignite.conformation.IgniteConfiguration”><property name=“dataStorageConfiguration”><bean class=“org.apache.ignite.conformation.DataStorageConfiguration”><property name=“defaultDataRegionConfiguration”><bean class=“org.apache.ignite.conformation.DataRegionConfiguration”><property name=“persistenceEnabled”value=“true”/></bean></属性></bean></属性></bean>
点火配置cfg=新的点火配置（）；DataStorageConfiguration storageCfg=新的DataStorageConfiguration（）；//启用点燃持久性storageCfg.getDefaultDataRegionConfiguration（）.setPersistenceEnabled（true）；//使用新的存储配置cfg.setDataStorageConfiguration（storageCfg）；
var cfg=新点火配置{DataStorageConfiguration=新DataStorageConfiguration{DefaultDataRegionConfiguration=新DataRegionConfiguration{名称=“Default_Region”，PersistenceEnabled=true}}};
分布式SQL
通过利用JDBC驱动程序、ODBC驱动程序或可用于Java、C#、C++、Python和其他编程语言的本机SQL API，将Ignite用作传统SQL数据库。无缝连接、分组、聚合和订购分布式内存和磁盘数据：
选择country.name、city.name、MAX（city.population）作为MAX_popFROM country JOIN city ON city.countrycode=国家代码WHERE country.code IN（'USA'，'BRA'，'ESP'，'JPN'）按国家名称、城市名称分组按max_pop DESC LIMIT 3订购；
ACID事务
Ignite可以以强一致的模式运行，为分布式ACID事务提供全面支持。跨多个群集节点、缓存、表和分区进行事务处理：
IgniteTransactions事务=ignite.transactions（）；try（事务tx=transactions.txStart（））{整数hello=cache.get（“hello”）；if（hello==1）cache.put（“你好”，11）；cache.put（“世界”，22）；tx.承诺（）；}
var交易=点火。GetTransactions（）；使用（var tx=事务.TxStart（））{int hello=缓存。Get（“你好”）；if（hello==1）{隐藏物。Put（“你好”，11）；}隐藏物。Put（“世界”，22）；tx.提交（）；}
Java、Scala、Kotlin、C#、C中的计算API++
对于传统数据库，对于就地计算，可以使用用PL/SQL等语言编写的存储过程。使用Ignite，您可以使用现代JVM语言、C#或C++跨您的分布式数据库：
//仅向服务器节点广播任务。IgniteCompute compute=ignite.compute（ignite.cluster（）.forServers（））；//每个远程服务器节点将执行以下任务/lambda的逻辑。compute.broadcast（（）->System.out.println(“Hello Node:”+ignite.cluster（）.localNode（）.id（）））；
//仅向服务器节点广播任务。var计算=点火。GetCluster（）。对于服务器（）。获取计算（）；//每个远程服务器节点都将执行自定义PrintNodeIdAction任务。计算。广播（new PrintNodeIdAction（））；
内置机器学习
Ignite机器学习使用内置算法和工具，以及TensorFlow集成，以建立可扩展的机器学习模型并避免昂贵的数据传输。培训、部署、评估和更新您的ML和DL模型持续不断地扩展：
//创建培训师KNNClassificationTrainer-trainer=新KNNClassificationTrainer（）.withK（3）.withIdxType（空间索引类型.BALL_TREE）.with DistanceMeasure（新的欧几里德距离（））.带权重（true）；//训练模型KNNClassificationModel knnMdl=训练器.fit（点火、数据缓存、矢量器）；//做出预测双重预测=knnMdl.预测（观察）；
连续查询
使用关系数据库，可以使用触发器对某些事件作出反应。使用Ignite，可以部署用现代编程语言（如Java或C#）编写的连续查询，并在数据库和应用程序端：
ContinuousQuery qry=new ContinuousQuery（）；//将在应用程序端触发的回调。qry.setLocalListener（新的MyLocalListeter（））；//将在服务器端执行的回调。qry.setRemoteFilterFactory（新的MyRemoteFictory（））；//在集群中部署查询。cache.query（查询）；
var缓存=点火。GetOrCreateCache（“myCache”）；var查询=new ContinuousQuery(new MyLocalListener（），//将在应用程序端触发。new MyRemoteFilter（））；//将在服务器端执行。//在集群中部署查询。var句柄=缓存。QueryContinuous（查询）；
