Universal-Image-Loader源码分析,及常用的缓存策略

简介: <p>讲到图片请求,主要涉及到网络请求,内存缓存,硬盘缓存等原理和4大引用的问题,概括起来主要有以下几个内容:</p> <p></p> <p style="border-width:0px; padding-top:0px; padding-bottom:0px; margin-top:0px; margin-bottom:8px; list-style:none; text-inde

讲到图片请求,主要涉及到网络请求,内存缓存,硬盘缓存等原理和4大引用的问题,概括起来主要有以下几个内容:

原理示意图

    主体有三个,分别是UI,缓存模块和数据源(网络)。它们之间的关系如下:

① UI:请求数据,使用唯一的Key值索引Memory Cache中的Bitmap。

 内存缓存:缓存搜索,如果能找到Key值对应的Bitmap,则返回数据。否则执行第三步。

 硬盘存储:使用唯一Key值对应的文件名,检索SDCard上的文件。

 如果有对应文件,使用BitmapFactory.decode*方法,解码Bitmap并返回数据,同时将数据写入缓存。如果没有对应文件,执行第五步。

 下载图片:启动异步线程,从数据源下载数据(Web)。

⑥ 若下载成功,将数据同时写入硬盘和缓存,并将Bitmap显示在UI中。

UIL中的内存缓存策略

1. 只使用的是强引用缓存 

LruMemoryCache(这个类就是这个开源框架默认的内存缓存类,缓存的是bitmap的强引用,下面我会从源码上面分析这个类)

 2.使用强引用和弱引用相结合的缓存有

 UsingFreqLimitedMemoryCache(如果缓存的图片总量超过限定值,先删除使用频率最小的bitmap)

LRULimitedMemoryCache(这个也是使用的lru算法,和LruMemoryCache不同的是,他缓存的是bitmap的弱引用) FIFOLimitedMemoryCache(先进先出的缓存策略,当超过设定值,先删除最先加入缓存的bitmap) LargestLimitedMemoryCache(当超过缓存限定值,先删除最大的bitmap对象) LimitedAgeMemoryCache(当 bitmap加入缓存中的时间超过我们设定的值,将其删除)

 3.只使用弱引用缓存

 WeakMemoryCache(这个类缓存bitmap的总大小没有限制,唯一不足的地方就是不稳定,缓存的图片容易被回收掉)

我们直接选择UIL中的默认配置缓存策略进行分析。

1. ImageLoaderConfiguration config = ImageLoaderConfiguration.createDefault(context);

ImageLoaderConfiguration.createDefault(…)这个方法最后是调用Builder.build()方法创建默认的配置参数的。默认的内存缓存实现是LruMemoryCache,磁盘缓存是UnlimitedDiscCache。

所以android在以后的版本中建议使用LruMemoryCache进行管理。

LruMemoryCache:一种使用强引用来保存有数量限制的Bitmap的cache(在空间有限的情况,保留最近使用过的Bitmap)。每次Bitmap被访问时,它就被移动到一个队列的头部。当Bitmap被添加到一个空间已满的cache时,在队列末尾的Bitmap会被挤出去并变成适合被GC回收的状态
注意:这个cache只使用强引用来保存Bitmap

LruMemoryCache实现MemoryCache,而MemoryCache继承自MemoryCacheAware。

1. public interface MemoryCache extends MemoryCacheAware<String, Bitmap>

下面给出继承关系图

Android-Universal-Image-Loader.LruMemoryCache

通过跟踪 LruMemoryCache.get()的代码我们发现,LruMemoryCache声称保留在空间有限的情况下保留最近使用过的Bitmap,这是一个LinkedHashMap<String, Bitmap>,Icache的源码缓存的代码如下:

@Override
    public ICache<String, Bitmap> getBitmapCache() {
        if (bitmapCache == null) {
            bitmapCache = new ICache<String, Bitmap>() {
                @Override
                public void remove(String key) {
                    ImageLoader.getInstance().getMemoryCache().remove(key);
                }
                @Override
                public boolean put(String key, Bitmap value) {
                    if (key == null || value == null) return false;
                    return ImageLoader.getInstance().getMemoryCache().put(key, value);
                }
                @Override
                public Collection<String> keys() {
                    return null;
                }
                @Override
                public Bitmap get(String key) {
                    return ImageLoader.getInstance().getMemoryCache().get(key);
                }
                @Override
                public void clear() {
                    ImageLoader.getInstance().getMemoryCache().clear();
                }
            };
        }
        return bitmapCache;
    }

看到这里我们就清楚LruMemoryCache使用LinkedHashMap来缓存数据,在LinkedHashMap.get()方法执行后,LinkedHashMap中entry的顺序会得到调整。那么我们怎么保证最近使用的项不会被剔除呢?接下去,让我们看看LruMemoryCache.put(...)。

注意到代码第8行中的size+= sizeOf(key, value),这个size是什么呢?我们注意到在第19行有一个trimToSize(maxSize),trimToSize(...)这个函数就是用来限定LruMemoryCache的大小不要超过用户限定的大小,cache的大小由用户在LruMemoryCache刚开始初始化的时候限定。
public final boolean put(String key, Bitmap value) {
    if(key != null && value != null) {
        synchronized(this) {
            this.size += this.sizeOf(key, value);
            Bitmap previous = (Bitmap)this.map.put(key, value);
            if(previous != null) {
                this.size -= this.sizeOf(key, previous);
            }
        }

        this.trimToSize(this.maxSize);
        return true;
    } else {
        throw new NullPointerException("key == null || value == null");
    }
}
所以不难理解我们在用 Universal-Image-Loader做图片加载的时候,有时候图片缓存超过阈值的时候,会去重新重服务器加载了
当Bitmap缓存的大小超过原来设定的maxSize时应该是在trimToSize(...)这个函数中做到的。这个函数做的事情也简单,遍历map,将多余的项(代码中对应toEvict)剔除掉,直到当前cache的大小等于或小于限定的大小。
private void trimToSize(int maxSize) {
    while(true) {
        synchronized(this) {
            if(this.size < 0 || this.map.isEmpty() && this.size != 0) {
                throw new IllegalStateException(this.getClass().getName() + ".sizeOf() is reporting inconsistent results!");
            }

            if(this.size > maxSize && !this.map.isEmpty()) {
                Entry toEvict = (Entry)this.map.entrySet().iterator().next();
                if(toEvict != null) {
                    String key = (String)toEvict.getKey();
                    Bitmap value = (Bitmap)toEvict.getValue();
                    this.map.remove(key);
                    this.size -= this.sizeOf(key, value);
                    continue;
                }
            }

            return;
        }
    }
}

这时候我们会有一个以为,为什么遍历一下就可以将使用最少的bitmap缓存给剔除,不会误删到最近使用的bitmap缓存吗?首先,我们要清楚,LruMemoryCache定义的最近使用是指最近用get或put方式操作到的bitmap缓存。其次,之前我们直到LruMemoryCache的get操作其实是通过其内部字段LinkedHashMap.get(...)实现的,当LinkedHashMap的accessOrder==true时,每一次get或put操作都会将所操作项(图中第3项)移动到链表的尾部(见下图,链表头被认为是最少使用的,链表尾被认为是最常使用的。),每一次操作到的项我们都认为它是最近使用过的,当内存不够的时候被剔除的优先级最低。需要注意的是一开始的LinkedHashMap链表是按插入的顺序构成的,也就是第一个插入的项就在链表头,最后一个插入的就在链表尾。假设只要剔除图中的1,2项就能让LruMemoryCache小于原先限定的大小,那么我们只要从链表头遍历下去(从1→最后一项)那么就可以剔除使用最少的项了。

           

至此,我们就知道了LruMemoryCache缓存的整个原理,包括他怎么put、get、剔除一个元素的的策略。接下去,我们要开始分析默认的磁盘缓存策略了。

UIL中的磁盘缓存策略

幸好UIL提供了几种常见的磁盘缓存策略,你也可以自己去扩展,可以根据他提供的几种缓存策略做进一步的缓存值的限制,

FileCountLimitedDiscCache(可以设定缓存图片的个数,当超过设定值,删除掉最先加入到硬盘的文件) LimitedAgeDiscCache(设定文件存活的最长时间,当超过这个值,就删除该文件) TotalSizeLimitedDiscCache(设定缓存bitmap的最大值,当超过这个值,删除最先加入到硬盘的文件) UnlimitedDiscCache(这个缓存类没有任何的限制)
  • UsingFreqLimitedMemoryCache(如果缓存的图片总量超过限定值,先删除使用频率最小的bitmap)
  • LRULimitedMemoryCache(这个也是使用的lru算法,和LruMemoryCache不同的是,他缓存的是bitmap的弱引用)
  • FIFOLimitedMemoryCache(先进先出的缓存策略,当超过设定值,先删除最先加入缓存的bitmap)
  • LargestLimitedMemoryCache(当超过缓存限定值,先删除最大的bitmap对象)
  • LimitedAgeMemoryCache(当 bitmap加入缓存中的时间超过我们设定的值,将其删除)

在UIL中有着比较完整的存储策略,根据预先指定的空间大小,使用频率(生命周期),文件个数的约束条件,都有着对应的实现策略。最基础的接口DiscCacheAware和抽象类BaseDiscCache

接下来我们看一些硬盘缓存的一些策略:

接下来就给大家分析分析硬盘缓存的策略,这个框架也提供了几种常见的缓存策略,当然如果你觉得都不符合你的要求,你也可以自己去扩展

  • FileCountLimitedDiscCache(可以设定缓存图片的个数,当超过设定值,删除掉最先加入到硬盘的文件)
  • LimitedAgeDiscCache(设定文件存活的最长时间,当超过这个值,就删除该文件)
  • TotalSizeLimitedDiscCache(设定缓存bitmap的最大值,当超过这个值,删除最先加入到硬盘的文件)
  • UnlimitedDiscCache(这个缓存类没有任何的限制)

下面我们就来分析分析TotalSizeLimitedDiscCache的源码实现

[java]  view plain  copy
  在CODE上查看代码片 派生到我的代码片
  1. /******************************************************************************* 
  2.  * Copyright 2011-2013 Sergey Tarasevich 
  3.  * 
  4.  * Licensed under the Apache License, Version 2.0 (the "License"); 
  5.  * you may not use this file except in compliance with the License. 
  6.  * You may obtain a copy of the License at 
  7.  * 
  8.  * http://www.apache.org/licenses/LICENSE-2.0 
  9.  * 
  10.  * Unless required by applicable law or agreed to in writing, software 
  11.  * distributed under the License is distributed on an "AS IS" BASIS, 
  12.  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. 
  13.  * See the License for the specific language governing permissions and 
  14.  * limitations under the License. 
  15.  *******************************************************************************/  
  16. package com.nostra13.universalimageloader.cache.disc.impl;  
  17.   
  18. import com.nostra13.universalimageloader.cache.disc.LimitedDiscCache;  
  19. import com.nostra13.universalimageloader.cache.disc.naming.FileNameGenerator;  
  20. import com.nostra13.universalimageloader.core.DefaultConfigurationFactory;  
  21. import com.nostra13.universalimageloader.utils.L;  
  22.   
  23. import java.io.File;  
  24.   
  25. /** 
  26.  * Disc cache limited by total cache size. If cache size exceeds specified limit then file with the most oldest last 
  27.  * usage date will be deleted. 
  28.  * 
  29.  * @author Sergey Tarasevich (nostra13[at]gmail[dot]com) 
  30.  * @see LimitedDiscCache 
  31.  * @since 1.0.0 
  32.  */  
  33. public class TotalSizeLimitedDiscCache extends LimitedDiscCache {  
  34.   
  35.     private static final int MIN_NORMAL_CACHE_SIZE_IN_MB = 2;  
  36.     private static final int MIN_NORMAL_CACHE_SIZE = MIN_NORMAL_CACHE_SIZE_IN_MB * 1024 * 1024;  
  37.   
  38.     /** 
  39.      * @param cacheDir     Directory for file caching. <b>Important:</b> Specify separate folder for cached files. It's 
  40.      *                     needed for right cache limit work. 
  41.      * @param maxCacheSize Maximum cache directory size (in bytes). If cache size exceeds this limit then file with the 
  42.      *                     most oldest last usage date will be deleted. 
  43.      */  
  44.     public TotalSizeLimitedDiscCache(File cacheDir, int maxCacheSize) {  
  45.         this(cacheDir, DefaultConfigurationFactory.createFileNameGenerator(), maxCacheSize);  
  46.     }  
  47.   
  48.     /** 
  49.      * @param cacheDir          Directory for file caching. <b>Important:</b> Specify separate folder for cached files. It's 
  50.      *                          needed for right cache limit work. 
  51.      * @param fileNameGenerator Name generator for cached files 
  52.      * @param maxCacheSize      Maximum cache directory size (in bytes). If cache size exceeds this limit then file with the 
  53.      *                          most oldest last usage date will be deleted. 
  54.      */  
  55.     public TotalSizeLimitedDiscCache(File cacheDir, FileNameGenerator fileNameGenerator, int maxCacheSize) {  
  56.         super(cacheDir, fileNameGenerator, maxCacheSize);  
  57.         if (maxCacheSize < MIN_NORMAL_CACHE_SIZE) {  
  58.             L.w("You set too small disc cache size (less than %1$d Mb)", MIN_NORMAL_CACHE_SIZE_IN_MB);  
  59.         }  
  60.     }  
  61.   
  62.     @Override  
  63.     protected int getSize(File file) {  
  64.         return (int) file.length();  
  65.     }  
  66. }  
这个类是继承LimitedDiscCache,除了两个构造函数之外,还重写了getSize()方法,返回文件的大小,接下来我们就来看看LimitedDiscCache
[java]  view plain  copy
  在CODE上查看代码片 派生到我的代码片
  1. /******************************************************************************* 
  2.  * Copyright 2011-2013 Sergey Tarasevich 
  3.  * 
  4.  * Licensed under the Apache License, Version 2.0 (the "License"); 
  5.  * you may not use this file except in compliance with the License. 
  6.  * You may obtain a copy of the License at 
  7.  * 
  8.  * http://www.apache.org/licenses/LICENSE-2.0 
  9.  * 
  10.  * Unless required by applicable law or agreed to in writing, software 
  11.  * distributed under the License is distributed on an "AS IS" BASIS, 
  12.  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. 
  13.  * See the License for the specific language governing permissions and 
  14.  * limitations under the License. 
  15.  *******************************************************************************/  
  16. package com.nostra13.universalimageloader.cache.disc;  
  17.   
  18. import com.nostra13.universalimageloader.cache.disc.naming.FileNameGenerator;  
  19. import com.nostra13.universalimageloader.core.DefaultConfigurationFactory;  
  20.   
  21. import java.io.File;  
  22. import java.util.Collections;  
  23. import java.util.HashMap;  
  24. import java.util.Map;  
  25. import java.util.Map.Entry;  
  26. import java.util.Set;  
  27. import java.util.concurrent.atomic.AtomicInteger;  
  28.   
  29. /** 
  30.  * Abstract disc cache limited by some parameter. If cache exceeds specified limit then file with the most oldest last 
  31.  * usage date will be deleted. 
  32.  * 
  33.  * @author Sergey Tarasevich (nostra13[at]gmail[dot]com) 
  34.  * @see BaseDiscCache 
  35.  * @see FileNameGenerator 
  36.  * @since 1.0.0 
  37.  */  
  38. public abstract class LimitedDiscCache extends BaseDiscCache {  
  39.   
  40.     private static final int INVALID_SIZE = -1;  
  41.   
  42.     //记录缓存文件的大小  
  43.     private final AtomicInteger cacheSize;  
  44.     //缓存文件的最大值  
  45.     private final int sizeLimit;  
  46.     private final Map<File, Long> lastUsageDates = Collections.synchronizedMap(new HashMap<File, Long>());  
  47.   
  48.     /** 
  49.      * @param cacheDir  Directory for file caching. <b>Important:</b> Specify separate folder for cached files. It's 
  50.      *                  needed for right cache limit work. 
  51.      * @param sizeLimit Cache limit value. If cache exceeds this limit then file with the most oldest last usage date 
  52.      *                  will be deleted. 
  53.      */  
  54.     public LimitedDiscCache(File cacheDir, int sizeLimit) {  
  55.         this(cacheDir, DefaultConfigurationFactory.createFileNameGenerator(), sizeLimit);  
  56.     }  
  57.   
  58.     /** 
  59.      * @param cacheDir          Directory for file caching. <b>Important:</b> Specify separate folder for cached files. It's 
  60.      *                          needed for right cache limit work. 
  61.      * @param fileNameGenerator Name generator for cached files 
  62.      * @param sizeLimit         Cache limit value. If cache exceeds this limit then file with the most oldest last usage date 
  63.      *                          will be deleted. 
  64.      */  
  65.     public LimitedDiscCache(File cacheDir, FileNameGenerator fileNameGenerator, int sizeLimit) {  
  66.         super(cacheDir, fileNameGenerator);  
  67.         this.sizeLimit = sizeLimit;  
  68.         cacheSize = new AtomicInteger();  
  69.         calculateCacheSizeAndFillUsageMap();  
  70.     }  
  71.   
  72.     /** 
  73.      * 另开线程计算cacheDir里面文件的大小,并将文件和最后修改的毫秒数加入到Map中 
  74.      */  
  75.     private void calculateCacheSizeAndFillUsageMap() {  
  76.         new Thread(new Runnable() {  
  77.             @Override  
  78.             public void run() {  
  79.                 int size = 0;  
  80.                 File[] cachedFiles = cacheDir.listFiles();  
  81.                 if (cachedFiles != null) { // rarely but it can happen, don't know why  
  82.                     for (File cachedFile : cachedFiles) {  
  83.                         //getSize()是一个抽象方法,子类自行实现getSize()的逻辑  
  84.                         size += getSize(cachedFile);  
  85.                         //将文件的最后修改时间加入到map中  
  86.                         lastUsageDates.put(cachedFile, cachedFile.lastModified());  
  87.                     }  
  88.                     cacheSize.set(size);  
  89.                 }  
  90.             }  
  91.         }).start();  
  92.     }  
  93.   
  94.     /** 
  95.      * 将文件添加到Map中,并计算缓存文件的大小是否超过了我们设置的最大缓存数 
  96.      * 超过了就删除最先加入的那个文件 
  97.      */  
  98.     @Override  
  99.     public void put(String key, File file) {  
  100.         //要加入文件的大小  
  101.         int valueSize = getSize(file);  
  102.           
  103.         //获取当前缓存文件大小总数  
  104.         int curCacheSize = cacheSize.get();  
  105.         //判断是否超过设定的最大缓存值  
  106.         while (curCacheSize + valueSize > sizeLimit) {  
  107.             int freedSize = removeNext();  
  108.             if (freedSize == INVALID_SIZE) break// cache is empty (have nothing to delete)  
  109.             curCacheSize = cacheSize.addAndGet(-freedSize);  
  110.         }  
  111.         cacheSize.addAndGet(valueSize);  
  112.   
  113.         Long currentTime = System.currentTimeMillis();  
  114.         file.setLastModified(currentTime);  
  115.         lastUsageDates.put(file, currentTime);  
  116.     }  
  117.   
  118.     /** 
  119.      * 根据key生成文件 
  120.      */  
  121.     @Override  
  122.     public File get(String key) {  
  123.         File file = super.get(key);  
  124.   
  125.         Long currentTime = System.currentTimeMillis();  
  126.         file.setLastModified(currentTime);  
  127.         lastUsageDates.put(file, currentTime);  
  128.   
  129.         return file;  
  130.     }  
  131.   
  132.     /** 
  133.      * 硬盘缓存的清理 
  134.      */  
  135.     @Override  
  136.     public void clear() {  
  137.         lastUsageDates.clear();  
  138.         cacheSize.set(0);  
  139.         super.clear();  
  140.     }  
  141.   
  142.       
  143.     /** 
  144.      * 获取最早加入的缓存文件,并将其删除 
  145.      */  
  146.     private int removeNext() {  
  147.         if (lastUsageDates.isEmpty()) {  
  148.             return INVALID_SIZE;  
  149.         }  
  150.         Long oldestUsage = null;  
  151.         File mostLongUsedFile = null;  
  152.           
  153.         Set<Entry<File, Long>> entries = lastUsageDates.entrySet();  
  154.         synchronized (lastUsageDates) {  
  155.             for (Entry<File, Long> entry : entries) {  
  156.                 if (mostLongUsedFile == null) {  
  157.                     mostLongUsedFile = entry.getKey();  
  158.                     oldestUsage = entry.getValue();  
  159.                 } else {  
  160.                     Long lastValueUsage = entry.getValue();  
  161.                     if (lastValueUsage < oldestUsage) {  
  162.                         oldestUsage = lastValueUsage;  
  163.                         mostLongUsedFile = entry.getKey();  
  164.                     }  
  165.                 }  
  166.             }  
  167.         }  
  168.   
  169.         int fileSize = 0;  
  170.         if (mostLongUsedFile != null) {  
  171.             if (mostLongUsedFile.exists()) {  
  172.                 fileSize = getSize(mostLongUsedFile);  
  173.                 if (mostLongUsedFile.delete()) {  
  174.                     lastUsageDates.remove(mostLongUsedFile);  
  175.                 }  
  176.             } else {  
  177.                 lastUsageDates.remove(mostLongUsedFile);  
  178.             }  
  179.         }  
  180.         return fileSize;  
  181.     }  
  182.   
  183.     /** 
  184.      * 抽象方法,获取文件大小 
  185.      * @param file 
  186.      * @return 
  187.      */  
  188.     protected abstract int getSize(File file);  

最后看一些我们需要怎么使用

配置:

ImageLoaderConfiguration config = new ImageLoaderConfiguration.Builder(YmatouApplication.instance())
        .threadPriority(Thread.NORM_PRIORITY - 1)
        .memoryCache(new LruMemoryCache(getMemoryCacheSize()))
        .diskCacheSize(50 * ByteConstants.MB)
        .diskCacheFileNameGenerator(new Md5FileNameGenerator())
        .diskCacheFileCount(200)
        .memoryCacheExtraOptions(480, 800)
        .threadPoolSize(3)
        .memoryCache(new WeakMemoryCache())
        .tasksProcessingOrder(QueueProcessingType.FIFO)
        .defaultDisplayImageOptions(getSimpleOptions().build())
        .build();
ImageLoader.getInstance().init(config);
在做网络请求的时候,我们也做些配置,如网络请求之前默认什么背景,请求完成后,请求失败后怎么显示我们都可以在
defaultDisplayImageOptions(DisplayImageOptions.Builder builed)进行配置
 
private static DisplayImageOptions.Builder getSimpleOptions() {
    DisplayImageOptions.Builder options = new DisplayImageOptions.Builder()
            .cacheInMemory(true)
            .cacheOnDisk(true)
            .considerExifParams(true)
            .imageScaleType(ImageScaleType.EXACTLY)
            .showImageOnLoading(R.drawable.image_loading)
            .showImageForEmptyUri(R.drawable.image_default)
            .showImageOnFail(R.drawable.image_failed)
            .resetViewBeforeLoading(true)
            .bitmapConfig(Bitmap.Config.ARGB_8888);
    return options;
}
加载图片:

public static void imageloader(String url, ImageView imageView) {
    displayImage(url, imageView, null);
}



目录
相关文章
|
2月前
|
缓存 Java
Java本地高性能缓存实践问题之Caffeine缓存库中基于时间设置驱逐策略的问题如何解决
Java本地高性能缓存实践问题之Caffeine缓存库中基于时间设置驱逐策略的问题如何解决
|
11天前
|
机器学习/深度学习 缓存 NoSQL
深度学习在图像识别中的应用与挑战后端开发中的数据缓存策略
本文深入探讨了深度学习技术在图像识别领域的应用,包括卷积神经网络(CNN)的原理、常见模型如ResNet和VGG的介绍,以及这些模型在实际应用中的表现。同时,文章也讨论了数据增强、模型集成等改进性能的方法,并指出了当前面临的计算资源需求高、数据隐私等挑战。通过综合分析,本文旨在为深度学习在图像识别中的进一步研究和应用提供参考。 本文探讨了后端开发中数据缓存的重要性和实现方法,通过具体案例解析Redis在实际应用中的使用。首先介绍了缓存的基本概念及其在后端系统性能优化中的作用;接着详细讲解了Redis的常见数据类型和应用场景;最后通过一个实际项目展示了如何在Django框架中集成Redis,
|
24天前
|
缓存 JavaScript 中间件
优化Express.js应用程序性能:缓存策略、请求压缩和路由匹配
在开发Express.js应用时,采用合理的缓存策略、请求压缩及优化路由匹配可大幅提升性能。本文介绍如何利用`express.static`实现缓存、`compression`中间件压缩响应数据,并通过精确匹配、模块化路由及参数化路由提高路由处理效率,从而打造高效应用。
67 5
|
1月前
|
缓存 NoSQL Java
揭秘性能提升的超级武器:掌握Hibernate二级缓存策略!
【9月更文挑战第3天】在软件开发中,性能优化至关重要。使用Hibernate进行数据持久化的应用可通过二级缓存提升数据访问速度。一级缓存随Session生命周期变化,而二级缓存是SessionFactory级别的全局缓存,能显著减少数据库访问次数,提高性能。要启用二级缓存,需在映射文件或实体类上添加相应配置。然而,并非所有场景都适合使用二级缓存,需根据业务需求和数据变更频率决定。此外,还可与EhCache、Redis等第三方缓存集成,进一步增强缓存效果。合理运用二级缓存策略,有助于大幅提升应用性能。
53 5
|
1月前
|
存储 缓存 前端开发
缓存技术在软件开发中的应用与优化策略
缓存技术在软件开发中的应用与优化策略
|
2月前
|
存储 缓存 监控
系统设计:在搜索系统实现缓存的策略与思考
【8月更文挑战第26天】在构建高性能的搜索系统时,缓存策略是优化查询响应时间和减轻后端数据库压力的关键手段。随着数据量的激增和用户查询需求的多样化,如何设计并实现一套高效、可扩展且易于维护的缓存机制,成为了技术团队面临的重要挑战。本文将深入探讨搜索系统中缓存策略的设计思路与实践经验,旨在为读者提供一套系统性的解决方案。
42 1
|
2月前
|
缓存 算法 前端开发
深入理解缓存淘汰策略:LRU和LFU算法的解析与应用
【8月更文挑战第25天】在计算机科学领域,高效管理资源对于提升系统性能至关重要。内存缓存作为一种加速数据读取的有效方法,其管理策略直接影响整体性能。本文重点介绍两种常用的缓存淘汰算法:LRU(最近最少使用)和LFU(最不经常使用)。LRU算法依据数据最近是否被访问来进行淘汰决策;而LFU算法则根据数据的访问频率做出判断。这两种算法各有特点,适用于不同的应用场景。通过深入分析这两种算法的原理、实现方式及适用场景,本文旨在帮助开发者更好地理解缓存管理机制,从而在实际应用中作出更合理的选择,有效提升系统性能和用户体验。
85 1
|
3月前
|
canal 缓存 NoSQL
Redis常见面试题(一):Redis使用场景,缓存、分布式锁;缓存穿透、缓存击穿、缓存雪崩;双写一致,Canal,Redis持久化,数据过期策略,数据淘汰策略
Redis使用场景,缓存、分布式锁;缓存穿透、缓存击穿、缓存雪崩;先删除缓存还是先修改数据库,双写一致,Canal,Redis持久化,数据过期策略,数据淘汰策略
Redis常见面试题(一):Redis使用场景,缓存、分布式锁;缓存穿透、缓存击穿、缓存雪崩;双写一致,Canal,Redis持久化,数据过期策略,数据淘汰策略
|
3月前
|
缓存 Python
在Python中,`functools`模块提供了一个非常有用的装饰器`lru_cache()`,它实现了最近最少使用(Least Recently Used, LRU)缓存策略。
在Python中,`functools`模块提供了一个非常有用的装饰器`lru_cache()`,它实现了最近最少使用(Least Recently Used, LRU)缓存策略。
|
2月前
|
存储 缓存 NoSQL
微服务复杂查询之缓存策略
微服务复杂查询之缓存策略
下一篇
无影云桌面