关闭内存缓存对效能有影响吗

Posted 2023-04-12

请注意，我问的是内存的缓存，不是系统缓存。我目前的内存是2G。
是内存缓存，不是虚拟内存。

没有。

在系统中所有的进程之间是共享CPU和主存这些内存资源的。当进程数量变多时，所需要的内存资源就会相应的增加。可能会导致部分程序没有主存空间可用。此外，由于资源是共享的，那么就有可能导致某个进程不小心写了另一个进程所使用的内存，进而导致程序运行不符合正常逻辑。

内存缓存注意事项

使用Java堆内存来存储对象。使用堆缓存的好处是没有序列化/反序列化，是最快的缓存。缺点也很明显，当缓存的数据量很大时，GC（垃圾回收）暂停时间会变长，存储容量受限于堆空间大小。一般通过软引用/弱引用来存储缓存对象。

即当堆内存不足时，可以强制回收这部分内存释放堆内存空间。一般使用堆缓存存储较热的数据。可以使用Guava Cache、Ehcache 3.x、 MapDB实现。

参考技术A 内存有什么缓存？是不是搞错了？没有这个说法的。会不会是用内存作硬盘的缓存，超级兔子有这项功能的。 参考技术B 楼主问的是虚拟内存吧?

如果不运行些大的软件,是没什么问题的!

如果要玩大型游戏,或者使用其他3D软件就有必要设置了.

一般虚拟内存视物理内存大小而定,2~3倍这样,并且不能设置c盘.本回答被提问者和网友采纳 参考技术C 哦

手写实现一致性Hash算法

一致性hash详解

 互联网公司的分布式高并发系统有什么特点？

• 高并发

• 海量数据

 高并发问题如何处理？

• 应用集群

 单机缓存能扛起高并发吗？Redis、Memcache的并发能力有多强？

• 很强，10W并发

  
  

 如果并发量达30W怎么办？

•  缓存集群

 海量数据对缓存有什么影响？海量数据，要缓存的数据量也很大，会超出单机内存容量，怎么办？

•  缓存集群

  数据如何均衡分布到缓存集群的节点上？

1. 均衡分布方式一： hash(key)%集群节点数

   

   示例： 3个节点的集群， 数据 data:888

假设：hash（data）= 200

则数据放到服务器2上 （200 % 3 = 2） 




   搞促销活动，临时增加一台服务器来提高集群性能，方便扩展吗？

        hash（data）= 200；  200 % 4 = 0

   增加一个节点后，有多大比例的数据缓存命不中

        3   ---> 4            3/4 命不中


        99 ---> 100        99% 命不中


   大量缓存命不中，就会访问数据库，瞬时失去了缓存的分压，数据库不堪重负，崩溃！这就是缓存雪崩。

   这种情况怎么办？

       加班！ 凌晨3-4点来扩容，并预热数据！





2. 均衡分布式方法二：一致性Hash算法

   
   

   
   

   

• hash值一个非负整数，把非负整数的值范围做成一个圆环；

• 对集群的节点的某个属性求hash值（如节点名称），根据hash值把节点放到环上；

• 对数据的key求hash，一样的把数据也放到环上，按顺时针方向，找离它最近的节点，就存储到这个节点上。
  

  
  

     增加一个节点，影响多大？

         0 ~ 1/3， 取均值，也就是 1/6





            

     新增节点能均衡缓解原有节点的压力吗？             



    集群的节点一定会均衡分布在环上吗？                   



  如何做到均衡分布，均衡缓解？

      基于一致性Hash算法做优化，添加虚拟节点








3. 均衡分布式方法二：一致性Hash算法 + 虚拟节点

          

         新增节点后，对数据的影响比例有多大？

            3 --->  4    1/4命不中  ......   1/N 命不中

          

        那么接下来我们就来实现 一致性hash算法+虚拟节点。

一致性hash算法实现

• hashCode()，不够散列，会有负值（取绝对值可以解决）

• 其他hash算法：比如 CRC32_HASH、FNV1_32_HASH、KETAMA_HASH等，其中KETAMA_HASH是默认的MemCache推荐的一致性Hash算法。
  

        这里我们介绍 FNV1_32_HASH算法的实现：        

public class FNV1_32_HASH {  public static int getHash(String str) {   final int p = 16777619;   int hash = (int)2166136261L;    for(int i = 0; i < str.length(); i++)      hash = (hash ^ str.charAt(i)) * p;    hash += hash << 13;    hash ^= hash >> 7;    hash += hash << 3;    hash ^= hash >> 17;    hash += hash << 5;        // 如果算出来的值为负数则取其绝对值 if (hash < 0) hash = Math.abs(hash);    return hash;  }}

虚拟节点放到环上，具体是要做什么？

• 根据Hash值排序存储

• 排序存储要被快速查找

• 这个排序存储还要能方便变更（增加或删减节点）
  

    要满足上面三个条件，有哪些存储结构能实现呢？

• 数组：  排好序存储，方便查找，但不方便变更；

• 链表：  变更方便，但查找效率低；

•  二叉树： 有一个缺点，平衡度不够（可能一直往一边增加节点）；

• 红黑树： 优化后的二叉树，当二叉树不平衡时，会自动更换根节点，实现动态平衡。

• TreeMap 就是红黑树的一种实现        
  

public class ConsistenceHash { //物理节点集合  private List<String> realNodes = new ArrayList<>();    //物理节点与虚拟节点的对应关系, 存储的是虚拟节点的hash值  private Map<String, List<Integer>> real2VirtualMap = new HashMap<>();   private int virtualNums = 100;    //排序存储结构 红黑树, key是虚拟节点的hash值，value是物理节点  private SortedMap<Integer, String> sortedMap = new TreeMap<>();  public ConsistenceHash() {}  public ConsistenceHash(int virtualNums) {    super();    this.virtualNums = virtualNums; }  //加入服务器的方法  public void addServer(String node) {    this.readNodes.add(node);    String vnode = null;    int i = 0, count = 0;        List<Integer> virtualNodes = new ArrayList<>();    //创建虚拟节点，并放到环上（排序存储）    while(count < this.virtualNums) {      i++;      vnode = node + "&&" + i;      int hashValue = FNV1_32_HASH.getHash(vnode);      //防止hash碰撞      if(!this.sortedMap.containsKey(hashValue)) {       virtualNodes.add(hashValue);        this.sortedMap.put(hashValue, node);        count++；      }    } this.real2VirtualMap.put(node, virtualNodes);  }    //移除一个物理节点  public void removeServer(String node) {    List<Integer> virtualNodes = this.real2VirtualMap.get(node);    if(virtualNodes != null) {     for(Integer hash : virtualNodes) {        this.sortedMap.remove(hash);     }    }    this.real2VirtualMap.remove(node);    this.realNodes.remove(node);  }    //找到数据的存放节点  public String getServer(String key) {    int hash = FNV1_32_HASH.getHash(key);    //得到大于该hash值的所有虚拟节点map    SortedMap<Integer, String> subMap = sortedMap.tailMap(hash);    //    if(subMap == null) {      return sortedMap.get(sortedMap.firstKey());    }    //取第一个key    Integer vhash = subMap.firstKey();    //返回对应的服务器    return subMap.get(vhash);  }   publc static void main(String[] args) {   ConsistenceHash ch = new ConsistenceHash();    ch.addServer("192.168.1.10");    ch.addServer("192.168.1.11");    ch.addServer("192.168.1.12");        for(int i = 0; i < 10; i++)      System.out.println("a" + i + " 对应的服务器，" + ch.getServer("a" + i));  } }