Я использую EhCache для кэширования сериализованных объектов ответа REST API. Похоже, что в последней версии (2.10.x) EhCache с открытым исходным кодом нет возможности сохранить данные для перезапуска или неожиданного сбоя. Я могу подумать о циклическом просмотре списка элементов в кеше с помощью cache.getKeys(), сериализации объектов Element, а затем десериализации объектов Element и добавлении их в кеш при запуске приложения. Есть ли другой более чистый способ?
Как сохранить открытый исходный код EhCache?
27.08.2015
Ответы:
1
Ehcache 2.10.x предлагает уровень диска, который можно перезапускать.
Тем не менее, реализация с открытым исходным кодом не устойчива к сбоям, поэтому в большинстве ситуаций сбоя, которые не позволяют правильно закрыть CacheManager
и Cache
, данные будут потеряны при перезапуске.
Коммерческая версия Enterprise предлагает гораздо больше надежное дисковое хранилище.
04.09.2015
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..