Hibernate的二级缓存

本文详细介绍了Hibernate二级缓存的工作原理,包括CLASS缓存、查询缓存和COLLECTION缓存的特点及使用方式。
Hibernate的二级缓存
SessionFactory级别的全局缓存,它底下可以使用不同的缓存类库,比如ehcache、oscache等,需要设置 hibernate.cache.provider_class。如果使用查询缓存,加上 hibernate.cache.use_query_cache=true 缓存可以简单的看成一个Map,通过key在缓存里面找value。
Hibernate的二级缓存细分为CLASS缓存,查询缓存和COLLECTION缓存。

1. CLASS缓存
当Hibernate的二级缓存被打开时,当任何一个已经配置缓存的对象被加载时候,都会被缓存到其二级缓存中。不论是执行list,iterator方法。不同的是list方法不会从二级缓存中加载数据(如果不使用查询缓存),每次执行都是去数据库直接抽取。而iterator方法因为使用的是延迟加载的策略,所以第一次加载的时候并未真正的加载数据,而是只加载了其中的ID,并且生成一个代理对象。而当对象被使用(也就是调用非getID方法)的时候,如果数据已经在缓存中,则从缓存中取出,否则真正执行SELECT方法从数据库加载数据(Iterator的方式类似于Load方法,只是Iterator先查询出所有的对象的ID,然后根据ID生成代理对象)。

2. 查询缓存
Hibernate二级缓存的缓存需要配置hibernate.cache.use_query_cache=true。在代码中使用query.setCacheable(true)激活查询缓存。对于查询缓存来说,缓存的key是根据hql生成的sql,再加上参数等信息的QueryKey对象进行管理。而缓存的value,并不是整个结果集,而是查询出来的这一串ID。第一次查询的时候, list执行一条SQL语句查询出所有的结果集,然后从结果集中取出其中的ID的集合作为该查询缓存的Value进行缓存。并且将相应的对象放入CLASS缓存中,并且返回整个结果集。到同样条件第二次查询的时候,先从查询缓存中取出这些ID,然后根据ID到Class缓存中取出具体的对象,并且返回。
对于List方法的查询缓存关键是使用查询语句缓存了ID,然后使用ID进行GET方法查找,那么这样就可以有效的使用Hiberante的一级和二级缓存了。注意Iterator方法因为使用的是延迟加载策略实现,所以Iterator方法不会使用查询缓存(即使显示的调用了query.setCacheable(true)也是没有任何效果的)。
对于查询缓存的过期维护,Hibernate会再查询缓存的VALUE结果集中维护一个查询缓存的建立时间。每次使用查询缓存之前都会先Check在该缓存时间之后是否有更新该表的操作。如果存在更新那么就放弃查询缓存结果。

3. COLLECTION缓存
Hibernate的Collection元素的缓存 需要在hbm的collection里面设置 <cache usage="***"> 。Collection的缓存和前面查询缓存的list一样,也是只保持一串id,但它不会因为这个表更新过就失效,一个collection缓存 仅在这个collection里面的元素有增删时才失效。 这样有一个问题,如果你的collection是根据某个字段排序的,当其中一个元素更新了该字段时,导致顺序改变时,collection缓存 里面的排序不会做更新。

个人感觉学习这块内容最好的方法是写一个简单的代码,然后debug跟踪看Hiberate的内部实现方法。下面添上一段代码,是Hibernate使用缓存的核心代码:

protected Object doLoad(
final LoadEvent event,
final EntityPersister persister,
final EntityKey keyToLoad,
final LoadEventListener.LoadType options) throws HibernateException {
Object entity = loadFromSessionCache( event, keyToLoad, options );
if ( entity == REMOVED_ENTITY_MARKER ) {
log.debug( "load request found matching entity in context, but it is scheduled for removal; returning null" );
return null;
}
if ( entity == INCONSISTENT_RTN_CLASS_MARKER ) {
log.debug( "load request found matching entity in context, but the matched entity was of an inconsistent return type; returning null" );
return null;
}
if ( entity != null ) {
if ( log.isTraceEnabled() ) {
log.trace("resolved object in session cache: " + MessageHelper.infoString( persister, event.getEntityId(), event.getSession().getFactory() ) );
}
return entity;
}

entity = loadFromSecondLevelCache(event, persister, options);
if ( entity != null ) {
if ( log.isTraceEnabled() ) {
log.trace("resolved object in second-level cache: " +
MessageHelper.infoString( persister, event.getEntityId(), event.getSession().getFactory() ) );
}
return entity;
}

if ( log.isTraceEnabled() ) {
log.trace("object not resolved in any cache: " +
MessageHelper.infoString( persister, event.getEntityId(), event.getSession().getFactory() ));
}

return loadFromDatasource(event, persister, keyToLoad, options);
}
【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力和诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理和机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转机械的轴承故障特征提取与智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性和鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值