Ehcache学习笔记(1)--spring集成

Spring集成Ehcache实战
本文详细介绍Spring框架如何集成Ehcache缓存组件,包括配置依赖、XML配置、注解使用及示例代码,帮助读者快速掌握Spring+Ehcache的实践技巧。

一:spring集成ehcache
1、spring集成的ehcache是2.10.x版,jar包要对。

    <!--ehcache -->
    <dependency>
      <groupId>net.sf.ehcache</groupId>
      <artifactId>ehcache</artifactId>
      <version>2.10.0</version>
    </dependency>

2、spring 的xml配置

    <bean id="cache" class="org.springframework.cache.ehcache.EhCacheManagerFactoryBean">
        <property name="configLocation" value="classpath:ehcache.xml" />
    </bean>
    <bean id="cacheManager" class="org.springframework.cache.ehcache.EhCacheCacheManager">
        <property name="cacheManager" ref="cache" />
    </bean>
    <cache:annotation-driven cache-manager="cacheManager"/>

3、ehcaceh的xml配置
该配置文件可以在net.sf.ehcache jar包下找到
在这里插入图片描述
ehcache.xml详细配置参考

<?xml version="1.0" encoding="utf-8" ?>

<ehcache xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:noNamespaceSchemaLocation="ehcache.xsd"
         updateCheck="true" monitoring="autodetect" dynamicConfig="true">

    <diskStore path="java.io.tmpdir"/>

    <defaultCache
            maxEntriesLocalHeap="1000"
            eternal="false"
            overflowToDisk="false"
            timeToIdleSeconds="120"
            timeToLiveSeconds="120"
            diskSpoolBufferSizeMB="30"
            maxEntriesLocalDisk="1000000"
            diskExpiryThreadIntervalSeconds="120"
            memoryStoreEvictionPolicy="LRU">
        <persistence strategy="localTempSwap"/>
    </defaultCache>

    <cache name="demoCache"
           maxEntriesLocalHeap="1000"
           maxEntriesLocalDisk="100"
           eternal="false"
           diskSpoolBufferSizeMB="30"
           timeToIdleSeconds="300"
           timeToLiveSeconds="600"
           memoryStoreEvictionPolicy="LFU"
           transactionalMode="off">
        <persistence strategy="localTempSwap"/>
    </cache>


</ehcache>

4、spring整合ehcache注解的使用demo

    @Cacheable(value="demoCache",key="#userName")
    public User findUserByUserName(String userName){
        System.out.println("--------- find user name -----------");
        return new User("ke","123654","cccp");
    }

    @CacheEvict(value = "demoCache",key = "#userName")
    public User removeName(String userName){
        System.out.println("--------- delete user name -----------");
        return new User("kexq","123654","2009");
    }

注解说明:
(1)@Cacheable(value=“demoCache”,key="#userName",condition="")
value:cacheName 不可为空;在ehcache.xml文件中必须存在的cacheNme
key:springEL表达式编写
condition:限制条件
(2)@CacheEvict
去除缓存
(3)@CachePut
不管对应缓存是否存在,都执行方法体,并且将返回的内容写入缓存
(4)@CacheConfig(value=“cacheName”)
类级别的注解,若类中使用缓存是同一个,可以配置在此注解中
5、demoTest

    @Resource
    private LoginService loginService;

    @RequestMapping("index.do")
    public String index(){
        //第一次调用时缓存,第二次调用直接取缓存
        loginService.findUserByUserName("ke");
        loginService.findUserByUserName("ke");

        loginService.removeName("ke");
        // 删除后再次调用时,再次缓存
        System.out.println(loginService.findUserByUserName("ke"));

        return "index";
    }
内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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