Terracotta收购Ehcache:对Java缓存领域产生深远的影响

Terracotta收购Ehcache
Terracotta已收购Ehcache,二者将继续保持开源特性并使用Apache2.0许可。Ehcache作为广泛使用的缓存应用,将由Terracotta提供更优质的服务和支持。此次合并使Terracotta能提供全面的缓存解决方案,涵盖桌面到服务器的所有缓存节点。
两个最著名的开源java 缓存解决方案的厂商现在由于 [url=http://www.terracotta.org/]Terracotta[/url] 对 [url=http://ehcache.sourceforge.net/]Ehcache[/url] 的收购联合到一起了。Terracotta,目前唯一的提供JVM级别的“POJO clustering集群”的厂商,能够提供多线程单一JVM应用,并且能让它们跨JVMs运行而不需要修改任何代码。Ehcache是目前部署使用最广泛的缓存应用,它提供了标准的HashMap类型接口,类似Oracle Coherence。这个合并对Java缓存领域将产生深远的影响。

目前合并可能造成的影响:

1.开源: Ehcache和Terracotta都是开源软件,未来不会改变

2.开源协议:Ehcache目前使用的是[url=http://ehcache.sourceforge.net/license.html]Apache 2.0 license[/url],也不会改变

3.Hosting托管:主机托管服务将从SourceForge 转移到[url=http://forge.terracotta.org/]Terracotta Forge[/url]. 更多的细节正在协商中,但是Terracotta未来将完全接管所有的托管服务,包括源代码,邮件列表和社区论坛等。

4.Greg Luck:Ehcache的创始人老大将继续领导Ehcache

5.现存的功能:Ehcache将继续提供非集群缓存解决方案。就像现在提供的一样。

6.Ehcache将由Terracotta团队提供更好的支持和服务

7. Terracotta将获得Ehcache的软件和技术,提供强大的解决方案,尽可能占据所有的缓存节点,包括桌面和服务器。

Terracotta近年来在分布式缓存应用卓绝努力,最近刚发布Terracotta 3.1,包括了一个新的更快的Hibernate second-level cache 二级缓存实现。Hibernate 缓存实现在Terracotta 集成模块分布缓存DistributedCache之上完成。下面图片现实了实现机制:

[img]http://puredanger.com/techfiles/090818/cache31.png[/img]

DistributedCache在能够极大扩展的ConcurrentDistributedMap之上建立,Terracotta也曾经在本地缓存方面努力,但是收购了Ehcache以后,将专注于分布式缓存。

[img]http://puredanger.com/techfiles/090818/cachedirection.png[/img]

这样Terracotta将提供统一的完整的缓存解决方案。喜欢Ehcache简单、高性能和灵活特性的用户,现在可以通过 Terracotta无缝接入分布式企业应用缓存的功能,获得企业数据一致性,操作的可视性和可控性等功能。Ehcache和Terracotta的结合为您的业务和应用提供了一系列广泛的缓存功能、商业支持模式和专业服务。

[img]http://puredanger.com/techfiles/090818/cachefuture.png[/img]
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
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