session集群猜想(一)

本文探讨了集群环境中三种Session共享方案:应用服务器层同步、缓存层存储及数据库层存储。每种方案都有其优缺点,如直接在应用服务器间同步会增加通信开销;而利用缓存或数据库虽能解决此问题,但又引入了新的挑战。

  应用在做集群时,session数据的共享是怎样处理的了?猜想有三种处理方式。本文只是从理论上分析其方法,不会涉及到具体的操作。
  假设有一台前端分发器a1,应用服务器s1,s2,缓存服务器c1和一台备份的缓存c2,数据库d1
  第一种

   把session放到应用服务器一层,s1和s2中的session数据保持一至,即使其中有一台应用服务器荡掉,也可以用其它应用服务器,并且session中的数据也不会丢失。这样做法,必定会让应用服务中对session数据的变化都要通知其它服务器做相应的改变,并且s1恢复后,或者集群中增加了一台服务后,怎样从已有的应用服务器中把session数据同步过来。

  疑问:

     应用服务器s1改变session中的数据后,通知到其它的应用服务器中

     应用服务器s1荡掉,恢复后或者在集群中新增加一台应用服务器后,怎样从已有服务器(s2)中,同步session数据。

  第二种

  把session数据放到缓存一层,s1和s2操作session都从缓存中取,s1和s2对session的操作最终都会反映到缓存中,当应用服务器荡掉或者新增加一台应用服务时,也不会影响到缓存中的session。当缓存服务器c1荡掉时,可以使用备份缓存服务器c2,当c1恢复后,把c2的数据两步到c1中。

 疑问:

 缓存服务器c1和c2的数据怎样做同步,特别是c1荡掉后,又恢复后,怎样把备份缓存c2中的数据,同步到C1中

 

  第三种

   把session数据放到数据库中,和第二种方法类似。但是在效率上,可能没有第二种高效。

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的种。 进化算法最初是借鉴了进化生物学中的些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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