Hibernate内置的

 1、 什么是缓存

    缓存是介于物理数据源与应用程序之间,是对数据库中的数据复制一份临时放在内存中的容器,其作用是为了减少应用程序对物理数据源访问的次数,从而提高了应用程序的运行性能。Hibernate在进行读取数据的时候,根据缓存机制在相应的缓存中查询,如果在缓存中找到了需要的数据(我们把这称做"缓存命中"),则就直接把命中的数据作为结果加以利用,避免了大量发送SQL语句到数据库查询的性能损耗。

    Hibernate缓存分类:

    一、Session缓存(又称作事务缓存):Hibernate内置的,不能卸除。

    缓存范围:缓存只能被当前Session对象访问。缓存的生命周期依赖于Session的生命周期,当Session被关闭后,缓存也就结束生命周期。

    二、SessionFactory缓存(又称作应用缓存):使用第三方插件,可插拔。

    缓存范围:缓存被应用范围内的所有session共享,不同的Session可以共享。这些session有可能是并发访问缓存,因此必须对缓存进行更新。缓存的生命周期依赖于应用的生命周期,应用结束时,缓存也就结束了生命周期,二级缓存存在于应用程序范围。

    1.1、       一级缓存

    Hibernate一些与一级缓存相关的操作(时间点):

    数据放入缓存:

    1. save()。当session对象调用save()方法保存一个对象后,该对象会被放入到session的缓存中。

    2. get()和load()。当session对象调用get()或load()方法从数据库取出一个对象后,该对象也会被放入到session的缓存中。

    3. 使用HQL和QBC等从数据库中查询数据。

    例如:数据库有一张表叫Customer,有字段id,username等。

    public class Client

    {

    public static void main(String[] args)

    {

    Session session = HibernateUtil.getSessionFactory()。openSession();

    Transaction tx = null;

    try

    {

    /*开启一个事务*/

    tx = session.beginTransaction();

    /*从数据库中获取id="402881e534fa5a440134fa5a45340002"的Customer对象*/

    Customer customer1 = (Customer)session.get(Customer.class,"402881e534fa5a440134fa5a45340002");

    System.out.println("customer.getUsernameis"+customer1.getUsername());

    /*事务提交*/

    tx.commit();

    System.out.println("-------------------------------------");

    /*开启一个新事务*/

    tx = session.beginTransaction();

    /*从数据库中获取id="402881e534fa5a440134fa5a45340002"的Customer对象*/

    Customer customer2 = (Customer)session.get(Customer.class,"402881e534fa5a440134fa5a45340002");

    System.out.println("customer2.getUsernameis"+customer2.getUsername());

    /*事务提交*/

    tx.commit();

    System.out.println("-------------------------------------");

    /*比较两个get()方法获取的对象是否是同一个对象*/

    System.out.println("customer1 == customer2 result is"+(customer1==customer2));

    }

    catch (Exception e)

    {

    if(tx!=null)

    {

    tx.rollback();

    }

    }

    finally

    {

    session.close();

    }

    }

    }

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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