教你使用MySQL触发器自动更新Memcache

mysql 5.1支持触发器以及自定义函数接口(UDF)的特性,如果配合libmemcache以及Memcached Functions for MySQL,就能够实现memcache的自动更新。简单记录一下安装测试步骤。

  mysql 5.1支持触发器以及自定义函数接口(UDF)的特性,如果配合libmemcache以及Memcached Functions for MySQL,就能够实现memcache的自动更新。简单记录一下安装测试步骤。

  安装步骤

  安装memcached,这个步骤很简单,随处可见。安装mysql server 5.1RC,安装办法也很大众,不废话 了。

  编译libmemcached,解压后安装即可./configure; make; make install

  编译Memcached Functions for MySQL,在http://download.tangent.org/找一个最新的版本下载就 是,./configure --with-mysql=/usr/local/mysql/bin/mysql_config -- libdir=/usr/local/mysql/lib/mysql/

  make

  make install

  接下来有两个办法让Memcached Functions for MySQL在mysql中生效。

  在mysql的shell中执行memcached_functions_mysql源码目录下的sql/install_functions.sql,这会 把memcache function作为UDF加入mysql。

  运行memcached_functions_mysql源码目录下的utils/install.pl,这是一个perl脚本,作用同上一 条。

  测试memcache function。

  以下测试脚本摘自memcached_functions_mysql的源码目录,有兴趣可以试试。


  PLAIN TEXTCODE: drop table if exists urls; 
  create table urls ( 
  id int(3) not null, 
  url varchar(64) not null default '', 
  primary key (id) 
  ); 
  select memc_servers_set('localhost:11211'); 
  select memc_set('urls:sequence', 0); 
  DELIMITER | 
  DROP TRIGGER IF EXISTS url_mem_insert; 
  CREATE TRIGGER url_mem_insert 
  BEFORE INSERT ON urls 
  FOR EACH ROW BEGIN 
  SET NEW.id= memc_increment('urls:sequence'); 
  SET @mm= memc_set(concat('urls:',NEW.id), NEW.url); 
  END | 
  DELIMITER ; 
  insert into urls (url) values ('http://google.com'); 
  insert into urls (url) values ('http://www.ooso.net/index.php'); 
  insert into urls (url) values ('http://www.ooso.net/'); 
  insert into urls (url) values ('http://slashdot.org'); 
  insert into urls (url) values ('http://mysql.com'); 
  select * from urls; 
  select memc_get('urls:1'); 
  select memc_get('urls:2'); 
  select memc_get('urls:3'); 
  select memc_get('urls:4'); 
  select memc_get('urls:5');

 

转载于:https://www.cnblogs.com/swjm119/archive/2012/02/04/2337886.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过学优化器加速函(MOA)和学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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