❓ Какие есть подходы к реализации кеширования данных?
1. Простое кеширование с использованием коллекций
Один из базовых способов — это использование стандартных коллекций, таких как HashMap, для хранения кешированных данных. Такой подход подходит для небольших проектов, где важна простота, но он не решает вопросов управления размером кеша, его очистки или устойчивости к памяти.
2. LRU (Least Recently Used) кеширование
Этот метод используется, когда необходимо удалять из кеша давно используемые объекты. Это можно реализовать через LinkedHashMap, у которого есть встроенная поддержка порядка доступа. Подходит для кеширования, где важно ограничить размер кеша и удалять старые данные по мере заполнения. 3. Использование слабых и мягких ссылок
SoftReference — используется для кешей, которые могут быть удалены только в случае нехватки памяти. Это полезно, когда объекты кешируются, но их можно безопасно уничтожить, если система нуждается в памяти.
WeakReference — используется для более "легких" объектов, которые могут быть собраны сборщиком мусора сразу, как только на них не будет ссылок. Это подходит для краткоживущих данных.
4. Кеш с ограничением по времени (Time-based Caching)
Данные в таком кеше автоматически удаляются или обновляются после заданного времени. Это особенно полезно для данных, которые устаревают со временем, например, результаты запросов к базе данных или API.
5. Распределённое кеширование
Если приложение распределено, кеширование можно реализовать с использованием внешних инструментов, таких как Redis или Memcached, которые позволяют кешировать данные на уровне нескольких серверов и обеспечивать консистентность данных в распределённых системах.
❓ Какие есть подходы к реализации кеширования данных?
1. Простое кеширование с использованием коллекций
Один из базовых способов — это использование стандартных коллекций, таких как HashMap, для хранения кешированных данных. Такой подход подходит для небольших проектов, где важна простота, но он не решает вопросов управления размером кеша, его очистки или устойчивости к памяти.
2. LRU (Least Recently Used) кеширование
Этот метод используется, когда необходимо удалять из кеша давно используемые объекты. Это можно реализовать через LinkedHashMap, у которого есть встроенная поддержка порядка доступа. Подходит для кеширования, где важно ограничить размер кеша и удалять старые данные по мере заполнения. 3. Использование слабых и мягких ссылок
SoftReference — используется для кешей, которые могут быть удалены только в случае нехватки памяти. Это полезно, когда объекты кешируются, но их можно безопасно уничтожить, если система нуждается в памяти.
WeakReference — используется для более "легких" объектов, которые могут быть собраны сборщиком мусора сразу, как только на них не будет ссылок. Это подходит для краткоживущих данных.
4. Кеш с ограничением по времени (Time-based Caching)
Данные в таком кеше автоматически удаляются или обновляются после заданного времени. Это особенно полезно для данных, которые устаревают со временем, например, результаты запросов к базе данных или API.
5. Распределённое кеширование
Если приложение распределено, кеширование можно реализовать с использованием внешних инструментов, таких как Redis или Memcached, которые позволяют кешировать данные на уровне нескольких серверов и обеспечивать консистентность данных в распределённых системах.
Traders also expressed uncertainty about the situation with China Evergrande, as the indebted property company has not provided clarification about a key interest payment.In economic news, the Commerce Department reported an unexpected increase in U.S. new home sales in August.Crude oil prices climbed Friday and front-month WTI oil futures contracts saw gains for a fifth straight week amid tighter supplies. West Texas Intermediate Crude oil futures for November rose $0.68 or 0.9 percent at 73.98 a barrel. WTI Crude futures gained 2.8 percent for the week.
Importantly, that investor viewpoint is not new. It cycles in when conditions are right (and vice versa). It also brings the ineffective warnings of an overpriced market with it.Looking toward a good 2022 stock market, there is no apparent reason to expect these issues to change.
Библиотека собеса по Java | вопросы с собеседований from ye
