程序员缓存怎么用

㈠ 为什么说cache对程序员是透明的

cache对程序员是透明的是因为程序员不需要知道其运行原理。因为程序员不需要知道cache的缓存机制，直接调用cache接口即可实现cache缓存。

cache独一无二地提供了三种整合的、能并发访问同一数据的数据库技术：成熟的对象访问方式，高性能的 SQL 访问方式以及丰富的多维访问。在对象数据、关系型数据以及多维数据视图之间不需要映射，这样就大大节省了开发和运行时间。

(1)程序员缓存怎么用扩展阅读：

cache的作用

Caché提供了快速 Web 应用开发、高速的事务处理、大规模的扩展性、对事务数据的实时查询。 Caché运行概述对Caché架构和性能进行了深层次的描述。 Caché的技术优势主要在为什么选择Caché这一文档中称述。

在小册子以多维引擎全面整合对象和 SQL 中，你可以了解到后关系型技术更多的优势。 Caché问与答中主要回答了一些关于Caché的常见问题，以及为什么增值商和企业选择Caché来提升他们应用的性能。

㈡ 手机网速被程序员拖住怎么办

手机网速被程序员拖住处理方法如下：
1、检查网络连接：首先要确定自己是否处于良好的网络环境中，尽可能地靠近无线路由器并确保手机信号良好衡察源，同时关闭其他手机应用程序可能会占用网络带宽的情况。咐态
2、清除缓存：程序员可能通过使用没源大量的缓存来提高应用程序的速度，但这也会导致您的手机变慢。可以通过清除应用程序的缓存，释放更多的内存和存储空间，从而提高其性能。
3、排除应用程序冲突：有时会发生应用程序之间的冲突，可能会影响您的手机性能和网速。在这种情况下，请尝试禁用或卸载不必要的应用程序，并检查是否有任何已安装的应用程序不兼容。
4、更新应用程序：更新应用程序可能会提高程序的速度和性能，从而减少对网络的负荷。请确保定期更新您的应用程序，以获取最新的修补程序和优化。
5、与开发人员联系：如果以上方法无法解决问题，您可以考虑与应用程序开发人员联系，并获得他们的帮助和支持，以找出根本原因并解决问题。

㈢ Mybatis的缓存讲解

前段时间阿粉的一个朋友和阿粉吃饭，在吃饭的时候和阿粉疯狂的吐槽面试官，说面试官问的问题都是些什么问题呀，我一个干了三四年的开发，也不说问点靠谱的，阿粉很好奇，问题问完基础的，一般不都是根据你自己的简历进行提问么？而接下来他说的出来的问题，阿粉表示，阿粉需要继续学习了。

说到这个，读者大人们肯定心想，阿粉是在开玩笑么？你一个 Java 程序员，你不知道Mybatis是啥么？不就是个持久层的框架么，这东西有啥好说的呢？但是阿粉还是要给大家说。

为什么说 Mybatis 是一个半自动 ORM 的框架呢？

ORM，是Object和Relation之间的映射，而Mybatis 在查询关联对象野乱或关联集合对象时，需要手动编写 sql 来完成，所以，称之为半自动 ORM 框架，而Hibernate 属于全自动 ORM 映射工具，使用 Hibernate 查询关联对象或者关联集合对象时，可以根据对象关系模型直接获取，所以它是全自动的。

这也是为什么有些面试官在面试初级程序员的时候，很喜欢说，你觉得 Mybatis , 和 Hibernate 都有什么优缺点，为啥你们选择使用的 Mybatis 而不选择使用 Hibernate 呢？

我们都说了 Mybatis是什么了，接下来肯定需要说说面试官都问了什么问题，能让阿粉的朋友变得非常犹豫。

当我们面试的时候，说完这个，一般情况下，面试官一定会追问下去，毕竟技术就是要问到你的知识盲区才会停止。

那我们就来画个图表示一下一级缓存

那面试官肯定会说，直接从数据库查不就行了，为啥要一级缓存呢？

当我们使用MyBatis开启一次和数据库的会话时, MyBatis 会创建出一个 SqlSession 对象表示一次与数据库之间的信息传递,在我们执行 SQL 语句的过程中,们可能会反复执行完全相同的查询语句,如果不采取一些措施,我们每一次查询都会查询一次数据库,而如果在极短的时间内做了很多次相同的查询操作,那么这些查询返回的结果很可能相同。

也就是说，如果我们在短时间内，频繁的去执行一条 SQL ,查询返回的结果本来应该是改变了，但是我们查询出来的时候，会出现结果一致的情况,正是为了解决这种问题，也为了减轻数据库的开销，所以 Mybatis 默认开启了一级缓存。

Mybatis 的二级缓存一般如果你不对他进行设置，他是不会开启的，而二级缓存是什么呢？Mybatis 中的二级缓存实际上就是 mapper 级别的缓存,而这时候肯定会有人说，那么不同之间的 Mapper 是同一个缓存么？

答案是否兄脊宏定的，他不是一个，Mapper 级别的缓存实际上就是相同的 Mapper 使用的是一个二级缓存，但是在二级缓存中，又有多个不同的 SqlSession ,而不同的 Mapper 之间的二级缓存也就是互相不会影响的。

就类似下面的图

这二级缓存是不是就看起来有点意思了？

那怎么能够羡册开启二级缓存呢？

1.MyBatis 配置文件

2.MyBatis 要求返回的 POJO 必须是可序列化的

3.Mapper 的 xml 配置文件中加入 标签

既然我们想要了解这个二级缓存,那么必然，我们还得知道它里面的配置都有哪些含义。

我们先从标签看起，然后从源码里面看都有哪些配置信息提供给我们使用：

blocking : 直译就是调度，而在 Mybatis 中,如果缓存中找不到对应的 key ，是否会一直 blocking ,直到有对应的数据进入缓存。

eviction : 缓存回收策略

而缓存回收策略，在源码中是有直接体现的，那么他们分别都对应了什么形式呢？

大家虽然看着 PERPETUAL 排在了第一位，但是它可不是默认的，在 Mybatis 的缓存策略里面，默认的是 LRU 。

PERPETUAL :

源代码如下：

恩？看着是不是有点眼熟，它怎么就只是包装了 HashMap ? 你还别奇怪，他还真的就是使用的 HashMap ，不得不说，虽然人家是使用的 HashMap ，但是那可是比咱们写的高端多了。

既然使用 HashMap ,那么必然就会有Key,那么他们的Key是怎么设计的?

CacheKey:

确实牛逼，至于内部如何初始化，如何进行操作，大家有兴趣的可以去阅读一下源码，导入个源码包，打开自己看一下。

FIFO : 先进先出缓冲淘汰策略

在 FIFO 淘汰策略中使用了 Java 中的 Deque,而 Deque 一种常用的数据结构，可以将队列看做是一种特殊的线性表，该结构遵循的先进先出原则。Java中，LinkedList实现了Queue接口,因为LinkedList进行插入、删除操作效率较高。

当你看完这个源码的时候，是不是就感觉源码其实也没有那么难看懂，里面都是我们已经掌握好的知识，只不过中间做了一些操作，进行了一些封装。

LRU : 最近最少使用的缓存策略

而 LUR 算法，阿粉之前都说过，如果对这个算法感兴趣的话，文章地址给大家送上，经典的 LRU 算法，你真的了解吗？

而我们需要看的源码则是在 Mybatis 中的源码，

SOFT : 基于垃圾回收器状态和软引用规则的对象

在看到基于垃圾回收器的时候，阿粉就已经开始兴奋了，竟然有GC的事情，那还不赶紧看看，这如此高大上(装杯)的事情，来瞅瞅吧！

WEAK : 基于垃圾收集器状态和弱引用规则的对象

WeakCache在实现上与SoftCache几乎相同，只是把引用对象由SoftReference软引用换成了WeakReference弱引用。

在这里阿粉也就不再多说了，关于 Mybatis 的二级缓存，你了解了么？下次遇到面试官问这个的时候，你应该知道怎么成功（装杯）不被打了吧。

㈣ cache是什么文件夹可以删除吗

Cache就是缓存文件，可以删除。Cache这个文件夹代表缓存，主要是我们平时在使用APP时，应用需要自动缓存的一些东西，这类文件夹一般没有重要的数据。但长时间不清理会占据存储空间，有需要的朋友可以选择性的删除释放手机内存。

cache的主要作用

cache是高速缓冲存储器，，介于CPU与主存之间，它的工作速度数倍于主存，全部功能由硬件实现，并且对程序员是透明的.buffer一般是主存.还有，一般buffer对程序员是不透明的，除非是底层的地程序员，偶尔会需要知道一些buffer的详细信息(一般是嵌入式的，必须对每个地址都要自己分配)，一般情况下，只要程序自己去分配。

㈤ 程序员必备知识（操作系统5-文件系统）

本篇与之前的第三篇的内存管理知识点有相似的地方

对于运行的进程来说，内存就像一个纸箱子, 仅仅是一个暂存数据的地方， 而且空间有限。如果我们想要进程结束之后，数据依然能够保存下来，就不能只保存在内存里，而是应该保存在 外部存储 中。就像图书馆这种地方，不仅空间大,而且能够永久保存。

我们最常用的外部存储就是 硬盘 ，数据是以文件的形式保存在硬盘上的。为了管理这些文件，我们在规划文件系统的时候，需要考虑到以下几点。

第一点,文件系统要有严格的组织形式，使得文件能够 以块为单位进行存储 。这就像图书馆里，我们会给设置一排排书架，然后再把书架分成一个个小格子，有的项目存放的资料非常多，一个格子放不下，就需要多个格子来进行存放。我们把这个区域称为存放原始资料的 仓库区 。

第二点,文件系统中也要有 索引区 ，用来方便查找一个文件分成的多个块都存放在了什么位置。这就好比，图书馆的书太多了,为了方便查找,我们需要专门设置一排书架,这里面会写清楚整个档案库有哪些资料,资料在哪个架子的哪个格子上。这样找资料的时候就不用跑遍整个档案库,在这个书架上找到后，直奔目标书架就可以了。

第三点,如果文件系统中有的文件是热点文件,近期经常被读取和写入，文件系统应该有 缓存层 。这就相当于图书馆里面的热门图书区,这里面的书都是畅销书或者是常常被借还的图书。因为借还的次数比较多,那就没必要每次有人还了之后，还放回遥远的货架，我们可以专门开辟一个区域, 放置这些借还频次高的图书。这样借还的效率就会提高。

第四点,文件应该用 文件夹 的形式组织起来，方便管理和查询。这就像在图书馆里面，你可以给这些资料分门别类,比如分成计算机类.文学类.历史类等等。这样你也容易管理，项目组借阅的时候只要在某个类别中去找就可以了。

在文件系统中，每个文件都有一个名字,这样我们访问一个文件，希望通过它的名字就可以找到。文件名就是一个普通的文本。 当然文件名会经常冲突,不同用户取相同的名字的情况还是会经常出现的。

要想把很多的文件有序地组织起来,我们就需要把它们成为 目录 或者文件夹。这样,一个文件夹里可以包含文件夹,也可以包含文件,这样就形成了一种 树形结构 。而我们可以将不同的用户放在不同的用户目录下，就可以一定程度上避免了命名的冲突问题。

第五点，Linux 内核要在自己的内存里面维护一套数据结构，来保存哪些文件被哪些进程打开和使用 。这就好比，图书馆里会有个图书管理系统，记录哪些书被借阅了，被谁借阅了，借阅了多久,什么时候归还。

文件系统是操作系统中负责管理持久数据的子系统，说简单点,就是负责把用户的文件存到磁盘硬件中,因为即使计算机断电了，磁盘里的数据并不会丢失,所以可以持久化的保存文件。

文件系统的基本数据单位是 文件 ，它的目的是对磁盘上的文件进行组织管理，那组织的方式不同,就会形成不同的文件系统。

Linux最经典的一句话是:“一切皆文件”,不仅普通的文件和目录，就连块设备、管道、socket 等，也都是统一交给文件系统管理的。

Linux文件系统会为每个文件分配两个数据结构: 索引节点(index node) 和 目录项(directory entry) ，它们主要用来记录文件的元信息和目录层次结构。

●索引节点，也就是inode, 用来记录文件的元信息，比如inode编号、文件大小访问权限、创建时间、修改时间、 数据在磁盘的位置 等等。 索引节点是文件的唯一标识 ,它们之间一一对应, 也同样都会被 存储在硬盘 中,所以索引节点同样占用磁盘空间。

●目录项，也就是dentry, 用来记录文件的名字、索引节点指针以及与其他目录项的层级关联关系。多个目录项关联起来，就会形成 目录结构 ，但它与索引节点不同的是,目录项是由内核维护的一个数据结构,不存放于磁盘，而是 缓存在内存 。

由于索引节点唯一标识一个文件，而目录项记录着文件的名，所以目录项和索引节点的关系是多对一,也就是说，一个文件可以有多个别字。比如，硬链接的实现就是多个目录项中的索引节点指向同一个文件。

注意，目录也是文件，也是用索引节点唯一标识，和普通文件不同的是，普通文件在磁盘里面保存的是文件数据，而目录文件在磁盘里面保存子目录或文件。

（PS：目录项和目录不是一个东西！你也不是一个东西（^_=）， 虽然名字很相近，但目录是个文件。持久化存储在磁盘,而目录项是内核一个数据结构,缓存在内存。

如果查询目录频繁从磁盘读，效率会很低，所以内核会把已经读过的目录用目录项这个数据结构缓存在内存，下次再次读到相同的目录时，只需从内存读就可以,大大提高了 文件系统的效率。

目录项这个数据结构不只是表示目录，也是可以表示文件的。）

磁盘读写的最小单位是 扇区 ，扇区的大小只有512B大小，很明显，如果每次读写都以这么小为单位，那这读写的效率会非常低。

所以，文件系统把多个扇区组成了一个 逻辑块 ，每次读写的最小单位就是逻辑块(数据块) , Linux中的逻辑块大小为4KB,也就是一次性读写 8个扇区,这将大大提高了磁盘的读写的效率。

以上就是索引节点、目录项以及文件数据的关系，下面这个图就很好的展示了它们之间的关系:

索引节点是存储在硬盘上的数据，那么为了加速文件的访问，通常会把索引节点加载到内存中。

另外，磁盘进行格式化的时候，会被分成三个存储区域，分别是超级块、索引节点区和数据块区。

●超级块,用来存储文件系统的详细信息，比如块个数、块大小、空闲块等等。

●索引节点区,用来存储索引节点;

●数据块区，用来存储文件或目录数据;

我们不可能把超级块和索引节点区全部加载到内存,这样内存肯定撑不住，所以只有当需要使用的时候，才将其加载进内存，它们加载进内存的时机是不同的.

●超级块:当文件系统挂载时进入内存;

●索引节点区:当文件被访问时进入内存;

文件系统的种类众多，而操作系统希望 对用户提供一个统一的接口 ，于是在用户层与文件系统层引入了中间层，这个中间层就称为 虚拟文件系统(Virtual File System, VFS) 。

VFS定义了一组所有文件系统都支持的数据结构和标准接口,这样程序员不需要了解文件系统的工作原理，只需要了解VFS提供的统一接口即可。

在Linux文件系统中，用户空间、系统调用、虚拟机文件系统、缓存、文件系统以及存储之间的关系如下图:

Linux支持的文件系统也不少，根据存储位置的不同，可以把文件系统分为三类:

●磁盘的文件系统，它是直接把数据存储在磁盘中,比如Ext 2/3/4. XFS 等都是这类文件系统。

●内存的文件系统，这类文件系统的数据不是存储在硬盘的,而是占用内存空间，我们经常用到的/proc 和/sys文件系统都属于这一类,读写这类文件,实际上是读写内核中相关的数据。

●网络的文件系统,用来访问其他计算机主机数据的文件系统，比如NFS. SMB等等。

文件系统首先要先挂载到某个目录才可以正常使用，比如Linux系统在启动时,会把文件系统挂载到根目录。

在操作系统的辅助之下，磁盘中的数据在计算机中都会呈现为易读的形式，并且我们不需要关心数据到底是如何存放在磁盘中,存放在磁盘的哪个地方等等问题，这些全部都是由操作系统完成的。

那么，文件数据在磁盘中究竟是怎么样的呢?我们来一探究竟!

磁盘中的存储单元会被划分为一个个的“ 块 ”，也被称为 扇区 ,扇区的大小一般都为512byte.这说明即使一块数据不足512byte,那么它也要占用512byte的磁盘空间。

而几乎所有的文件系统都会把文件分割成固定大小的块来存储，通常一个块的大小为4K。如果磁盘中的扇区为512byte,而文件系统的块大小为4K,那么文件系统的存储单元就为8个扇区。这也是前面提到的一个问题，文件大小和占用空间之间有什么区别?文件大小是文件实际的大小，而占用空间则是因为即使它的实际大小没有达到那么大,但是这部分空间实际也被占用，其他文件数据无法使用这部分的空间。所以我们 写入1byte的数据到文本中,但是它占用的空间也会是4K。

这里要注意在Windows下的NTFS文件系统中，如果一开始文件数据小于 1K,那么则不会分配磁盘块来存储，而是存在一个文件表中。但是一旦文件数据大于1K,那么不管以后文件的大小，都会分配以4K为单位的磁盘空间来存储。

与内存管理一样,为了方便对磁盘的管理,文件的逻辑地址也被分为一个个的文件块。于是文件的逻辑地址就是(逻辑块号，块内地址)。用户通过逻辑地址来操作文件,操作系统负责完成逻辑地址与物理地址的映射。

不同的文件系统为文件分配磁盘空间会有不同的方式，这些方式各自都有优缺点。

连续分配要求每个文件在磁盘上有一组连续的块，该分配方式较为简单。

通过上图可以看到，文件的逻辑块号的顺序是与物理块号相同的,这样就可以实现随机存取了，只要知道了第一个逻辑块的物理地址, 那么就可以快速访问到其他逻辑块的物理地址。那么操作系统如何完成逻辑块与物理块之间的映射呢?实际上,文件都是存放在目录下的，而目录是一种有结构文件, 所以在文件目录的记录中会存放目录下所有文件的信息，每一个文件或者目录都是一个记录。 而这些信息就包括文件的起始块号和占有块号的数量。

那么操作系统如何完成逻辑块与物理块之间的映射呢? (逻辑块号, 块内地址) -> (物理块号, 块内地址)，只需要知道逻辑块号对应的物理块号即可,块内地址不变。

用户访问一个文件的内容,操作系统通过文件的标识符找到目录项FCB, 物理块号=起始块号+逻辑块号。 当然，还需要检查逻辑块号是否合法,是否超过长度等。因为可以根据逻辑块号直接算出物理块号，所以连续分配支持 顺序访问和随机访问 。

因为读/写文件是需要移动磁头的，如果访问两个相隔很远的磁盘块,移动磁头的时间就会变长。使用连续分配来作为文件的分配方式，会使文件的磁盘块相邻，所以文件的读/写速度最快。

连续空间存放的方式虽然读写效率高，但是有 磁盘空间碎片 和 文件长度不易扩展 的缺陷。

如下图，如果文件B被删除，磁盘上就留下一块空缺，这时，如果新来的文件小于其中的一个空缺，我们就可以将其放在相应空缺里。但如果该文件的大小大于所

有的空缺，但却小于空缺大小之和，则虽然磁盘上有足够的空缺，但该文件还是不能存放。当然了，我们可以通过将现有文件进行挪动来腾出空间以容纳新的文件,但是这个在磁盘挪动文件是非常耗时，所以这种方式不太现实。

另外一个缺陷是文件长度扩展不方便，例如上图中的文件A要想扩大一下，需要更多的磁盘空间,唯一的办法就只能是挪动的方式，前面也说了，这种方式效率是非常低的。

那么有没有更好的方式来解决上面的问题呢?答案当然有，既然连续空间存放的方式不太行，那么我们就改变存放的方式，使用非连续空间存放方式来解决这些缺陷。

非连续空间存放方式分为 链表方式 和 索引方式 。

链式分配采取离散分配的方式，可以为文件分配离散的磁盘块。它有两种分配方式:显示链接和隐式链接。

隐式链接是只目录项中只会记录文件所占磁盘块中的第一块的地址和最后一块磁盘块的地址, 然后通过在每一个磁盘块中存放一个指向下一 磁盘块的指针， 从而可以根据指针找到下一块磁盘块。如果需要分配新的磁盘块,则使用最后一块磁盘块中的指针指向新的磁盘块,然后修改新的磁盘块为最后的磁盘块。

我们来思考一个问题, 采用隐式链接如何将实现逻辑块号转换为物理块号呢?

用户给出需要访问的逻辑块号i,操作系统需要找到所需访问文件的目录项FCB.从目录项中可以知道文件的起始块号，然后将逻辑块号0的数据读入内存,由此知道1号逻辑块的物理块号，然后再读入1号逻辑块的数据进内存，此次类推，最终可以找到用户所需访问的逻辑块号i。访问逻辑块号i,总共需要i+ 1次磁盘1/0操作。

得出结论: 隐式链接分配只能顺序访问，不支持随机访问，查找效率低 。

我们来思考另外一个问题，采用隐式链接是否方便文件拓展?

我们知道目录项中存有结束块号的物理地址，所以我们如果要拓展文件，只需要将新分配的磁盘块挂载到结束块号的后面即可，修改结束块号的指针指向新分配的磁盘块，然后修改目录项。

得出结论: 隐式链接分配很方便文件拓展。所有空闲磁盘块都可以被利用到，无碎片问题，存储利用率高。

显示链接是把用于链接各个物理块的指针显式地存放在一张表中，该表称为文件分配表(FAT, File Allocation Table)。

由于查找记录的过程是在内存中进行的,因而不仅显着地 提高了检索速度 ，而且 大大减少了访问磁盘的次数 。但也正是整个表都存放在内存中的关系，它的主要的缺点是 不适 用于大磁盘 。

比如，对于200GB的磁盘和1KB大小的块，这张表需要有2亿项，每一项对应于这2亿个磁盘块中的一个块,每项如果需要4个字节，那这张表要占用800MB内存,很显然FAT方案对于大磁盘而言不太合适。

一直都在，加油！（*゜Д゜）σ凸←自爆按钮

链表的方式解决了连续分配的磁盘碎片和文件动态打展的问题，但是不能有效支持直接访问(FAT除外) ,索引的方式可以解决这个问题。

索引的实现是为每个文件创建一个 索引数据块 ，里面存放的 是指向文件数据块的指针列表 ,说白了就像书的目录一样,要找哪个章节的内容,看目录查就可以。

另外， 文件头需要包含指向索引数据块的指针 ,这样就可以通过文件头知道索引数据块的位置，再通过索弓|数据块里的索引信息找到对应的数据块。

创建文件时，索引块的所有指针都设为空。当首次写入第i块时，先从空闲空间中取得一个块， 再将其地址写到索引块的第i个条目。

索引的方式优点在于:

●文件的创建、增大、缩小很方便;

●不会有碎片的问题;

●支持顺序读写和随机读写;

由于索引数据也是存放在磁盘块的，如果文件很小，明明只需一块就可以存放的下，但还是需要额外分配一块来存放索引数据，所以缺陷之一就是存储索引带来的开销。

如果文件很大，大到一个索引数据块放不下索引信息，这时又要如何处理大文件的存放呢?我们可以通过组合的方式，来处理大文件的存储。

先来看看 链表+索引 的组合，这种组合称为 链式索引块 ，它的实现方式是在 索引数据块留出一个存放下一个索引数据块的指针 ，于是当一个索引数据块的索引信息用完了，就可以通过指针的方式，找到下一个索引数据块的信息。那这种方式也会出现前面提到的链表方式的问题，万一某个指针损坏了，后面的数据也就会无法读取了。

还有另外一种组合方式是 索引+索引 的方式，这种组合称为多级索引块，实现方式是通过一个索引块来存放多个索引数据块,一层套一层索引， 像极了俄罗斯套娃是吧๑乛◡乛๑ 

前面说到的文件的存储是针对已经被占用的数据块组织和管理，接下来的问题是，如果我要保存一个数据块, 我应该放在硬盘上的哪个位置呢?难道需要将所有的块扫描一遍，找个空的地方随便放吗?

那这种方式效率就太低了，所以针对磁盘的空闲空间也是要引入管理的机制，接下来介绍几种常见的方法:

●空闲表法

●空闲链表法

●位图法

空闲表法

空闲表法就是为所有空闲空间建立一张表，表内容包括空闲区的第一个块号和该空闲区的块个数，注意，这个方式是连续分配的。如下图:

当请求分配磁盘空间时，系统依次扫描空闲表里的内容，直到找到一个合适的空闲区域为止。当用户撤销一个文件时，系统回收文件空间。这时，也需顺序扫描空闲表,寻找一个空闲表条目并将释放空间的第一个物理块号及它占用的块数填到这个条目中。

这种方法仅当有少量的空闲区时才有较好的效果。因为，如果存储空间中有着大量的小的空闲区,则空闲表变得很大,这样查询效率会很低。另外，这种分配技术适用于建立连续文件。

空闲链表法

我们也可以使用链表的方式来管理空闲空间，每一个空闲块里有一个指针指向下一个空闲块，这样也能很方便的找到空闲块并管理起来。如下图：

当创建文件需要一块或几块时，就从链头上依次取下一块或几块。反之，当回收空间时，把这些空闲块依次接到链头上。

这种技术只要在主存中保存一个指针, 令它指向第一个空闲块。其特点是简单,但不能随机访问，工作效率低，因为每当在链上增加或移动空闲块时需要做很多1/0操作,同时数据块的指针消耗了一定的存储空间。

空闲表法和空闲链表法都不适合用于大型文件系统，因为这会使空闲表或空闲链表太大。

位图法

位图是利用二进制的一位来表示磁盘中一个盘块的使用情况，磁盘上所有的盘块都有一个二进制位与之对应。

当值为0时，表示对应的盘块空闲，值为1时，表示对应的盘块已分配。它形式如下:

在Linux文件系统就采用了位图的方式来管理空闲空间,不仅用于数据空闲块的管理,还用于inode空闲块的管理，因为inode也是存储在磁盘的，自然也要有对其管理。

前面提到Linux是用位图的方式管理空闲空间，用户在创建一个新文件时， Linux 内核会通过inode的位图找到空闲可用的inode,并进行分配。要存储数据时，会通过块的位图找到空闲的块，并分配，但仔细计算一下还是有问题的。

数据块的位图是放在磁盘块里的，假设是放在一个块里,一个块4K,每位表示一个数据块,共可以表示4 * 1024 * 8 = 2^15个空闲块,由于1个数据块是4K大小，那么最大可以表示的空间为2^15 * 4 * 1024 = 2^27个byte,也就是128M。

也就是说按照上面的结构，如果采用（一个块的位图+ 一系列的块），外加一（个块的inode的位图+一系列的inode）的结构能表示的最大空间也就128M,

这太少了，现在很多文件都比这个大。

在Linux文件系统，把这个结构称为一个 块组 ，那么有N多的块组,就能够表示N大的文件。

最终,整个文件系统格式就是下面这个样子。

最前面的第一个块是引导块,在系统启动时用于启用引导，接着后面就是一个一个连续的块组了,块组的内容如下:

● 超级块 ,包含的是文件系统的重要信息，比如inode总个数、块总个数、每个块组的inode个数、每个块组的块个数等等。

● 块组描述符 ,包含文件系统中各个块组的状态,比如块组中空闲块和inode的数目等，每个块组都包含了文件系统中“所有块组的组描述符信息”。

● 数据位图和inode位图 ，用于表示对应的数据块或inode是空闲的，还是被使用中。

● inode 列表 ，包含了块组中所有的inode, inode 用于保存文件系统中与各个文件和目录相关的所有元数据。

● 数据块 ，包含文件的有用数据。

你可以会发现每个块组里有很多重复的信息，比如 超级块和块组描述符表，这两个都是全局信息，而且非常的重要 ，这么做是有两个原因:

●如果系统崩溃破坏了超级块或块组描述符,有关文件系统结构和内容的所有信息都会丢失。如果有冗余的副本,该信息是可能恢复的。

●通过使文件和管理数据尽可能接近，减少了磁头寻道和旋转,这可以提高文件系统的性能。

不过，Ext2 的后续版本采用了稀疏技术。该做法是，超级块和块组描述符表不再存储到文件系统的每个块组中,而是只写入到块组0、块组1和其他ID可以表示为3、5、7的幂的块组中。

在前面，我们知道了一个普通文件是如何存储的，但还有一个特殊的文件,经常用到的目录，它是如何保存的呢?

基于Linux 一切切皆文件的设计思想，目录其实也是个文件,你甚至可以通过vim打开它，它也有inode, inode 里面也是指向一些块。

和普通文件不同的是， 普通文件的块里面保存的是文件数据，而目录文件的块里面保存的是目录里面一项一项的文件信息 。

在目录文件的块中，最简单的保存格式就是 列表 ，就是一项一项地将目录下的文件信息(如文件名、文件inode.文件类型等)列在表里。

列表中每一项就代表该目录下的文件的文件名和对应的inode,通过这个inode,就可以找到真正的文件。

通常，第一项是“则”，表示当前目录,第二项是.，表示上一级目录, 接下来就是一项一项的文件名和inode。

如果一个目录有超级多的文件,我们要想在这个目录下找文件,按照列表一项一项的找,效率就不高了。

于是，保存目录的格式改成 哈希表 ，对文件名进行哈希计算,把哈希值保存起来,如果我们要查找一个目录下面的文件名，可以通过名称取哈希。如果哈希能够匹配上,就说明这个文件的信息在相应的块里面。

Linux系统的ext文件系统就是采用了哈希表，来保存目录的内容,这种方法的优点是查找非常迅速，插入和删除也较简单,不过需要一些预备措施来避免哈希冲突。

目录查询是通过在磁盘上反复搜索完成，需要不断地进行/0操作,开销较大。所以,为了减少/0操作,把当前使用的文件目录缓存在内存，以后要使用该文件时只要在内存中操作，从而降低了磁盘操作次数,提高了文件系统的访问速度。

感谢您的阅读，希望您能摄取到知识！加油！冲冲冲！（发现光，追随光，成为光，散发光！）我是程序员耶耶！有缘再见。<－biubiu－⊂(`ω´∩)

㈥ python缓存数据除了全局变量

python缓存数据除了全局变量，就是Python将一些值预先岁凯存好，告雀哪当定义一个变量，并给他赋值时，会先匹配这些缓存好的值，如果有匹配的话，就将变量指袜码向对应的内存。

㈦ 电脑的缓冲区是指什么

你知道：电脑缓冲区就像你在网上看电影，有时候需要缓冲才能播放一样。x0dx0a 也就是说我们的电脑内存分成5个区，他们分别是堆、栈、自由存储区、全局/静态存储区和常量存储区x0dx0ax0dx0a 1.栈，就是那些由编译器在需要的时候分配，在不需要的时候自动清楚的变量的存储区。里面的变量通常是局部变量、函数参数等。x0dx0ax0dx0a 2.堆，就是那些由new分配的内存块，他们的释放编译器不去管，由我们的应用程序去控制，一般一个new就要对应一个delete.如果程序员没有释放掉，那么在程序结束后，操作系统会自动回收。x0dx0ax0dx0a 3.自由存储区，就是那些由malloc等分配的内存块，他和堆是十分相似的，不过它是用free来结束自己的生命的。x0dx0ax0dx0a 4.全局/静态存储区，全局变量和静态变量被分配到同一块虚谈败内存中，在以前的C语言中，全局变量又分为初始化的和未初始化的，在C++里面没有这个区分了，他们共同占用同一块内存区。x0dx0ax0dx0a 5.常量存储区，这是一块比较差颤特殊的存侍宽储区，他们里面存放的是常量，不允许修改（当然，你要通过非正当手段也可以修改）x0dx0ax0dx0a 然而------------电脑缓冲区就是预留下来的做为急用的那一部分。

㈧ C#中如何把数据备份到缓存中

这种问题我细想了下，有三种解决办法，把你数据库中的“数据量”与程序要求分析数据的“复杂度”平衡一下：
第一种：数据量小且算法复杂，你可以把分析后的数据按一定格式（如XML、JSON等）转存到文件中，以后程序再要读这些信息的时候，直接读转存的缓存文件就可以了；
第二种：数据量大且算法简单，读取转存文件是没有直接在数据库中取记录执行速度快的，如果这样的话，你可以把原始数据备份到一个表中，用你的程序读取这个表中的数据（其实我觉得这个没什么必要）。
第三种：数据量大且算法复杂，这样的话，只有把程序计算出的结果存到另一个表中，而不是文件中，这样的话，可以权衡利弊，保证最大的效率。

自己的想法，高手们跟帖谈谈见解。

㈨ JS清除IE浏览器缓存的方法

js中自动清除ie缓存方法 — 常用 对于动态文件 比如 index asp?id= 或者 index aspx?id= 相信有经验的程序员都知道怎样禁止浏览器缓存数据了 但是对于静态文件(css jpg gif等等) 在什么场合下面我们需要禁止浏览器缓存他们 怎么做? 方法一 Dojo中我们可以用简单的方法完成 在dojo xhrGet(包括post)等方法中都包含preventCache属性 此属性的含义 “默认为启用浏览器缓存 否则将通过自动增加不同的参数来确保浏览器缓存失效” 我们只袜租要把此属性赋值为 “true”即可 方法二 document write(" 其中 ver= 的 就是版本号 一般都是采用 CVS 或其他工具生成的开发版本号 这样真正做到了应该缓存的时候缓存静态告茄兆文件 当版本有更新的时候从获取最新的版本 并更新缓存 对于图像 来有效利用和更新缓存 js清除浏览器缓存 二 为 了减小浏览器与服务器之间网络传输压力 往往对静态文件 如js css 修饰的图片做cache 也就是给这些文件的HTTP响应头加入 Expires和Cache Control参数 并指定缓存时间 这样一定时间内浏览器就不会给服务器发出任何的HTTP请求(除了强制刷新) 即使在 这段时间内服务器的js或css或图片文件已经更新多次 但浏览器的数据依然是原来最能初cache的旧数据 有没有办法让浏览器拿到已经修改后的最新数 据呢? 有 方法是用ajax请求服务器最纳岁新文件 并加上请求头If Modified Since和Cache Control 如下:

这里用了jquery 这样浏览器就会把最新的文件替换掉本地旧文件 当然 这里还一个问题就是js必须知道服务器更新了那个js css 图片 利用cookie和时间版本应该可以解决 jquery自从 开始就有ifModified和cache参数了 不用自己加header ifModified Boolean Default: false Allow the request to be successful only if the response has changed since the last request This is done by checking the Last Modified header Default value is false ignoring the header cache Boolean Default: true Added in jQuery if set to false it will force the pages that you request to not be cached by the browser

㈩ 如何处理大量数据并发操作

处理大量数据并发操作可以采用如下几种方法:

1.使用缓存：使用程序直接保存到内存中。或者使用缓存框架: 用一个特定的类型值来保存，以区别空数据和未缓存的两种状态。

2.数据库优化：表结构优化;SQL语句优化，语法优化和处理逻辑优化;分区;分表;索引优化;使用存储过程代替直接操作。

3.分离活跃数据:可以分为活跃用户和不活跃用户。

4.批量读取和延迟修改: 高并发情况可以将多个查询请求合并到一个。高并发且频繁修改的可以暂存缓存中。

5.读写分离: 数据库服务器配置多个，配置主从数据库。写用主数据库，读用从数据库。

6.分布式数据库: 将不同的表存放到不同的数据库中，然后再放到不同的服务器中。

7.NoSql和Hadoop: NoSql，not only SQL。没有关系型数据库那么多限制，比较灵活高效。Hadoop，将一个表中的数据分层多块，保存到多个节点（分布式）。每一块数据都有多个节点保存（集群）。集群可以并行处理相同的数据，还可以保证数据的完整性。

拓展资料:

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。