java存儲系統
首先 Student stu[]=new Student[100]; 只是定義了 一個引用的數組 stu數組里放的是指向null的空的引用 並不指向Student的實例 因為你沒有new Student();運行時 會報空指針異常你應該 在前面new一個Studentstu[0] = new Student();stu[0].name="張三";stu[0].id="1"; 其次 如果你Student類里 是封裝了屬性的 private String name;那麼你直接 對stu[0].name賦值 是有編譯錯誤的Student類中應該有這個方法public void setName(String name){this.name = name;}然後這樣賦值stu[0].setName("張三");
㈡ java解決分布式存儲計算
一、高性能計算
Hadoop：Hadoop的框架最核心的設計就是：HDFS和MapRece。HDFS為海量的數據提供了存儲，則MapRece為海量的數據提供了計算。
Spark：Spark是UC Berkeley AMP lab所開源的類Hadoop MapRece的通用的並行，Spark，擁有Hadoop MapRece所具有的優點；但不同於MapRece的是Job中間輸出結果可以保存在內存中，從而不再需要讀寫HDFS，因此Spark能更好地適用於數據挖掘與機器學習等需要迭代的map rece的演算法。
CUDA：CUDA(Compute Unified Device Architecture)，是顯卡廠商NVIDIA推出的運算平台。 CUDA是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題。 它包含了CUDA指令集架構（ISA）以及GPU內部的並行計算引擎。 開發人員現在可以使用C語言來為CUDA架構編寫程序，C語言是應用最廣泛的一種高級編程語言。所編寫出的程序於是就可以在支持CUDA的處理器上以超高性能運行。CUDA3.0已經開始支持C++和FORTRAN。
二、Hadoop生態系統
(1)海量數據怎麼存，當然是用分布式文件系統——HDFS。
(2)數據怎麼用呢，分析、處理MapRece框架，讓你通過編寫代碼來實現對大數據的分析工作。
(3)非結構化數據（日誌）收集處理——Fuse、WebDAV、Chukwa、Flume和Scribe。
(4)數據導入HDFS中，RDBMS也可以加入HDFS的狂歡了——HIHO、Sqoop。
(5)MaoRece太麻煩，用熟悉的方式操作Hadoop里的數據——Pig、Hive、Jaql。
(6)讓你的數據可見——Drilldown、Intellicus。
(7)用高級語言管理你的任務流——Oozie、Cascading。
(8)Hadoop自己的監控管理工具——Hue、Karmasphere、Eclipse Plugin、Cacti、Ganglia。
(9)數據序列化處理與任務調度——Avro、ZooKeeper。
(10)更多構建在Hadoop上層的服務——Mahout、Elastic Map Rece。
(11)OLTP存儲系統——HBase。
(12)基於Hadoop的實時分析——Impala。
㈢ 什麼是Java緩存技術Cache
java緩存技術
一、什麼是緩存
1、Cache是高速緩沖存儲器 一種特殊的存儲器子系統，其中復制了頻繁使用的數據以利於快速訪問
2、凡是位於速度相差較大的兩種硬體/軟體之間的，用於協調兩者數據傳輸速度差異的結構，均可稱之為 Cache
二、緩存的分類
1、基於web應用的系統架構圖
2、在系統架構的不同層級之間，為了加快訪問速度，都可以存在緩存
操作系統磁碟緩存->減少磁碟機械操作
資料庫緩存->減少文件系統I/O
應用程序緩存->減少對資料庫的查詢
Web伺服器緩存->減少應用伺服器請求
客戶端瀏覽器緩存->減少對網站的訪問。
㈣ java存儲方式是哪種
new的對象都是放到堆中，每new一個 都是相當於單獨的一個「xyz」。如果string s1="xyz" string s2="xyz" 那就是圖中的第二個，先在棧中創建一個s1，查找棧中有沒有「xyz」 沒有則存儲「xyz」，執行s2的時候 先創建s2 ，然後再棧中查找「xyz」，如果查到，則直接吧s2指向「xyz」。
㈤ 有沒有用Java寫的輕量級開源的分布式存儲系統
一個輕量級分布式KV存儲系統。 如果用K記錄文件路徑和文件名，用V記錄文件內容，就是一個輕量級分布式小文件系統。至於大文件，幾乎一定是HDFS這種有元數據服務中心（NameNode）架構的。
㈥ 關於java數據保存問題
摘自《Thinking In Java》 3rd Edition
數據的六種存儲位置：寄存器、棧、堆、靜態存儲、常量存儲、非RAM存儲
1． 寄存器（register）。這是最快的存儲區，因為它位於不同於其他存儲區的地方——處理器內部。但是寄存器的數量極其有限，所以寄存器由編譯器根據需求進行分配。你不能直接控制，也不能在程序中感覺到寄存器存在的任何跡象。（先不用考慮它了）
2． 堆棧（stack，也簡稱為棧。位於通用RAM（random-access memory，隨機訪問存儲器，就是內存）中，但通過它的「堆棧指針」可以從處理器那裡獲得直接支持。堆棧指針若向下移動，則分配新的內存；若向上移動，則釋放那些內存。這是一種快速有效的分配存儲方法，僅次於寄存器。創建程序時，Java 編譯器必須知道存儲在堆棧內所有數據的確切大小和生命周期，因為它必須生成相應的代碼，以便上下移動堆棧指針。這一約束限制了程序的靈活性，所以雖然某些Java 數據存儲於堆棧中——特別是對象引用，但是Java 對象並不存儲於其中。（對象的引用存在棧里，但對象不在）
3． 堆（heap）。一種通用性的內存池（也存在於RAM 區），用於存放所有的Java 對象。堆不同於堆棧的好處是：編譯器不需要知道要從堆里分配多少存儲區域，也不必知道存儲的數據在堆里存活多長時間。因此，在堆里分配存儲有很大的靈活性。當你需要創建一個對象時，只需用new 寫一行簡單的代碼，當執行這行代碼時，會自動在堆里進行存儲分配。當然，為這種靈活性必須要付出相應的代價。用堆進行存儲分配比用堆棧進行存儲存儲需要更多的時間。（C++中可以用棧保存對象）
4． 靜態存儲（static storage），是一段特定存儲區。這里的「靜態」是指「在固定的位置」（盡管也在RAM 里）。靜態存儲里存放程序運行時一直存在的數據。你可用關鍵字Static 來標識一個對象的特定元素是靜態的，但Java 對象本身從來不會存放在靜態存儲空間里。（對象的特定元素可以標記為static，但不能把對象整體標記成static）
5． 常量存儲（constant storage）。常量值通常直接存放在程序代碼內部，這樣做是安全的，因為它們永遠不會被改變。（可以把常量看作是代碼的一部分）。有時，在嵌入式系統中，常量本身會和其它部分隔離開，所以在這種情況下，可以選擇將其存放在ROM（read-only memory，只讀存儲器）中。
6． 非RAM 存儲（non-RAM storage）。如果數據完全存活於程序之外，那麼它可以不受程序的任何控制，在程序沒有運行時也可以存在。其中兩個基本的例子是「流對象（streamed object）」和「持久化對象（persistent object）」。在「流對象」中，對象轉化成位元組流，通常被發送給另一台機器。在「持久化對象」中，對象被存放於磁碟上，因此，即使程序終止，它們仍可以保持自己的狀態。這種存儲方式的技巧在於：把對象轉化成可以存放在其它媒介上的事物，在需要時，可恢復成常規的、基於RAM 的對象。Java 提供對輕量級持久化（lightweight persistence）的支持，未來的Java 版本可能會為持久化提供更全面的解決方案。
㈦ Java存儲到什麼地方
類載入時 方法信息保存在一塊稱為方法區的內存中， 並不隨創建對象而隨對象保存於堆中。可參考《深入java虛擬機》前幾章。
1.寄存器
最快的存儲區，位於處理器內部，但是數量極其有限。所以寄存器根據需求進行自動分配，無法直接人為控制。
2.棧內存
位於RAM當中，通過堆棧指針可以從處理器獲得直接支持。堆棧指針向下移動，則分配新的內存；向上移動，則釋放那些內存。這種存儲方式速度僅次於寄存器。
（常用於存放對象引用和基本數據類型，而不用於存儲對象）
3.堆內存
一種通用的內存池，也位於RAM當中。其中存放的數據由JVM自動進行管理。
堆相對於棧的好處來說：編譯器不需要知道存儲的數據在堆里存活多長。當需要一個對象時，使用new寫一行代碼，當執行這行代碼時，會自動在堆里進行存儲分配。同時，因為以上原因，用堆進行數據的存儲分配和清理，需要花費更多的時間。
㈧ 有沒有用Java寫的輕量級開源的分布式存儲系統
1、jmeter的架構和loadrunner原理一樣，都是通過中間代理，監控和收集並發客戶端發出的指令，把他們生成腳本，再發送到應用伺服器，再監控伺服器反饋結果的一個過程；
2、分布式中間代理功能在jmeter中也有，這個分頁式代理是指可設置多台代理在不同PC中，通過遠程進行控制，即通過使用多台機器運行的謂的agant來分擔load generator自身的壓力，並借引來獲取更大的並發用戶數，loadrunner也有此功能；
3、jmeter安裝簡單，只需要解壓jmeter文件包到C盤上就可以了，不用安裝，要是你想執行調試測試腳本，前提是：裝上jdk和netbean插件，而loadrunner安裝包有1G多，在一台P3.0,1G內存的PC上安裝要一個多小時，要是裝過舊的盜版還不能再裝新版，解決辦法倒是有，但麻煩且花時間；
4、Jmeter沒有IP欺騙功能，IP欺騙是指在一台PC上多個IP地址分配給並發用戶，這個功能對於模擬較真實的用戶環境來說，是較有用，loadrunner有此功能；
5、jmeter也提供了一個利用本地proxy server(代理伺服器)來錄制生成測試腳本的功能，但是這個功能並不好用，測試對象的個別參數要手工增加上去，還得附帶裝個IE代理，如 GoogleToolbarDownloader這些插件來捕捉參數，但是有一個工具badbody,利用這個工具可以錄制操作，然後選擇將腳本保存為jmeter腳本，然後利用jmeter可以打開並修改腳本；
6、Jmeter的報表較少，對於要分析測試性能不足作為依據。如要知道資料庫伺服器或應用程序服務的cpu,money等參數，還得在相關伺服器上另外寫腳本記錄伺服器的性能；
7、jmeter做性能測試，主要是通過增加線程的數目，或者是設置循環次數來增加並發用戶，而loadrunner可以通過在場景中選擇要設置什麼樣的場景，然後選擇虛擬用戶數；
8、jmeter可以通過邏輯控制器實現復雜的測試行為，相當於loadrunner中的測試場景；
9、jmeter可以做web程序的功能測試，利用jmeter中的樣本，可以做灰盒測試，loadrunner主要用來做性能測試；
10、jmeter是開源的，但是使用的人較少，網路上相關資料不全面，需要自己去揣摩，而loadrunner是商業軟體，如果是正版本，有技術支持，同時，網路上的資料相當多；
11、Jmeter的腳本修改，主要是針對jmeter中各個部件的熟悉程序，已經相關的一些協議的掌握情況，而不依賴於編程，而loadrunner除了復雜的場景設置外，還需要掌握函數，修改腳本。
㈨ 基於java mybatis框架的車輛存儲系統設計
MyBatis框架是什麼? 是一個數據持久層框架,是對JDBC的操作資料庫的封裝。 基於原... 使用MyBatis裡面的標簽,對傳入的參數進行判斷,根據結果,對sql語句進行拼接。
㈩ 有沒有用Java寫的輕量級開源的分布式存儲系統
以下內容源於分布式內存文件系統：Tachyon 14年9月的文章
Tachyon是一個分布式內存文件系統，可以在集群里以訪問內存的速度來訪問存在tachyon里的文件。把Tachyon是架構在最底層的分布式文件存儲和上層的各種計算框架之間的一種中間件。主要職責是將那些不需要落地到DFS里的文件，落地到分布式內存文件系統中，來達到共享內存，從而提高效率。同時可以減少內存冗餘，GC時間等。
<img src="https://pic3.mg.com/_b.png" data-rawwidth="810" data-rawheight="311" class="origin_image zh-lightbox-thumb" width="810" data-original="https://pic3.mg.com/_r.png">
Tachyon架構
Tachyon的架構是傳統的Master—slave架構，這里和Hadoop類似，TachyonMaster里WorkflowManager是 Master進程，因為是為了防止單點問題，通過Zookeeper做了HA，可以部署多台Standby Master。Slave是由Worker Daemon和Ramdisk構成。這里個人理解只有Worker Daemon是基於JVM的，Ramdisk是一個off heap memory。Master和Worker直接的通訊協議是Thrift。
下圖來自Tachyon的作者Haoyuan Li：
<img src="https://pic4.mg.com/_b.png" data-rawwidth="854" data-rawheight="571" class="origin_image zh-lightbox-thumb" width="854" data-original="https://pic4.mg.com/_r.png">
三、Fault Tolerant
Tachyon是一個分布式文件存儲系統，但是如果Tachyon里的容錯機制是怎麼樣的呢？
Tachyon使用血統這個我們在Spark里的RDD里已經很熟悉了，這里也有血統這一概念。會使用血統，通過非同步的向Tachyon的底層文件系統做Checkpoint。
當我們向Tachyon裡面寫入文件的時候，Tachyon會在後台非同步的把這個文件給checkpoint到它的底層存儲，比如HDFS，S3.. etc...
這里用到了一個Edge的演算法，來決定checkpoint的順序。
比較好的策略是每次當前一個checkpoint完成之後，就會checkpoint一個最新生成的文件。當然想Hadoop，Hive這樣的中間文件，需要刪除的，是不需要checkpoint的。
下圖來自Tachyon的作者Haoyuan Li：
<img src="https://pic1.mg.com/_b.png" data-rawwidth="822" data-rawheight="609" class="origin_image zh-lightbox-thumb" width="822" data-original="https://pic1.mg.com/_r.png">
關於重新計算時，資源的分配策略：
目前Tachyon支持2種資源分配策略：
1、優先順序的資源分配策略
2、公平調度的分配策略
<img src="https://pic2.mg.com/_b.png" data-rawwidth="940" data-rawheight="621" class="origin_image zh-lightbox-thumb" width="940" data-original="https://pic2.mg.com/_r.png">
四、總結
Tachyon是一個基於內存的分布式文件系統，通常位於分布式存儲系統和計算框架直接，可以在不同框架內共享內存，同時可以減少內存冗餘和基於Jvm內存計算框架的GC時間。
Tachyon也有類似RDD的血統概念，input文件和output文件都是會有血統關系，這樣來達到容錯。並且Tachyon也利用血統關系，非同步的做checkpoint，文件丟失情況下，也能利用兩種資源分配策略來優先計算丟失掉的資源。