java存储系统
首先 Student stu[]=new Student[100]; 只是定义了 一个引用的数组 stu数组里放的是指向null的空的引用 并不指向Student的实例 因为你没有new Student();运行时 会报空指针异常你应该 在前面new一个Studentstu[0] = new Student();stu[0].name="张三";stu[0].id="1"; 其次 如果你Student类里 是封装了属性的 private String name;那么你直接 对stu[0].name赋值 是有编译错误的Student类中应该有这个方法public void setName(String name){this.name = name;}然后这样赋值stu[0].setName("张三");
㈡ java解决分布式存储计算
一、高性能计算
Hadoop：Hadoop的框架最核心的设计就是：HDFS和MapRece。HDFS为海量的数据提供了存储，则MapRece为海量的数据提供了计算。
Spark：Spark是UC Berkeley AMP lab所开源的类Hadoop MapRece的通用的并行，Spark，拥有Hadoop MapRece所具有的优点；但不同于MapRece的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的map rece的算法。
CUDA：CUDA(Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员现在可以使用C语言来为CUDA架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序于是就可以在支持CUDA的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN。
二、Hadoop生态系统
(1)海量数据怎么存，当然是用分布式文件系统——HDFS。
(2)数据怎么用呢，分析、处理MapRece框架，让你通过编写代码来实现对大数据的分析工作。
(3)非结构化数据（日志）收集处理——Fuse、WebDAV、Chukwa、Flume和Scribe。
(4)数据导入HDFS中，RDBMS也可以加入HDFS的狂欢了——HIHO、Sqoop。
(5)MaoRece太麻烦，用熟悉的方式操作Hadoop里的数据——Pig、Hive、Jaql。
(6)让你的数据可见——Drilldown、Intellicus。
(7)用高级语言管理你的任务流——Oozie、Cascading。
(8)Hadoop自己的监控管理工具——Hue、Karmasphere、Eclipse Plugin、Cacti、Ganglia。
(9)数据序列化处理与任务调度——Avro、ZooKeeper。
(10)更多构建在Hadoop上层的服务——Mahout、Elastic Map Rece。
(11)OLTP存储系统——HBase。
(12)基于Hadoop的实时分析——Impala。
㈢ 什么是Java缓存技术Cache
java缓存技术
一、什么是缓存
1、Cache是高速缓冲存储器 一种特殊的存储器子系统，其中复制了频繁使用的数据以利于快速访问
2、凡是位于速度相差较大的两种硬件/软件之间的，用于协调两者数据传输速度差异的结构，均可称之为 Cache
二、缓存的分类
1、基于web应用的系统架构图
2、在系统架构的不同层级之间，为了加快访问速度，都可以存在缓存
操作系统磁盘缓存->减少磁盘机械操作
数据库缓存->减少文件系统I/O
应用程序缓存->减少对数据库的查询
Web服务器缓存->减少应用服务器请求
客户端浏览器缓存->减少对网站的访问。
㈣ java存储方式是哪种
new的对象都是放到堆中，每new一个 都是相当于单独的一个“xyz”。如果string s1="xyz" string s2="xyz" 那就是图中的第二个，先在栈中创建一个s1，查找栈中有没有“xyz” 没有则存储“xyz”，执行s2的时候 先创建s2 ，然后再栈中查找“xyz”，如果查到，则直接吧s2指向“xyz”。
㈤ 有没有用Java写的轻量级开源的分布式存储系统
一个轻量级分布式KV存储系统。 如果用K记录文件路径和文件名，用V记录文件内容，就是一个轻量级分布式小文件系统。至于大文件，几乎一定是HDFS这种有元数据服务中心（NameNode）架构的。
㈥ 关于java数据保存问题
摘自《Thinking In Java》 3rd Edition
数据的六种存储位置：寄存器、栈、堆、静态存储、常量存储、非RAM存储
1． 寄存器（register）。这是最快的存储区，因为它位于不同于其他存储区的地方——处理器内部。但是寄存器的数量极其有限，所以寄存器由编译器根据需求进行分配。你不能直接控制，也不能在程序中感觉到寄存器存在的任何迹象。（先不用考虑它了）
2． 堆栈（stack，也简称为栈。位于通用RAM（random-access memory，随机访问存储器，就是内存）中，但通过它的“堆栈指针”可以从处理器那里获得直接支持。堆栈指针若向下移动，则分配新的内存；若向上移动，则释放那些内存。这是一种快速有效的分配存储方法，仅次于寄存器。创建程序时，Java 编译器必须知道存储在堆栈内所有数据的确切大小和生命周期，因为它必须生成相应的代码，以便上下移动堆栈指针。这一约束限制了程序的灵活性，所以虽然某些Java 数据存储于堆栈中——特别是对象引用，但是Java 对象并不存储于其中。（对象的引用存在栈里，但对象不在）
3． 堆（heap）。一种通用性的内存池（也存在于RAM 区），用于存放所有的Java 对象。堆不同于堆栈的好处是：编译器不需要知道要从堆里分配多少存储区域，也不必知道存储的数据在堆里存活多长时间。因此，在堆里分配存储有很大的灵活性。当你需要创建一个对象时，只需用new 写一行简单的代码，当执行这行代码时，会自动在堆里进行存储分配。当然，为这种灵活性必须要付出相应的代价。用堆进行存储分配比用堆栈进行存储存储需要更多的时间。（C++中可以用栈保存对象）
4． 静态存储（static storage），是一段特定存储区。这里的“静态”是指“在固定的位置”（尽管也在RAM 里）。静态存储里存放程序运行时一直存在的数据。你可用关键字Static 来标识一个对象的特定元素是静态的，但Java 对象本身从来不会存放在静态存储空间里。（对象的特定元素可以标记为static，但不能把对象整体标记成static）
5． 常量存储（constant storage）。常量值通常直接存放在程序代码内部，这样做是安全的，因为它们永远不会被改变。（可以把常量看作是代码的一部分）。有时，在嵌入式系统中，常量本身会和其它部分隔离开，所以在这种情况下，可以选择将其存放在ROM（read-only memory，只读存储器）中。
6． 非RAM 存储（non-RAM storage）。如果数据完全存活于程序之外，那么它可以不受程序的任何控制，在程序没有运行时也可以存在。其中两个基本的例子是“流对象（streamed object）”和“持久化对象（persistent object）”。在“流对象”中，对象转化成字节流，通常被发送给另一台机器。在“持久化对象”中，对象被存放于磁盘上，因此，即使程序终止，它们仍可以保持自己的状态。这种存储方式的技巧在于：把对象转化成可以存放在其它媒介上的事物，在需要时，可恢复成常规的、基于RAM 的对象。Java 提供对轻量级持久化（lightweight persistence）的支持，未来的Java 版本可能会为持久化提供更全面的解决方案。
㈦ Java存储到什么地方
类加载时 方法信息保存在一块称为方法区的内存中， 并不随创建对象而随对象保存于堆中。可参考《深入java虚拟机》前几章。
1.寄存器
最快的存储区，位于处理器内部，但是数量极其有限。所以寄存器根据需求进行自动分配，无法直接人为控制。
2.栈内存
位于RAM当中，通过堆栈指针可以从处理器获得直接支持。堆栈指针向下移动，则分配新的内存；向上移动，则释放那些内存。这种存储方式速度仅次于寄存器。
（常用于存放对象引用和基本数据类型，而不用于存储对象）
3.堆内存
一种通用的内存池，也位于RAM当中。其中存放的数据由JVM自动进行管理。
堆相对于栈的好处来说：编译器不需要知道存储的数据在堆里存活多长。当需要一个对象时，使用new写一行代码，当执行这行代码时，会自动在堆里进行存储分配。同时，因为以上原因，用堆进行数据的存储分配和清理，需要花费更多的时间。
㈧ 有没有用Java写的轻量级开源的分布式存储系统
1、jmeter的架构和loadrunner原理一样，都是通过中间代理，监控和收集并发客户端发出的指令，把他们生成脚本，再发送到应用服务器，再监控服务器反馈结果的一个过程；
2、分布式中间代理功能在jmeter中也有，这个分页式代理是指可设置多台代理在不同PC中，通过远程进行控制，即通过使用多台机器运行的谓的agant来分担load generator自身的压力，并借引来获取更大的并发用户数，loadrunner也有此功能；
3、jmeter安装简单，只需要解压jmeter文件包到C盘上就可以了，不用安装，要是你想执行调试测试脚本，前提是：装上jdk和netbean插件，而loadrunner安装包有1G多，在一台P3.0,1G内存的PC上安装要一个多小时，要是装过旧的盗版还不能再装新版，解决办法倒是有，但麻烦且花时间；
4、Jmeter没有IP欺骗功能，IP欺骗是指在一台PC上多个IP地址分配给并发用户，这个功能对于模拟较真实的用户环境来说，是较有用，loadrunner有此功能；
5、jmeter也提供了一个利用本地proxy server(代理服务器)来录制生成测试脚本的功能，但是这个功能并不好用，测试对象的个别参数要手工增加上去，还得附带装个IE代理，如 GoogleToolbarDownloader这些插件来捕捉参数，但是有一个工具badbody,利用这个工具可以录制操作，然后选择将脚本保存为jmeter脚本，然后利用jmeter可以打开并修改脚本；
6、Jmeter的报表较少，对于要分析测试性能不足作为依据。如要知道数据库服务器或应用程序服务的cpu,money等参数，还得在相关服务器上另外写脚本记录服务器的性能；
7、jmeter做性能测试，主要是通过增加线程的数目，或者是设置循环次数来增加并发用户，而loadrunner可以通过在场景中选择要设置什么样的场景，然后选择虚拟用户数；
8、jmeter可以通过逻辑控制器实现复杂的测试行为，相当于loadrunner中的测试场景；
9、jmeter可以做web程序的功能测试，利用jmeter中的样本，可以做灰盒测试，loadrunner主要用来做性能测试；
10、jmeter是开源的，但是使用的人较少，网络上相关资料不全面，需要自己去揣摩，而loadrunner是商业软件，如果是正版本，有技术支持，同时，网络上的资料相当多；
11、Jmeter的脚本修改，主要是针对jmeter中各个部件的熟悉程序，已经相关的一些协议的掌握情况，而不依赖于编程，而loadrunner除了复杂的场景设置外，还需要掌握函数，修改脚本。
㈨ 基于java mybatis框架的车辆存储系统设计
MyBatis框架是什么? 是一个数据持久层框架,是对JDBC的操作数据库的封装。 基于原... 使用MyBatis里面的标签,对传入的参数进行判断,根据结果,对sql语句进行拼接。
㈩ 有没有用Java写的轻量级开源的分布式存储系统
以下内容源于分布式内存文件系统：Tachyon 14年9月的文章
Tachyon是一个分布式内存文件系统，可以在集群里以访问内存的速度来访问存在tachyon里的文件。把Tachyon是架构在最底层的分布式文件存储和上层的各种计算框架之间的一种中间件。主要职责是将那些不需要落地到DFS里的文件，落地到分布式内存文件系统中，来达到共享内存，从而提高效率。同时可以减少内存冗余，GC时间等。
<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架构
Tachyon的架构是传统的Master—slave架构，这里和Hadoop类似，TachyonMaster里WorkflowManager是 Master进程，因为是为了防止单点问题，通过Zookeeper做了HA，可以部署多台Standby Master。Slave是由Worker Daemon和Ramdisk构成。这里个人理解只有Worker Daemon是基于JVM的，Ramdisk是一个off heap memory。Master和Worker直接的通讯协议是Thrift。
下图来自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是一个分布式文件存储系统，但是如果Tachyon里的容错机制是怎么样的呢？
Tachyon使用血统这个我们在Spark里的RDD里已经很熟悉了，这里也有血统这一概念。会使用血统，通过异步的向Tachyon的底层文件系统做Checkpoint。
当我们向Tachyon里面写入文件的时候，Tachyon会在后台异步的把这个文件给checkpoint到它的底层存储，比如HDFS，S3.. etc...
这里用到了一个Edge的算法，来决定checkpoint的顺序。
比较好的策略是每次当前一个checkpoint完成之后，就会checkpoint一个最新生成的文件。当然想Hadoop，Hive这样的中间文件，需要删除的，是不需要checkpoint的。
下图来自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">
关于重新计算时，资源的分配策略：
目前Tachyon支持2种资源分配策略：
1、优先级的资源分配策略
2、公平调度的分配策略
<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、总结
Tachyon是一个基于内存的分布式文件系统，通常位于分布式存储系统和计算框架直接，可以在不同框架内共享内存，同时可以减少内存冗余和基于Jvm内存计算框架的GC时间。
Tachyon也有类似RDD的血统概念，input文件和output文件都是会有血统关系，这样来达到容错。并且Tachyon也利用血统关系，异步的做checkpoint，文件丢失情况下，也能利用两种资源分配策略来优先计算丢失掉的资源。