缓存管理器CacheManager一、背景 代码并发量因建行活动页上升，大量请求打到Mongo导致数据库cpu100%从而服务不可用，目前解决方案，使用编程式缓存，即对缓存的操作与业务代码耦合。目前基本上可以解决并发问题。此次提出CacheManager主要是优化代码。使用声明式，即注解的方式，灵活操纵缓存，不需要与业务代码耦合。二、与Springboot2集成1、引入依赖org.springframework.bootspring-boot-starter-cache2、SpringCache配置/***@Title:CacheManagerConfiguration*@author:s
1.1技术发展redis是用来解决性能问题的数据库技术的分类：解决功能性问题：Java、Jsp、RDBMS、Tomcat、HTML、Linux、JDBC、SVN解决扩展性问题：Struts、Spring、SpringMVC、Hibernate、Mybatis解决性能问题：NoSQL、Java线程、Hadoop、Nginx、MQ、ElasticSearch 1.1.1Web1.0时代在Web1.0时代，数据访问量很有限，用一夫当关的高性能的单点服务器可以解决大部分问题。 1.1.2Web2.0时代随着Web2.0的时代的到来，用户访问量大幅度提升，同时产生了大量的用户数据。加上后来的智能移动设备
1.1技术发展redis是用来解决性能问题的数据库技术的分类：解决功能性问题：Java、Jsp、RDBMS、Tomcat、HTML、Linux、JDBC、SVN解决扩展性问题：Struts、Spring、SpringMVC、Hibernate、Mybatis解决性能问题：NoSQL、Java线程、Hadoop、Nginx、MQ、ElasticSearch 1.1.1Web1.0时代在Web1.0时代，数据访问量很有限，用一夫当关的高性能的单点服务器可以解决大部分问题。 1.1.2Web2.0时代随着Web2.0的时代的到来，用户访问量大幅度提升，同时产生了大量的用户数据。加上后来的智能移动设备
2023-01-24一、NoSQL数据库1、NoSQL数据库的简介NoSQL（NoSQL=NotOnlySQL）,即“不仅仅是SQL”，泛指非关系型的数据库。NosQL不依赖业务逻辑方式存储，而以简单的key-value模式存储。因此大大的增加了数据库的扩展能力。（1）不遵循SQL标准（2）不支持ACID。（原子、一致、隔离、持久）（3）远超于SQL的性能2、NoSQL适用场景（1）对数据高并发的读写（2）海量数据的读写（3）对数据高可扩展的3、NoSQL不适用场景（1）需要事务支持（2）基于sql的结构化查询存储，处理复杂的关系。4、非关系型数据库（1）Memcache①不支持持久化②支持类
2023-01-24一、NoSQL数据库1、NoSQL数据库的简介NoSQL（NoSQL=NotOnlySQL）,即“不仅仅是SQL”，泛指非关系型的数据库。NosQL不依赖业务逻辑方式存储，而以简单的key-value模式存储。因此大大的增加了数据库的扩展能力。（1）不遵循SQL标准（2）不支持ACID。（原子、一致、隔离、持久）（3）远超于SQL的性能2、NoSQL适用场景（1）对数据高并发的读写（2）海量数据的读写（3）对数据高可扩展的3、NoSQL不适用场景（1）需要事务支持（2）基于sql的结构化查询存储，处理复杂的关系。4、非关系型数据库（1）Memcache①不支持持久化②支持类
1.键值对存储数据库键值对存储数据库是NoSQL数据库中的一种类型，也是最简单的NoSQL数据库。键对值对存储数据库中的数据是以键值对的形式来存储的。常见的键值对存储数据库有Redis、TokyoCabinet/Tyrant、Voldemort以及OracleBDB等数据库。键值对存储数据库的结构示意图如下。键值对存储数据库的结构实际上是一个映射，即Key是查找每条数据的唯一标识符，Value是该数据实际存储的内容。键值对存储数据库结构是采用哈希函数来实现键到值的映射，当查询数据时，基于Key的哈希值会直接定位到数据所在的位置，实现快速查询，并支持海量数据的高并发查询。应用场景1：会话储存场景
1.键值对存储数据库键值对存储数据库是NoSQL数据库中的一种类型，也是最简单的NoSQL数据库。键对值对存储数据库中的数据是以键值对的形式来存储的。常见的键值对存储数据库有Redis、TokyoCabinet/Tyrant、Voldemort以及OracleBDB等数据库。键值对存储数据库的结构示意图如下。键值对存储数据库的结构实际上是一个映射，即Key是查找每条数据的唯一标识符，Value是该数据实际存储的内容。键值对存储数据库结构是采用哈希函数来实现键到值的映射，当查询数据时，基于Key的哈希值会直接定位到数据所在的位置，实现快速查询，并支持海量数据的高并发查询。应用场景1：会话储存场景
combiningtwo$elemMatchquerieswithANDbooleanoperatorinMongoDB我有两个不同的mongoDB查询，代表两个不同的条件，例如：1{stuff:{$elemMatch:{foo:1,bar:"a"}}}和：1{stuff:{$elemMatch:{foo:2,bar:"b"}}}其中stuff是一个包含foo和bar字段集的元素数组。现在，我不确定如何匹配集合中同时满足上述两个条件的元素。要明确一点：在这种情况下，我需要获取所有元素，这些元素同时具有stuff的一个元素，其中foo设置为1且bar设置为"a"以及一个stuff将foo设置为2
combiningtwo$elemMatchquerieswithANDbooleanoperatorinMongoDB我有两个不同的mongoDB查询，代表两个不同的条件，例如：1{stuff:{$elemMatch:{foo:1,bar:"a"}}}和：1{stuff:{$elemMatch:{foo:2,bar:"b"}}}其中stuff是一个包含foo和bar字段集的元素数组。现在，我不确定如何匹配集合中同时满足上述两个条件的元素。要明确一点：在这种情况下，我需要获取所有元素，这些元素同时具有stuff的一个元素，其中foo设置为1且bar设置为"a"以及一个stuff将foo设置为2
