xmemcached发布
1.0-beta，从0.60直接到1.0-beta，主要改进如下：
1、支持更多协议，在已有协议支持的基础上添加了append、prepend、gets、批量gets、cas协议的支持，具体请查看XMemcachedClient类的实例方法。重点是cas操作，下文将详细描述下。 2、memcached分布支持，支持连接多个memcached server，支持简单的余数分布和一致性哈希分布。 3、0.60版本以来的bug修复。
memcached 1.2.4之后开始支持cas协议，该协议存储数据同时发送一个版本号，只有当这个版本号与memcached server上该key的最新版本一致时才更新成功，否则返回EXISTS，版本号的获取需要通过gets协议获得，cas全称就是compare and set，如果对hibernate乐观锁和java.util.concurrent.atomic包都比较熟悉的话这个概念应该很了解了。xmemcached 1.0-beta开始支持cas协议，看例子：
XMemcachedClient client
=
new
XMemcachedClient(); client.addServer(
"
localhost
"
,
11211
); client.set(
"
a
"
,
0
,
1
);
//
设置a为1
GetsResponse result
=
client.gets(
"
a
"
);
long
cas
=
result.getCas();
//
获取当前cas
//
尝试更新a成2
if
(
!
client.cas(
"
a
"
,
0
,
2
, cas)) System.err.println(
"
cas error
"
);
XMemcachedClient.cas(final String key, final int exp, Object value, long cas)将尝试更新key的值到value，如果失败就返回false。这样搞好像很麻烦，需要先gets获取cas值，然后再调用cas方法更新，因此XMemcached提供了一个包装类可以帮你搞定这两步，并且提供重试机制：
/**
* 合并gets和cas，利用CASOperation
*/
client.cas(
"
a
"
,
0
,
new
CASOperation() { @Override
public
int
getMaxTries() {
return
10
; } @Override
public
Object getNewValue(
long
currentCAS, Object currentValue) { System.out.println(
"
current value
"
+
currentValue);
return
2
; } });
通过
CASOperation，你只要实现两个方法即可，
getMaxTries返回最大重试次数，超过这个次数还没有更新成功就抛出TimeoutException；
getNewValue方法返回依据当前cas和缓存值，你希望设置的更新值。看一个cas更详细的例子，开100个线程递增缓冲中的变量a，采用cas才能保证最后a会等于100：
import
java.util.concurrent.CountDownLatch;
import
net.rubyeye.xmemcached.CASOperation;
import
net.rubyeye.xmemcached.XMemcachedClient;
/**
* 测试CAS *
@author
dennis
*/
class
CASThread
extends
Thread {
private
XMemcachedClient mc;
private
CountDownLatch cd;
public
CASThread(XMemcachedClient mc, CountDownLatch cdl) {
super
();
this
.mc
=
mc;
this
.cd
=
cdl; }
public
void
run() {
try
{
if
(mc.cas(
"
a
"
,
0
,
new
CASOperation() { @Override
public
int
getMaxTries() {
return
50
; } @Override
public
Object getNewValue(
long
currentCAS, Object currentValue) { System.out.println(
"
currentValue=
"
+
currentValue
+
"
,currentCAS=
"
+
currentCAS);
return
((Integer) currentValue).intValue()
+
1
; } }))
this
.cd.countDown(); }
catch
(Exception e) { e.printStackTrace(); } } }
public
class
CASTest {
static
int
NUM
=
100
;
public
static
void
main(String[] args)
throws
Exception { XMemcachedClient mc
=
new
XMemcachedClient(); mc.addServer(
"
192.168.222.100
"
,
11211
);
//
设置初始值为0
mc.set(
"
a
"
,
0
,
0
); CountDownLatch cdl
=
new
CountDownLatch(NUM);
//
开NUM个线程递增变量a
for
(
int
i
=
0
; i
<
NUM; i
++
)
new
CASThread(mc, cdl).start(); cdl.await();
//
打印结果,最后结果应该为NUM
System.out.println(
"
result=
"
+
mc.get(
"
a
"
)); mc.shutdown(); } }
最高重试次数设置成了50，观察输出你就会知道cas冲突在高并发下非常频繁，这个操作应当慎用。 说完cas，我们再来看下xmemcached对分布的支持。 1、如何添加多个memcached server? 通过XMemcachdClient.addServer(String ip,int port)方法，
XMemcachedClient mc
=
new
XMemcachedClient(); mc.addServer(ip1, port1); mc.addServer(ip2, port2); mc.addServer(ip3, port3); mc.addServer(ip4, port3);
2、怎么分布？
在添加了>=2个memcached server后，对
XMemcachdClient的存储、删除等操作都将默认根据key的哈希值模连接数的余数做分布，这也是spymemcached默认的分布算法。这个算法简单快速，然而在添加或者移除memcached server后，缓存会大面积失效需要重组，这个代价太高，因此还有所谓Consistent Hashing算法，通过将memcached节点分布在一个0-2^128-1的环上，发送数据到某个节点经过的跳跃次数可以缩减到O(lgn)次，并且在添加或者移除节点时最大限度的降低影响，这个算法的思想其实来源于p2p网络的路由算法，不过路由算法比这个复杂多了，毕竟memcached的
分布是在客户端，因此不需要节点之间的通讯和路由表的存储更新等。这个算法在java上的实现可以通过TreeMap红黑树，具体可以参考
这里和
这里。
在xmemcached启动Consistent Hashing如下：
XMemcachedClient client
=
new
XMemcachedClient(
new
KetamaMemcachedSessionLocator(HashAlgorithm.CRC32_HASH)); client.addServer(ip,
12000
); client.addServer(ip,
12001
); client.addServer(ip,
11211
); client.addServer(ip,
12003
); client.addServer(ip,
12004
);
散列函数采用CRC32，你也可以采用其他散列函数，具体看场景测试而定，散列函数决定了你的查找节点效率和缓存重新分布的均衡程度。
文章转自庄周梦蝶 ，原文发布时间 2009-03-09
相关资源：敏捷开发V1.0.pptx
