Поделки из 1 бумаги - Cached
Кэширование
Фундаментальный компромисс динамических веб-сайтов в том, что они динамические. Каждый раз, когда пользователь запрашивает страницу, веб-сервер выполняет всевозможные вычисления - от запросов к базе данных до рендеринга шаблонов и бизнес-логики - для создания страницы, которую видит посетитель вашего сайта. Это намного дороже с точки зрения накладных расходов на обработку, чем ваша стандартная конфигурация сервера чтения файла вне файловой системы.
Продолжая рассказывать про курсы Apache Spark для разработчиков на практических примерах, сегодня рассмотрим, как кэширование данных позволяет оптимизировать распределенные вычисления в этом Big Data фреймворке. Читайте далее, как ускорить выполнение запросов в Spark SQL , чем отличаются функции cache и persist , из чего состоит план запроса и каковы альтернативы кэшированию данных для повторного использования вычислений. Кэширование данных в Apache Spark SQL — это весьма популярный способ повышения производительности приложения за счет повторного использования некоторых вычислений. Однако, чтобы эффективно использовать его, следует помнить о некоторых особенностях настройки Spark-приложений.
Если значения заголовка совпадают — CDN продолжит отдавать пользователям имеющийся в кеше файл еще один период времени, заданный для хранения контента в кеше CDN. Используйте параметр Время жизни кеша , чтобы задать время хранения кеша для запросов с кодами ответа , , , Используйте параметр Расширенные правила кеширования , чтобы задать время хранения кеша для запросов с другими кодами ответа или, чтобы переопределить некоторые из кодов параметра Время жизни кеша. Значения параметра Расширенные правила кеширования имеют больший приоритет, чем значения параметра Время жизни кеша. Обратите внимание! Независимо от настроек опции контент удаляется из кеша CDN-серверов через 36 часов, если он не запрашивается конечными пользователями.
