細かすぎて伝わらないmdbm
おまけ話として、mdbmはLinear Hashingと呼ばれるハッシュアルゴリズムの影響を強く受けています。 Linear Hashingの詳細はwikipediaをご覧ください。 http://en.wikipedia.org/wiki/Linear_hashing このアルゴリズムによりmdbmは、扱うデータサイズが大きくなれば、動的にHashTableを拡大することができる非常に便利な特性を持っています。 しかし、冷静になって考えてみてみましょう。このLinear Hasingの管理用のテーブルを走査する計算コストは可能なら避けるべきです。 mdbmをはじめ、多くのKVSでは最終的なデータのサイズの予想がつくのであれば、あらかじめ大きめのサイズでデータベースファイルを作成する方が好ましいでしょう。 この辺の話に興味がありましたら、コードの「hashval_to_pagenum()」
容量が動的に変化するRAMディスクを使うには
RAMディスクを使うにはで紹介したRAMディスクは容量が固定されているので、容量の設定と実際の使用量によってはメモリに無駄ができてしまう。 仮想メモリベースのファイルシステムであるtmpfsを使用すれば、必要なサイズに応じてRAMディスクの容量が動的に変化するため、メモリを効率よく使用できる。また、RAMディスクはmke2fsコマンドでファイルシステムを作成しなければならないが、tmpfsはファイルシステムそのものなのでそのままmountコマンドでマウントできる。ただし、tmpfsはカーネル2.4からサポートされた機能なので、それ以前のカーネルでは使えない点に注意が必要だ。 最初に説明したとおり、tmpfsを使用するには単にマウントするだけでいい。tmpfs専用のマウントポイントは/dev/shmだ。以下は、最大容量を64Mbytesにしてマウントしている。
連載: IBM Watson Workspace #鬼わか アプリケーション開発: 第 7 回: IBM Watson Workspace で AI を利用したアプリ連携の実現 #鬼わか 解説（前編）
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Memory performance comparison in java - Senior Java Developer
Simon Krenger
What's the fastest filesystem for developer builds?
Only Ubuntu Linux: Firefox cache in ramdisk (tmpfs)
