1 . 用Executors構造一個新的線程池
ExecutorService executor = Executors.newCachedThreadPool();
方法 newCachedThreadPool();
創建一個可根據需要創建新線程的線程池，但是在以前構造的線程可用時將重用它們，并在需要時使用提供的 ThreadFactory 創建新線程。
2. 用構造的線程池創建ExecutorFilter
ExecutorFilter es= new ExecutorFilter(executor));
在ExecutorFilter內部:
只需要將相應的事件分發到到線程池的相應線程即可，但是SessionCreated事件只能在主線程中，不能分發
觸發方法
1 .
首先構造一個IoFilterEvent，這個IoFilterEvent包含1、事件的類型，2、下一個過濾器
然后觸發該時間的處理方法。
if (eventTypes.contains(IoEventType.SESSION_OPENED)) 
{
fireEvent(new IoFilterEvent(nextFilter, IoEventType.SESSION_OPENED,
session, null));
}
2 .
從線程池中取出一個線程執行事件處理
protected void fireEvent(IoFilterEvent event) {
getExecutor().execute(event);
}
在構造ExecutorFilter 時如果沒有傳入IoEventType則默認只對如下幾種幾件感興趣
EXCEPTION_CAUGHT
MESSAGE_RECEIVED
MESSAGE_SENT
SESSION_CLOSED
SESSION_IDLE
SESSION_OPENED
當然還需要覆蓋相應的事件處理方法 如上所示
參數db_block_size；
這個參數只能設置成底層操作系統物理塊大小的整數倍，最好是2的n次方倍。
如WINDOWS下4KB，8KB,16KB
且該參數需要在建庫的時候指定，一旦指定不能更改。
雖然在ORACLE9I以上可以指定表空間的數據庫大小，允許同時使用包括非默認大小在內的數據庫塊大小。不過需要設置指定大小數據塊的buffer_cache.
小的塊：
小的塊降低塊競爭，因為每個塊中的行較少.
小的塊對于小的行有益.
小的塊對于隨意的訪問較好.如果一個塊不太可能在讀入內存后被修改，那么塊的大小越小使用buffer cache越有效率。當內存資源很珍貴時尤為重要，因為數據庫的buffer cache是被限制大小的。
劣勢：
小塊的管理消費相對大.
因為行的大小你可能只在塊中存儲很小數目的行，這可能導致額外的I/O。
小塊可能導致更多的索引塊被讀取
大的塊
好處：
更少的管理消費和更多存儲數據的空間.
大塊對于有順序的讀取較好. 譬如說全表掃描
大塊對很大的行較好
大塊改進了索引讀取的性能.大的塊可以在一個塊中容納更多的索引條目,降低了大的索引級的數量.越少的index level意味著在遍歷索引分支的時候越少的I/O。
劣勢：
大塊不適合在OLTP中用作索引塊,因為它們增加了在索引葉塊上的塊競爭。
如果你是隨意的訪問小的行并有大的塊，buffer cache就被浪費了。例如，8 KB的block size 和50 byte row size,你浪費了7,950
將進酒 杯莫停 -------> 亭名： 悲默亭
全球通史
《詩經·采薇》
昔我往矣,楊柳依依 今我來思,雨雪霏霏
摘要: <?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance...
閱讀全文
在搜索引擎中，切詞語是一個重要的部分，其中包括專有名詞的提取、詞的分割、詞的格式化等等。
TokenStream 類幾乎是所有這些類的基類
有兩個需要被子類實現的方法Token next() 和 close()
首先來看analysis包，這個包主要是提供一些簡單的詞匯化處理
以Tokenizer結尾的類是將要處理的字符串進行分割成Token流，而根據分割的依據的又產生了以下幾個Tokenizer類
首先Tokenizer類是所有以Tokenizer結尾的類的基類
然后是CharTokenizer，所有的以Tokenizer結尾的類都是從這個類繼承的
這個類中有一個抽象方法
protected abstract boolean isTokenChar(char c);
另外一個需要被子類覆寫的方法
protected char normalize(char c) {}；
是對單個字符進行處理的方法譬如說將英文字母全部轉化為小寫
還有一個變量
protected Reader input;
這個讀取器是這些類所處理的數據的 數據源
輸入一個Reader ，產生一個Token流
這個方法是是否進行切分的依據，依次讀取char流，然后用這個方法對每個char進行檢測，如果返回false則將預先存儲在
詞匯緩沖區中的char數組作為一個Token返回
LetterTokenizer ：
protected boolean isTokenChar(char c) {
return Character.isLetter(c);
}
WhitespaceTokenizer：
protected boolean isTokenChar(char c) {
return !Character.isWhitespace(c);
}
LowerCaseTokenizer extends LetterTokenizer：
protected char normalize(char c) {
return Character.toLowerCase(c);
}
在構造函數中調用super(in);進行和 LetterTokenizer同樣的操作，但是在詞匯化之前所有的詞都轉化為小寫了
然后是以Filter結尾的類，這個類簇主要是對已經詞匯化的Token流進行進一步的處理
輸入是Token流 , 輸出仍然是Token流。
TokenFilter extends TokenStream 是所有這些類的父類
protected TokenStream input;
在TokenFilter 中有一個TokenStream 變量，是Filter類簇處理的數據源，而Filter類簇又是繼承了TokenStream 類的
有一個public final Token next()方法,這個方法以TokenStream.next()產生的Token流 為處理源，產生的仍然是Token流
只不過中間有一些處理的過程
LowerCaseFilter：將所有的Token流的轉化為小寫
t.termText = t.termText.toLowerCase();
StopFilter：過濾掉一些停止詞，這些停止詞由構造函數指定
for (Token token = input.next(); token != null; token = input.next())
if (!stopWords.contains(token.termText))
return token;
比較一下Tokenizer類簇和Filter類簇，可以知道
Tokenizer類簇主要是對輸入的Reader流，實際上是字符流按照一定的規則進行分割，產生出Token流
其輸入是字符串的Reader流形式，輸出是Token流
Filter類簇主要是對輸入的Token流進行更進一步的處理，如去除停止詞，轉化為小寫
主要為一些格式化操作。
由于Filter類簇的輸入輸出相同，所以可以嵌套幾個不同的Filter類，以達到預期的處理目的。
前一個Filter類的輸出作為后一個Filter類的輸入
而Tokenizer類簇由于輸入輸出不同，所以不能嵌套
在JAVA JDK1.5以后具有的自動裝箱與拆箱的功能，所謂的自動裝箱
與拆箱也就是把基本的數據類型自動的轉為封裝類型。
如：自動裝箱，它可以直接把基本類型賦值給封裝類型
Integer num = 10 ;
Double d = 2d ;
自動拆箱，它可以把封裝類型賦值給基本類型
int num = new Integer(10);
double d = new Double(2d);
自動裝箱與拆箱的功能事實上是編譯器來幫您的忙，編譯器在編譯時期依您所編寫的語法，決定是否進行裝箱或拆箱動作。在自動裝箱時對于值從-128到127之間的值，它們被裝箱為Integer對象后，會存在內存中被重用，所以范例4.6中使用==進行比較時，i1 與 i2實際上參考至同一個對象。如果超過了從-128到127之間的值，被裝箱后的Integer對象并不會被重用，即相當于每次裝箱時都新建一個Integer對象，所以范例4.7使用==進行比較時，i1與i2參考的是不同的對象。所以不要過分依賴自動裝箱與拆箱，您還是必須知道基本數據類型與對象的差異。
public void testBoxingUnboxing() {
int i = 10;
Integer inta = i;
inta++;
inta += 1;
int j = inta;
assertTrue(j == inta);結果是：true//junit里面的方法
assertTrue(j == new Integer(j)); 結果是：true
assertTrue(10000 == new Integer(10000)); 結果是：true
}
Integer i = 100.相當于編譯器自動為您作以下的語法編譯：
Integer i = new Integer(100).所以自動裝箱與拆箱的功能是所謂的“編譯器蜜糖”(Compiler Sugar)，雖然使用這個功能很方便，但在程序運行階段您得了解Java的語義。例如下面的程序是可以通過編譯的：
Integer i = null.int j = i.這樣的語法在編譯時期是合法的，但是在運行時期會有錯誤，因為這種寫法相當于：
Integer i = null.int j = i.intValue().null表示i沒有參考至任何的對象實體，它可以合法地指定給對象參考名稱。由于實際上i并沒有參考至任何的對象，所以也就不可能操作intValue()方法，這樣上面的寫法在運行時會出現NullPointerException錯誤。
自動裝箱、拆箱的功能提供了方便性，但隱藏了一些細節，所以必須小心。再來看范例4.6，您認為結果是什么呢？
Ü. 范例4.6 AutoBoxDemo2.java
public class AutoBoxDemo2 {
public static void main(String[] args) {
Integer i1 = 100;
Integer i2 = 100;
if (i1 == i2)
System.out.println("i1 == i2");
else
System.out.println("i1 != i2").
}
}
從自動裝箱與拆箱的機制來看，可能會覺得結果是顯示i1 == i2，您是對的。那么范例4.7的這個程序，您覺得結果是什么？
Ü. 范例4.7 AutoBoxDemo3.java
public class AutoBoxDemo3 {
public static void main(String[] args) {
Integer i1 = 200;
Integer i2 = 200;
if (i1 == i2)
System.out.println("i1 == i2");
else
System.out.println("i1 != i2");
}
}
結果是顯示i1 != i2，這有些令人驚訝，兩個范例語法完全一樣，只不過改個數值而已，結果卻相反。
其實這與==運算符的比較有關，在第3章中介紹過==是用來比較兩個基本數據類型的變量值是否相等，事實上==也用于判斷兩個對象引用名稱是否參考至同一個對象。
在自動裝箱時對于值從–128到127之間的值，它們被裝箱為Integer對象后，會存在內存中被重用，所以范例4.6中使用==進行比較時，i1 與 i2實際上參考至同一個對象。如果超過了從–128到127之間的值，被裝箱后的Integer對象并不會被重用，即相當于每次裝箱時都新建一個Integer對象，所以范例4.7使用==進行比較時，i1與i2參考的是不同的對象。
所以不要過分依賴自動裝箱與拆箱，您還是必須知道基本數據類型與對象的差異。范例4.7最好還是依正規的方式來寫，而不是依賴編譯器蜜糖(Compiler Sugar)。例如范例4.7必須改寫為范例4.8才是正確的。
Ü. 范例4.8 AutoBoxDemo4.java
public class AutoBoxDemo4 {
public static void main(String[] args) {
Integer i1 = 200;
Integer i2 = 200;
if (i1.equals(i2))
System.out.println("i1 == i2");
else
System.out.println("i1 != i2");
}
}
結果這次是顯示i1 == i2。使用這樣的寫法，相信也會比較放心一些，對于這些方便但隱藏細節的功能到底要不要用呢？基本上只有一個原則：如果您不確定就不要用。
HIBERNATE一多對關聯中 要求在持久化類中定義集合類屬性時，必須把屬性聲明為接口，因為HIBERNATE在調用持久化類的SET/GET方法時傳遞的是HIBERNATE自己定義的集合類。
在定義集合時，一般先初始化為集合實現類的一個實例 ： private Set orders=new HashSet()，這樣可以避免訪問空集合出現NullPointerException.
segments文件的格式： （段的信息）
int: =-1 查看文件是否是Lucene合法的文件格式
long: 版本號，每更新一次該文件將會將版本號加1
int: 用來命名新段
int: 段的數目
String + int 段的信息 String是段的名稱 int是段中所含的doc數目
String + int 同上
.fnm的文件格式： （Field的信息）
int: Field的個數，最少為1，最少有一個Field("",false)，在初始化的時候寫入(暫時不知道原因); 名稱為空字符串，未索引， 未 向 量化。readVInt()讀取
String: byte String是 Field的名稱 byte指示該Field 是否被索引，是否向量化 （值有：11，10，01）第一個1代表被索引，第二個代表被向量化
String: byte Field 同上
.fdx的文件格式：主要是提供對.fdt中存儲的document的隨即讀取
long : 第一個document在.fdt文件中的位置
long: 第二個document在.fdt文件中的位置
.fdt的文件格式： .fdt文件存儲了一系列document的信息
VInt: 該document中的isStored屬性為true的域的個數
(VInt:) 如果該field的isStored屬性為true則得到該field的fieldNumber，暫時不知道這個fieldNumber是怎么產生的，有什么用，初步估計是按照field創建的順序產生的，每次再上一個field的fieldNumber基礎上加1。
byte: 如果該field的isTokenized屬性為true寫入1否則寫入false。
String: 該field的stringValue()值。
一個document結束，下面的數據將會開始一個新的document，每個新的document的開始點的文件位置都會在.fdx中有記載，便于隨即訪問