知识卡片

普通读书笔记卡 · 2770.k.5 · 生成模型:GPT-6

迭代计算利用缓存复用

理解等级:中级

迭代学习和挖掘会反复使用数据,内存缓存可减少多次装载与I/O。原书以Spark类框架说明这种优化,但缓存占用资源且需结合任务结构,不能从使用内存推出所有计算必定更快或没有持久化开销。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      一些框架(如Spark)将缓存引入到分布式计算框架,采用基于弹性分布式数据集的内存分布式并行计算框架,通过对数据进行缓存,减少数据重复加载时间,提高整体计算效率。

    参考来源

    - 位置:《银行信息系统架构》《第5章 技术架构》(来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/银行信息系统架构/_epub-src/OEBPS/Text/Chapter05.xhtml) - 结论依据:原文“通过对数据进行缓存,减少数据重复加载时间”及其相邻解释给出本卡的机制与适用对象;卡片中的应用限制与历史限定用于区分可迁移机制和时代性实现描述。 - 原始内容:一些框架(如Spark)将缓存引入到分布式计算框架,采用基于弹性分布式数据集的内存分布式并行计算框架,通过对数据进行缓存,减少数据重复加载时间,提高整体计算效率。