大白话--集群中session问题

会话开始时,会分配一个唯一的会话标识(sessionId),保存到浏览器的cookie中,浏览器每次请求时都会携带这个cookie,告诉web服务器请求是来自哪个会话的,在web服务器中,各个会话都有独立的存储,保存不同的会话信息,如果我们禁用cookie,一般的方法是将sessionId放到url的参数中

集群后如果我们不做处理,由于session都是保存在本地服务器上的,就会有如下问题

如何解决?

(1)session sticky

单机情况下,会话保存在单机上,请求也由这台机器处理,所以不会有问题;web服务器集群后,如果保证同一个会话请求都在同一个web服务器上处理,对这个会话的个体来说,跟单机情况是一样的,要做到这样,就需要负载均衡能够根据每次请求的标识来进行请求转发到同一台服务器上,称为Session Sticky方式

问题:1.如果一台web服务器出现问题,该服务器上的用户会话信息就会丢失,用户就需要重新登陆

           2.负载均衡服务器开销大

(2)Session Replication

每台web服务器上都保存一份session信息,各服务器之间保持session复制同步;一般的应用容器都支持这种方式,与Session Sticky相比,对负载均衡没有那么多的要求,这个方案是靠应用容器来完成session复制,应用本身不需要关心

问题:1.session同步增加带宽开销

           2.服务器很多时,每台都保存session信息,如果并发访问多的话,每台保存session数据占用严重

(3)session数据集中存储

session数据存储方式:数据库,或者其他分布式存储系统

问题:1.读写session数据引入了网络操作,存在延时和不稳定性,不过通信基本发生在内网,问题不大

           2.如果集中存储session的机器或者集群有问题,就会影响我们的应用

(4)Cookie Based

通过cookie来传递session数据

问题:1.受cookie长度的限制

           2.安全性:session数据都是服务器上的数据,可以对session数据加密

           3.带宽消耗

           4.性能影响:每次http请求和响应都带有session数据,对web服务器来说,在同样的处理情况下,响应的结果输出越少,支持的并发请求就越多。

 

总结:

对于大型网站来说,Session Sticky和Session集中存储是比较好的方案,但各有优劣,需要在具体场景中做出选择和权衡。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
卷积神经网络(CNN)是一种常用于图像处理和模式识别的深度学习模型。它的设计灵感来自于生物学视觉皮层的神经元结构。为了用通俗的语言解释CNN,我们可以用以下方式来理解它: 假设你要识别一张猫的图片。首先,你的大脑会将这张图片的像素点转化成一系列数字,并且记录下它们的位置和颜色。然后,大脑会将这些数字输入到“卷积层”。 在卷积层,会有很多个“过滤器”。这些过滤器可以视为一双眼睛,它们通过抓取图片的不同特征来帮助你识别物体。每个过滤器都在图片上滑动并计算一个“特征图”,这个特征图描述了所检测到的特定特征。例如,一个过滤器可以检测到猫的边缘,另一个可以检测到猫的颜色等等。当所有过滤器完成计算后,就会得到一些不同的特征图。 在“池化层”,每个特征图都会被压缩,去除一些不重要的信息。这样可以减少需要计算的数据量,并且使得特征更加鲁棒和不变形。 最后,在全连接层,所有的特征图都被连接起来,形成一个巨大的向量。接下来,这个向量会通过一些神经元节点,最终输出识别结果,也就是“这是一张猫的图片”。 CNN的一个重要特点是参数共享,这意味着每个过滤器会在整个图片上进行计算,而不仅仅是某个局部区域。这样可以减少需要计算的参数量,提高训练速度和模型的泛化能力。 总结一下,CNN通过卷积层来提取图像的特征,并通过池化层降低特征的维度。最后,通过全连接层将所有特征连接起来并输出结果。这种结构使得CNN非常适合于图像分类和识别任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值