xmemcached发布1.0-BETA版

   xmemcached 发布1.0-beta ，从0.60直接到1.0-beta，主要改进如下：
1、支持更多协议，在已有协议支持的基础上添加了append、prepend、gets、批量gets、cas 协议的支持，具体请查看XMemcachedClient类的实例方法。重点是cas操作，下文将详细描述下。
2、memcached分布支持，支持连接多个memcached server，支持简单的余数分布和一致性哈希分布。
3、0.60版本以来的bug修复。
   memcached 1.2.4之后开始支持cas协议，该协议存储数据同时发送一个版本号，只有当这个版本号与memcached server上该key的最新版本一致时才更新成功，否则返回EXISTS，版本号的获取需要通过gets协议获得，cas全称就是compare and set，如果对hibernate乐观锁和java.util.concurrent.atomic包都比较熟悉的话这个概念应该很了解了。xmemcached 1.0-beta开始支持cas协议，看例子：

<!---->

<!---->XMemcachedClient client  =   new  XMemcachedClient();
client.addServer( " localhost " , 11211 );
client.set( " a " ,  0 ,  1 );  // 设置a为1
GetsResponse result  =  client.gets( " a " );
long  cas  =  result.getCas();  // 获取当前cas
// 尝试更新a成2
if  ( ! client.cas( " a " ,  0 ,  2 , cas)) 
    System.err.println( " cas error " );

    XMemcachedClient.cas(final String key, final int exp, Object value, long cas)将尝试更新key的值到value，如果失败就返回false。这样搞好像很麻烦，需要先gets获取cas值，然后再调用cas方法更新，因此XMemcached提供了一个包装类可以帮你搞定这两步，并且提供重试机制：

<!---->             /**
             * 合并gets和cas，利用CASOperation
              */
            client.cas( " a " ,  0 ,  new  CASOperation() {

                @Override
                 public   int  getMaxTries() {
                     return   10 ;
                }

                @Override
                 public  Object getNewValue( long  currentCAS, Object currentValue) {
                    System.out.println( " current value  "   +  currentValue);
                     return   2 ;
                }

            });

    通过CASOperation，你只要实现两个方法即可， getMaxTries返回最大重试次数，超过这个次数还没有更新成功就抛出TimeoutException； getNewValue方法返回依据当前cas和缓存值，你希望设置的更新值。 看一个cas更详细的例子，开100个线程递增缓冲中的变量a，采用cas才能保证最后a会等于100：

<!---->import  java.util.concurrent.CountDownLatch;

import  net.rubyeye.xmemcached.CASOperation;
import  net.rubyeye.xmemcached.XMemcachedClient;
/**
 * 测试CAS
 *  @author  dennis
  */
class  CASThread  extends  Thread {
     private  XMemcachedClient mc;
     private  CountDownLatch cd;

     public  CASThread(XMemcachedClient mc, CountDownLatch cdl) {
         super ();
         this .mc  =  mc;
         this .cd  =  cdl;

    }

     public   void  run() {
         try  {
             if  (mc.cas( " a " ,  0 ,  new  CASOperation() {
                @Override
                 public   int  getMaxTries() {
                     return   50 ;
                }

                @Override
                 public  Object getNewValue( long  currentCAS, Object currentValue) {
                    System.out.println( " currentValue= "   +  currentValue
                             +   " ,currentCAS= "   +  currentCAS);
                     return  ((Integer) currentValue).intValue()  +   1 ;
                }

            }))
                 this .cd.countDown();
        }  catch  (Exception e) {
            e.printStackTrace();
        }
    }
}

public   class  CASTest {
     static   int  NUM  =   100 ;

     public   static   void  main(String[] args)  throws  Exception {
        XMemcachedClient mc  =   new  XMemcachedClient();
        mc.addServer( " 192.168.222.100 " ,  11211 );
         //  设置初始值为0
        mc.set( " a " ,  0 ,  0 );
        CountDownLatch cdl  =   new  CountDownLatch(NUM);
         //  开NUM个线程递增变量a
         for  ( int  i  =   0 ; i  <  NUM; i ++ )
             new  CASThread(mc, cdl).start();

        cdl.await();
         //  打印结果,最后结果应该为NUM
        System.out.println( " result= "   +  mc.get( " a " ));
        mc.shutdown();
    }
}

    最高重试次数设置成了50，观察输出你就会知道cas冲突在高并发下非常频繁，这个操作应当慎用。

    说完cas，我们再来看下xmemcached对分布的支持。
1、如何添加多个memcached server?
通过XMemcachdClient.addServer(String ip,int port)方法，

<!---->            XMemcachedClient mc  =   new  XMemcachedClient();
            mc.addServer(ip1, port1);
            mc.addServer(ip2, port2);
            mc.addServer(ip3, port3);
            mc.addServer(ip4, port3);

2、怎么分布？
在添加了>=2个memcached server后，对XMemcachdClient的存储、删除等操作都将默认根据key的哈希值 模连接数 的余数做分布，这也是spymemcached默认的分布算法。这个算法简单快速，然而在添加或者移除memcached server后，缓存会大面积失效需要重组，这个代价太高，因此还有所谓 Consistent Hashing算法，通过将memcached节点分布在一个0-2^128-1的环上，发送数据到某个节点经过的跳跃次数可以缩减到O(lgn)次，并且在添加或者移除节点时最大限度的降低影响，这个算法的思想其实来源于p2p网络的路由算法，不过路由算法比这个复杂多了，毕竟memcached的分布是在客户端 ，因此不需要节点之间的通讯和路由表的存储更新等。这个算法在java上的实现可以通过TreeMap红黑树，具体可以参考这里 和这里 。
  在xmemcached启动 Consistent Hashing如下：

<!---->XMemcachedClient client  =   new  XMemcachedClient( new  KetamaMemcachedSessionLocator(HashAlgorithm.CRC32_HASH));
client.addServer(ip,  12000 );
client.addServer(ip,  12001 );
client.addServer(ip,  11211 );
client.addServer(ip,  12003 );
client.addServer(ip,  12004 );

  散列函数采用CRC32，你也可以采用其他散列函数，具体看场景测试而定，散列函数决定了你的查找节点效率和缓存重新分布的均衡程度。
 
  在完成1.0-beta 这个里程碑版本后，xmemcached将集中于稳定性方面的测试和性能优化。欢迎提交测试报告和建议，我的email [e-mail]