hibernate抓取策略
hibernate抓取策略.txt蜜蜂整日忙碌，受到赞扬；蚊子不停奔波，人见人打。多么忙不重要，为什么忙才重要。hibernate抓取策略fetch=select /join/subselect2010-01-18 15:58
一、hibernate抓取策略（单端代理的批量抓取fetch=select(默认）/join）
测试用例：
Student student = (Student)session.get(Student.class, 1);
System.out.println(student.getName());
System.out.println(student.getClasses().getName());
1）保持默认，同fetch="select",如：
fetch="select",另外发送一条select语句抓取当前对象关联实体或集合
执行结果：2条语句
Hibernate: select student0_.id as id1_0_, student0_.name as name1_0_, student0_.class_id as class3_1_0_ from student_join student0_ where student0_.id=? 学生1
Hibernate: select classes0_.id as id0_0_, classes0_.name as name0_0_ from classes_join classes0_ where classes0_.id=?
高一(1)班
======================================
2）设置fetch="join",如：
fetch="join",hibernate会通过select语句使用外连接来加载其关联实体或集合
此时lazy会失效
执行结果：一条join语句
Hibernate: select student0_.id as id1_1_, student0_.name as name1_1_, student0_.class_id as class3_1_1_, classes1_.id as id0_0_, classes1_.name as name0_0_ from student_join student0_ left outer join classes_join classes1_ on student0_.class_id=classes1_.id where student0_.id=?
学生1
高一(1)班
======================================================
二、hibernate抓取策略（集合代理的批量抓取，fetch=select（默认）/join/subselect）测试用例：
Classes c = (Classes) session.load(Classes.class, new Integer(1));
System.out.println("https://www.wendangku.net/doc/d915403817.html,=" + c.getName());
Set stuSet = c.getStudents();
System.out.println(stuSet.size());
if(stuSet != null && !stuSet.isEmpty()){
for(Iterator it = stuSet.iterator(); it.hasNext();){
Student s = (Student) it.next();
System.out.println("https://www.wendangku.net/doc/d915403817.html,=" + s.getName());
}
}
1）保持默认，同fetch="select",如：
fetch="select",另外发送一条select语句抓取当前对象关联实体或集合
测试结果：2条独立的查询语句
Hibernate: select classes0_.id as id0_0_, classes0_.name as name0_0_ from classes_join classes0_ where classes0_.id=?
https://www.wendangku.net/doc/d915403817.html,=高一(1)班
Hibernate: select students0_.class_id as class3_1_, students0_.id as id1_, students0_.id as id1_0_, students0_.name as name1_0_, students0_.class_id as class3_1_0_ from student_join students0_ where students0_.class_id=?
9
https://www.wendangku.net/doc/d915403817.html,=学生7
https://www.wendangku.net/doc/d915403817.html,=学生3
https://www.wendangku.net/doc/d915403817.html,=学生1
https://www.wendangku.net/doc/d915403817.html,=学生8
https://www.wendangku.net/doc/d915403817.html,=学生2
https://www.wendangku.net/doc/d915403817.html,=学生4
https://www.wendangku.net/doc/d915403817.html,=学生5
https://www.wendangku.net/doc/d915403817.html,=学生9
https://www.wendangku.net/doc/d915403817.html,=学生6
(2)设置fetch="join",如：
fetch="join",hibernate会通过select语句使用外连接来加载其关联实体或集合
此时lazy会失效
测试结果：1条独立的join查询语句
Hibernate: select classes0_.id as id0_1_, classes0_.name as name0_1_, students1_.class_id as class3_3_, students1_.id as id3_, students1_.id as id1_0_, students1_.name as name1_0_, students1_.class_id as class3_1_0_ from classes_join classes0_ left outer join student_join students1_ on classes0_.id=students1_.class_id where classes0_.id=?
https://www.wendangku.net/doc/d915403817.html,=高一(1)班
9
https://www.wendangku.net/doc/d915403817.html,=学生6
https://www.wendangku.net/doc/d915403817.html,=学生4
https://www.wendangku.net/doc/d915403817.html,=学生9
https://www.wendangku.net/doc/d915403817.html,=学生7
https://www.wendangku.net/doc/d915403817.html,=学生2
https://www.wendangku.net/doc/d915403817.html,=学生3
https://www.wendangku.net/doc/d915403817.html,=学生8
https://www.wendangku.net/doc/d915403817.html,=学生1
https://www.wendangku.net/doc/d915403817.html,=学生5
(3)设置fetch="subselect",如：用在查询语句中
fetch="subselect",另外发送一条select语句抓取在前面查询到的所有实体对象的关联集合
测试用例：
List classList = session.createQuery("from Classes where id in (1,2,3)").list(); for(Iterator iter = classList.iterator(); iter.hasNext();){
Classes c = (Classes)iter.next();
System.out.println("https://www.wendangku.net/doc/d915403817.html,=" + c.getName());
Set stuSet = c.getStudents();
System.out.println(stuSet.size());
if(stuSet != null && !stuSet.isEmpty()){
for(Iterator it = stuSet.iterator(); it.hasNext();){
Student s = (Student) it.next();
System.out.println("https://www.wendangku.net/doc/d915403817.html,=" + s.getName());
}
}
}
当不设fetch="subselect" ,即：
执行了3条查询语句
Hibernate: select classes0_.id as id0_, classes0_.name as name0_ from classes_join classes0_ where classes0_.id in (1 , 2 , 3)
https://www.wendangku.net/doc/d915403817.html,=高一(1)班
Hibernate: select students0_.class_id as class3_1_, students0_.id as id1_, students0_.id as id1_0_, students0_.name as name1_0_, students0_.class_id as class3_1_0_ from student_join students0_ where students0_.class_id=?
9
https://www.wendangku.net/doc/d915403817.html,=学生8
https://www.wendangku.net/doc/d915403817.html,=学生5
https://www.wendangku.net/doc/d915403817.html,=学生3
https://www.wendangku.net/doc/d915403817.html,=学生9
https://www.wendangku.net/doc/d915403817.html,=学生7
https://www.wendangku.net/doc/d915403817.html,=学生1
https://www.wendangku.net/doc/d915403817.html,=学生4
https://www.wendangku.net/doc/d915403817.html,=学生6
https://www.wendangku.net/doc/d915403817.html,=学生2
https://www.wendangku.net/doc/d915403817.html,=高一(2)班
Hibernate: select students0_.class_id as class3_1_, students0_.id as id1_, students0_.id as id1_0_, students0_.name as name1_0_, students0_.class_id as class3_1_0_ from student_join students0_ where students0_.class_id=?
4
https://www.wendangku.net/doc/d915403817.html,=学生3
https://www.wendangku.net/doc/d915403817.html,=学生4
https://www.wendangku.net/doc/d915403817.html,=学生1
https://www.wendangku.net/doc/d915403817.html,=学生2
https://www.wendangku.net/doc/d915403817.html,=高一(3)班
Hibernate: select students0_.class_id as class3_1_, students0_.id as id1_, students0_.id as id1_0_, students0_.name as name1_0_, students0_.class_id as class3_1_0_ from student_join students0_ where students0_.class_id=?
当不设fetch="subselect" ,即：
执行了1条查询语句（嵌套子查询）
Hibernate: select classes0_.id as id0_, classes0_.name as name0_ from classes_join classes0_ where classes0_.id in (1 , 2 , 3)
https://www.wendangku.net/doc/d915403817.html,=高一(1)班
Hibernate: select students0_.class_id as class3_1_, students0_.id as id1_, students0_.id as id1_0_, students0_.name as name1_0_, students0_.class_id as class3_1_0_ from student_join students0_ where students0_.class_id in (select classes0_.id from classes_join classes0_ where classes0_.id in (1 , 2 , 3))
9
https://www.wendangku.net/doc/d915403817.html,=学生8
https://www.wendangku.net/doc/d915403817.html,=学生4
https://www.wendangku.net/doc/d915403817.html,=学生5
https://www.wendangku.net/doc/d915403817.html,=学生9
https://www.wendangku.net/doc/d915403817.html,=学生6
https://www.wendangku.net/doc/d915403817.html,=学生2
https://www.wendangku.net/doc/d915403817.html,=学生3
https://www.wendangku.net/doc/d915403817.html,=学生1
https://www.wendangku.net/doc/d915403817.html,=学生7
https://www.wendangku.net/doc/d915403817.html,=高一(2)班
4
https://www.wendangku.net/doc/d915403817.html,=学生3
https://www.wendangku.net/doc/d915403817.html,=学生4
https://www.wendangku.net/doc/d915403817.html,=学生2
https://www.wendangku.net/doc/d915403817.html,=学生1
https://www.wendangku.net/doc/d915403817.html,=高一(3)班
检索策略
汽车尾气的排放控制新技术 第二部分：检索策略部分 1.课题分析 交通系统消耗了全球约1/3 的能源，以石油产品为燃料的汽车是最主要的现代交通运输工具，它给人们带来方便和快捷的同时，也带来了无法回避的问题。根据上个世纪七八十年代美国、日本对城市空气污染源的调查，城市空气中90%以上的一氧化碳、60%以上的碳氢化合物和30%以上的氮氧化物都来自汽车尾气的排放，这些污浊的气体使人类的生存环境受到极大威胁。汽车污染已成为世界性公害，其对于温室气体浓度增加的“贡献”不容忽视。随着世界各国汽车保有量的增加，汽车已成为城市大气质量恶化的主要污染源，其排放的CO、NOx、HC、SO2、Pb 等污染物不仅危害人体健康，还是造成酸雨和光化学烟雾的主要成分，汽车尾气污染已受到全球广泛的注视。截止2006年底，我国民用汽车保有量已接近3700万辆，并仍保持着快速增长的趋势。虽与发达国家相比，其总量不多，但由于主要集中在大城市，而且车况差，燃油质量低，单车的排污量往往高出国外同类车的几倍，汽车尾气对我国城市空气质量造成巨大的威胁。因此，研究汽车尾气的排放控制的新技术，减少有害气体的排放量，对提高城市空气的质量，保障人类生存环境，具有重大意义。本作业利用自己这学期所学的文献检索课的知识，检索了国内有关汽车尾气的排放、控制、净化方面的文献，经初步整理给出一篇肤浅的文献综述，有望老师给予指正。 2. 制定检索策略 2.1 选择检索工具
2.2 选择检索词 2.3 拟定检索式 由于不同检索工具的字段不同，因此将检索式（亦称提问式）在“检索步骤及检索结果”的各个具体检索工具中给出。 3. 检索步骤及检索结果 3.1 谷歌搜索引擎 3.1.1 检索式 A．篇名＝汽车 and 尾气 and 排放and 控制 3.1.2 检索步骤与结果 打开谷歌高级搜索：在第一行检索框内输入检索式A，“and”用空格形式表示。限定在“简体中文”和“网页标题”内检索。得到212条检索结果。经过筛选，选择其中2条： [1] 【篇名】申城推广燃油清净剂控制汽车尾气排放 【摘要】有关研究及开发证明，在燃油中添加合格的清净剂，能明显降低一氧化碳、碳氢化合物、氮氧化物和颗粒物等污染的排放量，而且能使节油率达到15％左右，燃油清净剂技术已成为我国在治理汽车尾气污染的一项高新技术。据了解，目前日本有80％的车用汽油使用汽油清净剂，欧美19个国家普遍使用汽油清净剂。上海目前机动车尾气污染仍十分严重，改善废气排放迫在眉睫。为此许多专家认为，上海应当大力推广燃油清净剂。 【出处】解放日报2002年3月27日 [2] 【篇名】控制尾气排放新方法－汽车试“喝”纳米燃油 【摘要】普通汽车上通过加装一套EPS纳米燃油装置，就可以节省燃油10%-30%，降低尾气排放约50%-90%，同时还能使动力增加10%-30%。日前，一种可将普通燃油变成纳米燃油
网络爬虫工作原理
网络爬虫工作原理 1 聚焦爬虫工作原理及关键技术概述 网络爬虫是一个自动提取网页的程序，它为搜索引擎从Internet网上下载网页，是搜索引擎的重要组成。传统爬虫从一个或若干初始网页的URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。聚焦爬虫的工作流程较为复杂，需要根据一定的网页分析算法过滤与主题无关的链接，保留有用的链接并将其放入等待抓取的URL队列。然后，它将根据一定的搜索策略从队列中选择下一步要抓取的网页URL，并重复上述过程，直到达到系统的某一条件时停止，另外，所有被爬虫抓取的网页将会被系统存贮，进行一定的分析、过滤，并建立索引，以便之后的查询和检索；对于聚焦爬虫来说，这一过程所得到的分析结果还可能对以后的抓取过程给出反馈和指导。 相对于通用网络爬虫，聚焦爬虫还需要解决三个主要问题： (1) 对抓取目标的描述或定义； (2) 对网页或数据的分析与过滤； (3) 对URL的搜索策略。 抓取目标的描述和定义是决定网页分析算法与URL搜索策略如何制订的基础。而网页分析算法和候选URL排序算法是决定搜索引擎所提供的服务形式和爬虫网页抓取行为的关键所在。这两个部分的算法又是紧密相关的。 2 抓取目标描述 现有聚焦爬虫对抓取目标的描述可分为基于目标网页特征、基于目标数据模式和基于领域概念3种。 基于目标网页特征的爬虫所抓取、存储并索引的对象一般为网站或网页。根据种子样本获取方式可分为： （1）预先给定的初始抓取种子样本； （2）预先给定的网页分类目录和与分类目录对应的种子样本，如Yahoo!分类结构等； （3）通过用户行为确定的抓取目标样例，分为： a) 用户浏览过程中显示标注的抓取样本； b) 通过用户日志挖掘得到访问模式及相关样本。 其中，网页特征可以是网页的内容特征，也可以是网页的链接结构特征，等等。现有的聚焦爬虫对抓取目标的描述或定义可以分为基于目标网页特征，基于目标数据模式和基于领域概念三种。 基于目标网页特征的爬虫所抓取、存储并索引的对象一般为网站或网页。具体的方法根据种子样本的获取方式可以分为：（1）预先给定的初始抓取种子样本；（2）预先给定的网页分类目录和与分类目录对应的种子样本，如Yahoo!分类结构等；（3）通过用户行为确定的抓取目标样例。其中，网页特征可以是网页的内容特征，也可以是网页的链接结构特征，等等。 基于目标数据模式的爬虫针对的是网页上的数据，所抓取的数据一般要符合一定的模式，或者可以转化或映射为目标数据模式。
检索策略及检索过程
检索过程及检索策略 信息检索的全过程大概分为六个步骤：分析课题、选择检索工具、确定检索途径、选定检索方法、查找文献线索、索取原始文献。 一、分析课题 GIS在医药行业的应用研究与探索。概述地理信息系统技术在现代医药行业的应用探索与研究，重点介绍GIS在公共卫生与疾病领域、药品监管、医药商业等领域的应用，并讨论了这些基础在应用过程中存在的问题。将GIS技术应用于医药行业以解决现阶段存在的一些问题，将会给医药行业带来更好的发展。 二、检索工具 首先使用学校的购买的资源，比如CNKI、万方、sciencedirect等，由于我们学校只买了医药方面的数据库权限，没有购买计算机方面的权限，所以就通过网上找的一些代理和其他学校VPN、MD、ezproxy等，通过获得的账号可以访问其他学校的资源，下载全文文献。 三、确定检索途径、方法以及策略 检索途径：主要运用了题名检索、机构检索、主题检索和关键词检索等。首先在CNKI中，使用“GIS”作为题目检索项进行跨库检索，获得文献24978篇，其中大部分文献都是以介绍GIS在各个行业的应用，其应用范围主要集中在工程利于，比如物流、商业分析等。但也有不少文献讲述了GIS在中药种植方面的应用。总体说来，在CNKI中的检索得到的文献与预期不是很符合。然后又在硕士博士数据库中重新选取关键词进行筛选，筛选了相关部分的一些文献。 再次检索：使用Google学术进行检索。使用高级检索“在文中标题中”进行检索，获得GIS相关综述类文献（根据之前的经验，分别针对包含和不包含“医药行业”关键字进行检索，获得一些其他方面信息），下载引用数靠前的文献，用作综述中简述、医药行业的应用以及一些研究进展。并将这部分文献的标引信息导入Endnote中备用。 补充检索：这一部分主要针对在进行综述写作中遇到的一些不够清楚和详细的问题进行检索。这部分内容主要在各种相关专业的数据库和期刊中进行检索。有时候还会用到维基百科、百度百科中相关的专业术语的解释，以易于理解。 在检索策略制定的时候主要通过两种方法，通过关键词组合。第一、在所检索的数据库主题词与自由词并用时，首先先从相应的主题词表中选择所需的检索词，这样一般都能够找到最佳的检索结果。第二、在没有确切的表达课题内容的主题词时，采用了自由词检索，在检索词确定的时候，主要参考国际上通用的、文献中提过的术语。有时候自己也尝试了一些符合逻辑运算的检索式。不过在检索过称中会不断的调整
缓存机制
3.1、缓存策略 3.1.1、一级缓存 之前每一个数据库操作都是一个Session，那么对于Session来说本身是存在着缓存，可以保留之前的查询结果。 但是对于Session的缓存只针对于一个Session有效，那么如果现在想针对于多个Session 有作用，则必须在SessionFactory上配置缓存，那么这样的缓存称为二级缓存。 在Hiernate按ID查询有两个方法：load、get 那么下面使用以上的查询方法，查询两次 程序虽然调用了两次load方法，但是只发出了一条的查询命令，证明，第一次的查询结果被保存下来了，那么这就是一级缓存。
与之前的相比，查询了两次操作，所以此时，证明一级缓存只是针对于一个Session起作用的。但是一级缓存是无法关闭的，始终会存在。
从运行结果可以发现，如果之前先进行了保存操作，那么之后再查询的话也不会重新发出查询语句。证明实体被缓存下来。 问题： 如果现在要求使用程序插入100000万条记录？该怎么办？ 如果使用Hibernate处理的话，则可能会出现内存的溢出，所以在这种情况下首先是绝对不建议使用Hibernate完成的，就使用最基本的JDBC操作完成即可。 如果非要使用Hibernate做，则必须使用到Session中关于缓存的一些操作方法：·清空Session中的所有缓存：clear() ·清空Session中一个指定的实体：evict(Object obj) 例如：下面验证clear()方法 因为程序中，将所有的缓存清空了，所以之后再查询相同实体的时候，在Session中已
以上因为只清空了一个实体，所以只发出了三个查询语句。 那么就可以通过以上的方式完成100W条记录的插入 思路：按照每十条清空缓存的操作，并将缓存中的内容强制性的写到数据库之中 3.1.2、二级缓存（重点） 在Hibernate本身中支持了多种的二级缓存组件。本次使用EHcache。如果要想使用ehcache话，则首先必须进行配置，配置ehcache的缓存文件。 ehcache.xml：
网络爬虫技术(新)
网络爬虫技术 网络机器人 1.概念： 它们是Web上独自运行的软件程序，它们不断地筛选数据，做出自己的决定，能够使用Web获取文本或者进行搜索查询，按部就班地完成各自的任务。 2.分类： 购物机器人、聊天机器人、搜索机器人（网络爬虫）等。 搜索引擎 1.概念： 从网络上获得网站网页资料，能够建立数据库并提供查询的系统。 2.分类（按工作原理）： 全文搜索引擎、分类目录。 1> 全文搜索引擎数据库是依靠网络爬虫通过网络上的各种链接自动获取大量 网页信息内容，并按一定的规则分析整理形成的。（百度、Google） 2> 分类目录：按目录分类的网站链接列表而已，通过人工的方式收集整理网 站资料形成的数据库。(国内的搜狐) 网络爬虫 1.概念： 网络爬虫也叫网络蜘蛛，它是一个按照一定的规则自动提取网页程序，其会自动的通过网络抓取互联网上的网页，这种技术一般可能用来检查你的站点上所有的链接是否是都是有效的。当然，更为高级的技术是把网页中的相关数据保存下来，可以成为搜索引擎。 搜索引擎使用网络爬虫寻找网络内容，网络上的HTML文档使用超链接连接了起来，就像织成了一张网，网络爬虫也叫网络蜘蛛，顺着这张网爬行，每到一个网页就用抓取程序将这个网页抓下来，将内容抽取出来，同时抽取超链接，作为进一步爬行的线索。网络爬虫总是要从某个起点开始爬，这个起点叫做种子，你可以告诉它，也可以到一些网址列表网站上获取。
现有聚焦爬虫对抓取目标的描述可分为基于目标网页特征、基于目标数据模式和基于领域概念3种。 基于目标网页特征的爬虫所抓取、存储并索引的对象一般为网站或网页。根据种子样本获取方式可分为： （1）预先给定的初始抓取种子样本； （2）预先给定的网页分类目录和与分类目录对应的种子样本，如Y ahoo!分类结构等； （3）通过用户行为确定的抓取目标样例，分为： a) 用户浏览过程中显示标注的抓取样本； b) 通过用户日志挖掘得到访问模式及相关样本。 其中，网页特征可以是网页的内容特征，也可以是网页的链接结构特征，等等。 一些算法的介绍 1> 网页分析算法
hibernate配置数据库连接池的三种方法
?数据库连接池的概念(是什么，做什么用的，有什么好处) ?首先，我们还是老套的讲讲连接池的基本概念，概念理解清楚了，我们也知道后面是怎么回事了。?以前我们程序连接数据库的时候，每一次连接数据库都要一个连接，用完后再释放。如果频繁的数据库操作，就会导致性能很低。连接池的出现，为开发过程提供了一个很好的管理平台。当程序中需要建立数据库连接时，只须从内存中取一个来用而不用新建。同样，使用完毕后，只需放回内存即可。而连接的建立、断开都有连接池自身来管理。同时，我们还可以通过设置连接池的参数来控制连接池中的连接数、每个连接的最大使用次数等等。通过使用连接池，将大大提高程序效率，同时，我们可以通过其自身的管理机制来监视数据库连接的数量、使用情况等。 ?而Hibernate的出现把连接池的使用引入了一个新的利用方式，让你充分享受配置化给开发带来的便利。 1 C3P0 (以验证可用) 只需在hibernate.cfg.xml中加入
网络爬虫论文
网络爬虫 摘要随着互联网的日益壮大，搜索引擎技术飞速发展。搜索引擎已成为人们在浩瀚的网络世界中获取信息必不可少的工具，利用何种策略有效访问网络资源成为专业搜索引擎中网络爬虫研究的主要问题。文章介绍了搜索引擎的分类及其工作原理．阐述了网络爬虫技术的搜索策略，对新一代搜索引擎的发展趋势进行了展望。 关键词网络爬虫；策略；搜索引擎 概念： 网络爬虫也叫网络蜘蛛，它是一个按照一定的规则自动提取网页程序，其会自动的通过网络抓取互联网上的网页，这种技术一般可能用来检查你的站点上所有的链接是否是都是有效的。当然，更为高级的技术是把网页中的相关数据保存下来，可以成为搜索引擎。 搜索引擎使用网络爬虫寻找网络内容，网络上的HTML文档使用超链接连接了起来，就像织成了一张网，网络爬虫也叫网络蜘蛛，顺着这张网爬行，每到一个网页就用抓取程序将这个网页抓下来，将内容抽取出来，同时抽取超链接，作为进一步爬行的线索。网络爬虫总是要从某个起点开始爬，这个起点叫做种子，你可以告诉它，也可以到一些网址列表网站上获取。 网络爬虫的构成及分类 网络爬虫又被称为做网络蜘蛛、网络机器人，主要用于网络资源的收集工作。在进行网络舆情分析时，首要获取舆情信息内容，这就需要用到网络爬虫(蜘蛛程序)这个工具，它是一个能自动提取网页内容的程序，通过搜索引擎从互联网上爬取网页地址并抓取相应的网页内容，是搜索引擎(Search Engine)的重要组成部分。 一个典型的网络爬虫主要组成部分如下： 1. URL 链接库，主要用于存放爬取网页链接。 2. 文档内容模块，主要用于存取从Web 中下载的网页内容。 3. 文档解析模块，用于解析下载文档中的网页内容，如解析PDF，Word，HTML 等。 4. 存储文档的元数据以及内容的库。 5. 规范化URL 模块，用于把URL 转成标准的格式。 6. URL 过滤器，主要用于过滤掉不需要的URL。 上述模块的设计与实现，主要是确定爬取的内容以及爬去的范围。最简单的例子是从一个已知的站点抓取一些网页，这个爬虫用少量代码就可以完成。然而在实际互联网应用中，可能会碰到爬去大量内容需求，就需要设计一个较为复杂的爬虫，这个爬虫就是N个应用的组成，并且难点是基于分布式的。 网络爬虫的工作原理 传统网路爬虫的工作原理是，首先选择初始URL，并获得初始网页的域名或IP 地址，然后在抓取网页时，不断从当前页面上获取新的URL 放入候选队列，直到满足停止条件。聚焦爬虫(主题驱动爬虫)不同于传统爬虫，其工作流程比较复杂，首先需要过滤掉跟主题不相关的链接，只保留有用的链接并将其放入候选URL 队列。然后，根据搜索策略从候选队列中选择下一个要抓取的网页链接，并重复上述过程，直到满足终止条件为止。与此同时，将所有爬取的网页内容保存起来，并进行过滤、分析、建立索引等以便进行性检索和查询。总体来讲，网络爬虫主要有如下两个阶段： 第一阶段，URL 库初始化然后开始爬取。
JAVA复试问题答案
（一） JAVA复试的问题整理 1 Hibernate 的优化流程是如何实现的，流程是怎么样？ 1.尽量使用many-to-one，避免使用单向one-to-many 2.灵活使用单向one-to-many 3.不用一对一，使用多对一代替一对一 4.配置对象缓存，不使用集合缓存 5.一对多使用Bag 多对一使用Set 6.继承使用显示多态 HQL:from object polymorphism="exlicit" 避免查处所有对象 7.消除大表，使用二级缓存 2 Struts1与Struts2的区别？ 在Action 实现类方面的对比：Struts 1 要求Action 类继承一个抽象基类；Struts 1 的一个具体问题是使用抽象类编程而不是接口。Struts 2 Action 类可以实现一个Action 接口，也可以实现其他接口，使可选和定制的服务成为可能。Struts2 提供一ActionSupport 基类去实现常用的接口。即使 Action 接口不是必须实现的，只有一个包含execute 方法的POJO 类都可以用作 Struts 2 的Action 。 线程模式方面的对比：Struts 1 Action 是单例模式并且必须是线程安全的，因为仅有Action 的一个实例来处理所有的请求。单例策略限制了Struts 1 Action 能做的事，并且要在开发时特别小心。Action 资源必须是线程安全的或同步的；Struts 2 Action对象为每一个请求产生一个实例，因此没有线程安全问题。 Servlet 依赖方面的对比：Struts 1 Action 依赖于 Servlet API，因为Struts 1 Action 的execute 方法中有HttpServletRequest 和HttpServletResponse 方法。Struts 2 Action 不再依赖于 Servlet API，从而允许Action 脱离Web 容器运行，从而降低了测试Action 的难度。当然，如果Action 需要直接访问HttpServletRequest 和HttpServletResponse 参数，Struts 2 Action 仍然可以访问它们。但是，大部分时候，Action 都无需直接访问HttpServetRequest 和HttpServletResponse，从而给开发者更多灵活的选择。 可测性方面的对比：测试Struts 1 Action 的一个主要问题是execute 方法依赖于Servlet API，这使得Action 的测试要依赖于Web 容器。为了脱离Web 容器测试 Struts1
网络爬虫基本原理
网络爬虫基本原理 网络爬虫根据需求的不同分为不同种类： 1. 一种是爬取网页链接，通过url链接得到这个html页面中指定的链接，把这 些链接存储起来，再依次以这些链接为源，再次爬取链接指向html页面中的链接……如此层层递归下去，常用的方法是广度优先或者深度优先，根据爬取层次需求不同而选择不同的方法达到最优效果，爬虫的效率优化是一个关键。搜索引擎的第一个步骤就是通过爬虫得到需要索引的链接或数据，存放于数据库，然后对这些数据建立索引，然后定义查询语句，解析查询语句并利用检索器对数据库里的数据进行检索。 2. 一种是爬取数据信息，如文本信息、图片信息等，有时需要做数据分析，通 过某种手段来获取数据样本以供后续分析，常用的方法是爬虫获取指定数据样本或利用现有的公共数据库。本文的微博爬虫和新闻数据爬取都属于第二种类，根据自定义搜索关键字爬取微博信息数据。 3. 对于网络爬虫原理，其实并不复杂。基本思路是：由关键字指定的url把所 有相关的html页面全抓下来（html即为字符串），然后解析html文本（通常是正则表达式或者现成工具包如jsoup），提取微博文本信息，然后把文本信息存储起来。 重点在于对html页面源码结构的分析，不同的html需要不同的解析方法；还有就是长时间爬取可能对IP有影响，有时需要获取代理IP，甚至需要伪装浏览器爬取。（主要是针对像新浪等这些具有反扒功能的网站，新闻网站一般不会有这样的情况）。 对于微博，通常情况下是必须登录才能看到微博信息数据（比如腾讯微博），但是有的微博有搜索机制，在非登录的情况下可以直接通过搜索话题来查找相关信息（如新浪微博、网易微博）。考虑到某些反爬虫机制，如果一个账号总是爬取信息可能会有些影响（比如被封号），所以本文采用的爬虫都是非登录、直接进入微博搜索页面爬取。这里关键是初始url地址。 网络爬虫是搜索引擎抓取系统的重要组成部分。爬虫的主要目的是是将互联网上的网页下载到本地形成一个活互联网内容的镜像备份。这篇博客主要对爬虫及抓取系统进行一个简单的概述。 一、网络爬虫的基本结构及工作流程 通用的网络爬虫的框架如图所示：
网络爬虫知识
网络爬虫 1.工作原理 网络爬虫是一个自动提取网页的程序，它为搜索引擎从万维网上下载网页，是搜索引擎的重要组成。传统爬虫从一个或若干初始网页的URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。聚焦爬虫的工作流程较为复杂，需要根据一定的网页分析算法过滤与主题无关的链接，保留有用的链接并将其放入等待抓取的URL队列。然后，它将根据一定的搜索策略从队列中选择下一步要抓取的网页URL，并重复上述过程，直到达到系统的某一条件时停止。另外，所有被爬虫抓取的网页将会被系统存贮，进行一定的分析、过滤，并建立索引，以便之后的查询和检索；对于聚焦爬虫来说，这一过程所得到的分析结果还可能对以后的抓取过程给出反馈和指导。基本步骤： 1）人工给定一个URL作为入口，从这里开始爬取。 2）用运行队列和完成队列来保存不同状态的链接。 3）线程从运行队列读取队首URL，如果存在，则继续执行，反之则停止爬取。 4）每处理完一个URL，将其放入完成队列，防止重复访问。 5）每次抓取网页之后分析其中的URL（URL是字符串形式，功能类似指针），将经过过滤的合法链接写入运行队列，等待提取。 6）重复步骤 3）、4）、5） 2.关键技术 1.对抓取目标的描述或定义 2.对网页或数据的分析与过滤 3.对URL的搜索策略
3.网页搜索策略 1.广度优先 广度优先搜索策略是指在抓取过程中，在完成当前层次的搜索后，才进行下一层次的搜索。该算法的设计和实现相对简单。在目前为覆盖尽可能多的网页，一般使用广度优先搜索方法。也有很多研究将广度优先搜索策略应用于聚焦爬虫中。其基本思想是认为与初始URL 在一定链接距离内的网页具有主题相关性的概率很大。另外一种方法是将广度优先搜索与网页过滤技术结合使用，先用广度优先策略抓取网页，再将其中无关的网页过滤掉。这些方法的缺点在于，随着抓取网页的增多，大量的无关网页将被下载并过滤，算法的效率将变低。 2.深度优先 即从起始网页开始，选择一个URL，进入，分析这个网页中的URL，选择一个再进入。如此一个链接一个链接地深入追踪下去，处理完一条路线之后再处理下一条路线。该算法在设置抓取深度时很容易导致爬虫的陷入(trapped)问题，同时每深入一层，网页价值和PageRank都会相应地有所下降。这暗示了重要网页通常距离种子较近，而过度深入抓取到的网页却价值很低，所以目前常见的是广度优先和最佳优先方法，很少使用深度优先策略。 3.最佳优先 最佳优先搜索策略按照一定的网页分析算法，预测候选URL与目标网页的相似度，或与主题的相关性，并选取评价最好的一个或几个URL进行抓取。它只访问经过网页分析算法预测为“有用”的网页。存在的一个问题是，在爬虫抓取路径上的很多相关网页可能被忽略，因为最佳优先策略是一种局部最优搜索算法。因此需要将最佳优先结合具体的应用进行改进，以跳出局部最优点。将在第4节中结合网页分析算法作具体的讨论。研究表明，这样的闭环调整可以将无关网页数量降低30%~90%。 4.网页分析算法 1.网络拓扑 基于网页之间的链接，通过已知的网页或数据，来对与其有直接或间接链接关系的对象（可以是网页或网站等）作出评价的算法。又分为网页粒度、网站粒度和网页块粒度这三种。 a)网页粒度的分析算法
2019最新Java面试题,常见面试题及答案汇总
ava最新常见面试题+ 答案汇总 1、面试题模块汇总 面试题包括以下十九个模块：Java 基础、容器、多线程、反射、对象拷贝、Java Web 模块、异常、网络、设计模式、Spring/Spring MVC、Spring Boot/Spring Cloud、Hibernate、Mybatis、RabbitMQ、Kafka、Zookeeper、MySql、Redis、JVM 。如下图所示： 可能对于初学者不需要后面的框架和JVM 模块的知识，读者朋友们可根据自己的情况，选择对应的模块进行阅读。 适宜阅读人群 需要面试的初/中/高级java 程序员 想要查漏补缺的人 想要不断完善和扩充自己java 技术栈的人 java 面试官 具体面试题 下面一起来看208 道面试题，具体的内容。 一、Java 基础 1.JDK 和JRE 有什么区别？ 2.== 和equals 的区别是什么？ 3.两个对象的hashCode()相同，则equals()也一定为true，对吗？ 4.final 在java 中有什么作用？ 5.java 中的Math.round(-1.5) 等于多少？ 6.String 属于基础的数据类型吗？ 7.java 中操作字符串都有哪些类？它们之间有什么区别？ 8.String str="i"与String str=new String(“i”)一样吗？ 9.如何将字符串反转？ 10.String 类的常用方法都有那些？ 11.抽象类必须要有抽象方法吗？ 12.普通类和抽象类有哪些区别？ 13.抽象类能使用final 修饰吗？
14.接口和抽象类有什么区别？ 15.java 中IO 流分为几种？ 16.BIO、NIO、AIO 有什么区别？ 17.Files的常用方法都有哪些？ 二、容器 18.java 容器都有哪些？ 19.Collection 和Collections 有什么区别？ 20.List、Set、Map 之间的区别是什么？ 21.HashMap 和Hashtable 有什么区别？ 22.如何决定使用HashMap 还是TreeMap？ 23.说一下HashMap 的实现原理？ 24.说一下HashSet 的实现原理？ 25.ArrayList 和LinkedList 的区别是什么？ 26.如何实现数组和List 之间的转换？ 27.ArrayList 和Vector 的区别是什么？ 28.Array 和ArrayList 有何区别？ 29.在Queue 中poll()和remove()有什么区别？ 30.哪些集合类是线程安全的？ 31.迭代器Iterator 是什么？ 32.Iterator 怎么使用？有什么特点？ 33.Iterator 和ListIterator 有什么区别？ 34.怎么确保一个集合不能被修改？
定向网络爬虫-开题报告
山东科技大学 本科毕业设计（论文）开题报告 题目网络爬虫 定向爬取?脚本之家?文本信息 学院名称信息科学与工程学院 专业班级计算机科学与技术2012级2班 学生姓名包志英 学号 2 指导教师赵中英 填表时间：二0一六年三月二十八日
下，并不能很稳定的工作，内存消耗随着程序的运行而不断增大，直到达到jvm 分配的上限而崩溃。很多时候，你只能做个权衡，每个webclient使用若干次后就把它回收，然后重新启动一个，这非常影响性能。Rhino对于javascript的支持并不好，实际使用中，会发现各种Exception，很多时候会导致无法渲染出想要的结果，这个htmlunit的又一大缺陷。随着版本的更新，能够渐次解决一些问题，但是好的程序员，还是应该自己读源码来尝试解决问题。 Phantomjs相比于htmlunit，对于js的支持更接近真实的浏览器，但是并发性能差，通过java的exec调用系统命令来启动，更加降低了性能。 此外主流的浏览器都提供了相应的抓取支持，selenium可谓是一个集大成者，包含了上述的所有组件，以WebDriver的形式，适配各种爬虫组件，你可以用它操控浏览器自动抓取，当然，并发和性能的问题依然存在。 爬虫开发的主要问题是性能和反封锁。很多时候，采用高并发高频率抓取数据是可行的，前提是目标站点没有采用任何反爬措施（访问频率限制、防火墙、验证码……）；更多时候，有价值的信息，一定伴随着严格的反爬措施，一旦ip 被封，什么组件都没戏了。你不得不维护一个代理IP池来解决这个问题，当然，这也带来了代理ip稳定性和速度的问题，这些问题都是无法回避的问题，我们需要针对具体的情况，采用对应的措施，以最大限度的完成爬虫爬取任务。 目前，爬虫的需求呈爆炸式增长的趋势，这是当前各种互联网创新和大数据时代的新常态。火车和八爪鱼等团队看到了这一点，并率先开发了相对完备的爬虫产品，很多用户都在使用，但是更多的用户希望直接把爬虫抓取任务外包出去，因为他们不懂技术，工具的使用需要逾越技术的鸿沟，大部分用户并没有这个逾越鸿沟的打算。我相信像猪八戒这样的技术外包平台会活的越来越好，我也相信各个技术门类会不断聚集，形成相对独立的社区，P2P的社区平台将提供爬虫开发者和爬虫需求者更加通畅的交流渠道。 目前，淘宝等平台上出现很多爬虫服务商，如，这种定制开发的服务，增加了服务商的成本，服务往往是一次性的，满足了一个用户的需求，然而具有相似需求的用户，却很难有机会找到这个服务商，这就是为什么我们需要爬虫信息交流的平台。 我有意建立这样的平台，不管是微博、微信公众号、文章，还是政府门户的
防采集与反爬虫常见的策略以及解决思路
https://www.wendangku.net/doc/d915403817.html, 防采集与反爬虫常见的策略以及解决思路 打从有采集这件事情开始 就有防采集的诞生 大仙爬虫从业十年 见过各种防采集策略 今天，我们就一起来吹吹牛B 说说这些年遇到的各种防采集策略 1、限制IP单位时间访问次数还有频率 背景：没有哪个常人一秒钟内能访问相同网站N次（不管是不是同一个网页） 解决办法：一般遇到这种情况我们就放缓采集频率，不管你写代码添加Sleep，或者在我们八爪鱼里面设置间隔时间都可以解决 进化1：有些高级点的防采集策略，他甚至监控到每个请求的频率，如果一直处于同一个频率，比如一秒一次，他也是会封。 解决办法：这种情况一般就需要我们在采集间隔里面加上随机数，每次访问的频率相对随机。 进化2：有些更残忍的防采集策略，他甚至会监控每IP每天或每时段请求网页的数量。 因为他可以通过数据分析，知道大体上他真实的用户一般最多会访问他多少网页，如果超过，他也照样封。
https://www.wendangku.net/doc/d915403817.html, 解决办法：这种情况也就只有用多IP或者多服务器来解决了，虚拟出许多不同的终端在访问，平摊访问资源。八爪鱼在这块也提供了代理IP池套餐与旗舰版云服务器集群来保障。 2、验证码 背景：验证码天生就是一个识别你到底是人还是机器的神器
https://www.wendangku.net/doc/d915403817.html, 解决办法： 这一招是被用烂的一招，现在普通的验证码，即使加了混淆，都可以通过图像识别技术 给破解了，所以市面就多了好多诡异的验证码，最经典的，应该算是12306的验证码 了吧。但是再复杂的验证码，包括那些中文成语，中文加减乘除之类的，都是有破解之法。因为这世上还有打码平台在，就是一种人工帮你输入验证码的平台。
网络爬虫
网络爬虫 1.什么是爬虫 2.网络爬虫工具 3.网页搜索策略 4.信息获取 1 . 什么是网络爬虫？ 网络爬虫（又被称为网页蜘蛛，网络机器人，在FOAF社区中间，称为网页追逐者），是一种按照一定的规则，自动的抓取万维网信息的程序或者脚本。目标数据模式的爬虫针对的是网页上的数据，所抓取的数据一般要符合一定的模式，或者可以转化或映射为目标数据模式。 网络爬虫是一个自动提取网页的程序，它为搜索引擎从万维网上下载网页，是搜索引擎的重要组成。传统爬虫从一个或若干初始网页的URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列，直到满足系统的一定停止条件。 《把互联网比喻成一个蜘蛛网，那么Spider就是在网上爬来爬去的蜘蛛。网络蜘蛛是通过网页的链接地址来寻找网页，从网站某一个页面（通常是首页）开始，读取网页的内容，找到在网页中的其它链接地址，然后通过这些链接地址寻找下一个网页，这样一直循环下去，直到把这个网站所有的网页都抓取完为止。如果把整个互联网当成一个网站，那么网络爬虫就可以用这个原理把互联网上所有的网页都抓取下来。下面大体介绍主题爬虫的工作原理。》
2 . 网络爬虫工具 1.Heritrix ——是一个开源，可扩展的web爬虫项目。Heritrix是一个爬虫框架，可加入一些可互换的组件。 2.WebSPHINX ——是一个Java类包和Web爬虫的交互式开发环境。Web爬虫是可以自动浏览与处理Web页面的程序。 3.WebLech——是一个功能强大的Web站点下载与镜像工具。它支持按功能需求来下载web站点并能够尽可能模仿标准Web浏览器的行为。WebLech有一个功能控制台并采用多线程操作。 4.Arale ——主要为个人使用而设计，而没有像其它爬虫一样是关注于页面索引。 5.Jspider——是一个完全可配置和定制的Web Spider引擎.你可以利用它来检查网站的错误,网站内外部链接检查，分析网站的结构 6.Spindle——是一个构建在Lucene工具包（是一个基于Java 的全文信息检索工具包）之上的Web索引/搜索工具. 7.Arachnid（蛛形纲动物）——是一个基于Java的网络爬虫框架. https://www.wendangku.net/doc/d915403817.html,RM ——LARM能够为Jakarta Lucene搜索引擎框架的用户提供一个纯Java的搜索解决方案。。 9.JoBo——是一个用于下载整个Web站点的简单工具。它本质是一个Web Spider。它的主要优势是能够自动填充form。 10.snoics-reptile——是用纯Java开发的，用来进行网站镜像抓取的工具，
Hibernate性能调优
Hibernate性能调优 关键字: hibernate性能调优 一、inverse = ? inverse=false(default) 用于单向one-to-many关联 parent.getChildren().add(child) // insert child parent.getChildren().delete(child) // delete child inverse=true 用于双向one-to-many关联 child.setParent(parent); session.save(child) // insert child session.delete(child) 在分层结构的体系中 parentDao, childDao对于CRUD的封装导致往往直接通过session接口持久化对象，而很少通过关联对象可达性 二、one-to-many关系 单向关系还是双向关系？ parent.getChildren().add(child)对集合的触及操作会导致lazy的集合初始化，在没有对集合配置二级缓存的情况下，应避免此类操作 select * from child where parent_id = xxx; 性能口诀： 1. 一般情况下避免使用单向关联，尽量使用双向关联
2. 使用双向关联，inverse=“true” 3. 在分层结构中通过DAO接口用session直接持久化对象，避免通过关联关系进行可达性持久化 三、many-to-one关系 单向many-to-one表达了外键存储方 灵活运用many-to-one可以避免一些不必要的性能问题 many-to-one表达的含义是：0..n : 1，many可以是0，可以是1，也可以是n，也就是说many-to-one可以表达一对多，一对一，多对一关系 因此可以配置双向many-to-one关系，例如： 1. 一桌四人打麻将，麻将席位和打麻将的人是什么关系？是双向many-to-one的关系 四、one-to-one 通过主键进行关联 相当于把大表拆分为多个小表 例如把大字段单独拆分出来，以提高数据库操作的性能 Hibernate的one-to-one似乎无法lazy，必须通过bytecode enhancement 五、集合List/Bag/Set
检索策略
文献检索策略 作者：佚名文章来源：转载点击数：9530 更新时间：2008/4/2 16:35:11 热★★★ 1、检索策略的概念 检索策略是为实现检索目标而制订的全盘计划或方案，指导整个检索过程，因此检索策略几乎包括了全部检索有关的基本知识的应用。 检索策略，就是在分析课题内容具有哪些概念单元的基础上，确定检索系统、检索文档、检索途径和检索词，并科学安排各检索词之间的位置关系和逻辑关系以及查找步骤等。检索策略考虑得是否周全，直接影响文献的查全率和查准率。 2、制定检索策略的步骤 您脑海中有一个需要找寻资料的课题，明确检索目的。 将与课题相关概念陈列开来，进行分析，然后建立检索命题。 寻找有关资料，如专书、期刊论文等并评估检索结果所得资料是否和课题相关。 查找检索所得资料 利用资料后所列的参考书目查寻更多的资料。 评估所找寻到的资料 若满意所找寻到的资料，使用查获得的资料。若所得资料和课题无关，重新将与课题相关的概念陈列开来，并建立检索关键词。
3、检索策略的制定 一、制定检索策略的基础是弄清信息需要和检索目的。如何对信息需求进行正确的分析呢？不妨从信息需求的形式和内容两方面来分析。有关信息的形式需求要明确的问题有： ①明确检索目的。检索是为了申报成果，还是为了了解学科的最新进展等等，据此以制定出符合查全或查准要求的检索策略。 ②明确所需的文献量。规定所需文献数量的上限，对以后确定检索策略和控制检索费用是一个很重要的参数；同时还需对检索课题可能有的相关文献量做出估计。 ③明确所需文献的语种、年代范围、类型、作者或其他外表特征，这对限定检索范围也很重要。 关于信息的内容需求要明确的主要问题有： ①明确检索课题内容涉及的主要学科范围，这对以后选择合适的数据库很重要。 ②分析检索课题的主要内容，用自然语言来表达这些内容要求，这是联机检索中较为重要的环节。 二、在明确检索目的基础上，对检索课题进行概念分析，如果课题属单一概念就用单个检索词表达，若课题概念复杂，就把复杂概念分解为若于个概念单元，再用逻辑运算符把表达概念单元的检索词组配起来。将概念单元转换为检索词时侯，应该尽量选用规范化词。检索新课题、边缘学科或是比较含糊的概念时，应特别小心，因为这些词往往没有收入系统，这里应从专业范畴出发选用本学科内具有检索意义的关键词即自由词，不然就会带来误检或漏检。 以下几点意见希望能帮助您更妥善地处理您的研究课题： ①、把您的研究课题转换成一个问题。如：“老人问题”谁应该负起照顾老人的责任：家庭或政府？把研究课题分析成几个重要的概念“老人”、“照顾”、“政府”、“家庭”。②、把和概念的同义词陈列开来。在做这项工作的时候，可参考辞典、词语汇编和图书馆主题词表。 ③、把概念放宽，这样可给予您更多检索词组。尤其是当您在利用检索概念后找不到或仅找
北大青鸟Java培训班谈10个常见的java面试题
面试常常有，但成功面试又有几个呢，对于我们Java程序员来说，本就不善于表达，如何能在面试的时候成功呢。 在Java J2EE方面进行面试时，常被问起的Hibernate面试问题，大多都是针对基于Web的企业级应用开发者的角色的。 Hibernate框架在解决方案。 Hibernate将你从数据库相关的编码中解脱了出来，使你可以更加专注地利用强大的面向对象的设计原则来实现核心的业务逻辑。 采用Hibernate后，你就能够相当容易地在不同的数据库间进行切换，而且你还可以利用Hibernate提供的开箱即用的二级缓存以及查询缓存功能。 你也知道，大部分Java面试中所提的问题不仅仅会涉及Java的核心部分，而且还会涉及其它的Java框架，比如，根据项目的要求也有可能会问到Spring框架方面的问题或者Struts方面的问题。 如果你要参加的项目使用了Hibernate作为ORM解决方案，你就应该同时准备好回答Spring和Hibernate这两个框架方面的问题。好好看看JD或者职位说明，如果其中的任何地方出现了Hibernate这个词，就要准备好怎样来面对Hibernate 方面的问题。
本文给出了一个Hibernate面试问题列表，这些都是我从朋友以及同事那里搜集来的。Hibernate是一个非常流行的对象关系影射框架，熟悉Hibernate的优势所在以及Hibernate的Sesion API是搞定Hibernate面试之关键所在。 北大青鸟上海云登校区专家和大家一起学习一下： Hibernate中get和load有什么不同之处? 把get和load放到一起进行对比是Hibernate面试时最常问到的问题，这是因为只有正确理解get()和load()这二者后才有可能高效地使用Hibernate。get和load的最大区别是，如果在缓存中没有找到相应的对象，get将会直接访问数据库并返回一个完全初始化好的对象，而这个过程有可能会涉及到多个数据库调用；而load方法在缓存中没有发现对象的情况下，只会返回一个代理对象，只有在对象getId()之外的其它方法被调用时才会真正去访问数据库，这样就能在某些情况下大幅度提高性能。你也可以参考Hibernate中get和load的不同之处，此链接给出了更多的不同之处并对该问题进行了更细致的讨论。 Hibernate中save、persist和saveOrUpdate这三个方法的不同之处？ 除了get和load，这又是另外一个经常出现的Hibernate面试问题。所有这三个方法，也就是save()、saveOrUpdate()和persist()都是用于将对象保存到数据库中的方法，但其中有些细微的差别。例如，save()只能INSERT记录，但是saveOrUpdate()可以进行记录的INSERT和UPDATE。还有，save()的返回值是一个Serializable对象，而persist()方法返回值为void。你还可以访问save、persist以及saveOrUpdate，找到它们所有的不同之处。 Hibernate中的SessionFactory有什么作用? SessionFactory是线程安全的吗？ 这也是Hibernate框架的常见面试问题。顾名思义，SessionFactory就是一个用于创建Hibernate的Session对象的工厂。SessionFactory通常是在应用启动时创建好的，应用程序中的代码用它来获得Session对象。作为一个单个的数据存储，它也是线程安全的，所以多个线程可同时使用同一个SessionFactory。Java JEE应用一般只有一个SessionFactory，服务于客户请求的各线程都通过这个工厂来获得Hibernate的Session实例，这也是为什么SessionFactory接口的实现必须是线程安全的原因。还有，SessionFactory的内部状态包含着同对象关系影射有关的所有元数据，它是不可变的，一旦创建好后就不能对其进行修改了。 Hibernate中的命名SQL查询指的是什么?