在hazelcast IMap上使用clear/deleteAll的更好方法

使用的示例代码：

public static void main(String[] args) {
                HazelcastInstance hz = Hazelcast.newHazelcastInstance();
                HazelcastInstance hz1 = Hazelcast.newHazelcastInstance();

                IMap<String, String> map = hz.getMap("map");

                for(int i=0; i < 1000000 ; i++) {
                                String key = "key" +Integer.toString(i);
                                String value = "value"+Integer.toString(i);
                                map.setAsync(key,value);
                }
                 System.out.println("Completed loading to Imap");
                long timeStarted = System.currentTimeMillis();
//map.clear()
//map.evictAll()
                //map.keySet().forEach(key -> map.delete(key));
map.keySet().forEach(key -> map.removeAsync(key));
                long timeComplted = System.currentTimeMillis();
                 System.out.println("time took using clear::"+(timeComplted - timeStarted));
}

publicstaticvoidmain（字符串[]args）{
HazelcastInstance hz=Hazelcast.newHazelcastInstance（）；
HazelcastInstance hz1=Hazelcast.newHazelcastInstance（）；
IMap map=hz.getMap（“map”）；
对于（int i=0；i<1000000；i++）{
字符串key=“key”+整数.toString（i）；
String value=“value”+Integer.toString（i）；
setAsync（键，值）；
}
System.out.println（“已完成加载到Imap”）；
long timeStarted=System.currentTimeMillis（）；
//map.clear（）
//map.executeAll（）
//map.keySet（）.forEach（key->map.delete（key））；
map.keySet（）.forEach（key->map.removesync（key））；
long-timeComplted=System.currentTimeMillis（）；
println（“使用clear:：”+（timeComplted-timeStarted）所花费的时间）；
}

清除（）： 已完成加载到Imap 使用clear:：302花费的时间 CPU消耗过高（超过200%）

ecictAll（）： 已完成加载到Imap 使用clear:：511所花费的时间 CPU消耗过高（超过200%）

使用每个键删除： 已完成加载到Imap 使用clear:：81578花费的时间 CPU消耗高（超过200%）

使用asyncRemove删除： 已完成加载到Imap 使用clear:：9818所花费的时间 CPU消耗高（超过200%）

注意：另一件事是，如果缓存中有1000万个条目，那么在我的本地缓存中，上面的任何一项都不起作用。 {clear（）/execall（）/delete by key}花费了很长时间，最后由于内存不足而失败。

---

下图是试图从映射中删除1000万个条目时的CPU使用情况。

您的测试不仅仅是测量执行所用的时间（或您测试的其他方法）：而是测量在同时执行其他几个

setAsync

操作时所用的时间。这就是为什么你会看到高CPU使用率；这不是因为

clear

占用大量CPU，而是因为仍有异步操作排队并同时执行。您的紧密循环正在用异步操作淹没Hazelcast，并且您尚未配置任何背压。在没有配置背压的情况下（请参阅），Hazelcast将只接受任意数量的传入异步操作，您可以通过向其发送请求来触发

OutOfMemoryException

。为了更好地观察您尝试过的4种方法中的每一种，最好在循环中使用

set

而不是

setAsync

，这样可以确保您的映射完全填充，并且在清除映射时不会发生进一步的操作

此外，您在上面尝试的4种方法具有完全不同的语义：

• ：清除映射并调用实现的MapStore，该MapStore如果连接到数据库（例如），将从该数据库（从

  IMap\clear（）

  javadoc）中删除记录。这是清除

  IMap

• ：从该地图中移出除锁定的关键点以外的所有关键点。如果为此

  IMap

  定义了，则此方法不会调用

  IMap#deleteAll（）

  （从

  IMap#execall（）

  javadoc）
• 使用任何

  map.keySet（）.forEach（…）变体，地图中所有键的克隆由
  键集返回
  ，从而增加内存压力

最后一句话，您在同一JVM中使用2

HazelcastInstance

s进行简单测试所观察到的情况，可能与在两个不同主机上使用2

HazelcastInstance

s进行的实际部署大不相同

---

谢谢Vassilis，我同意你的看法，在spring上下文中尝试清除（）并设置后意识到。CPU使用情况的图片在哪里？还有，有什么问题吗？