azure-caching

    1熱度

    2回答

    我在過移動C#ASP.Net Web應用程序天青的規劃過程Azure的緩存/數據高速緩存風格的地區(目前主持一個專用的服務器上),並期待在緩存選項。目前,因爲我們一次只運行一個應用程序實例,所以我們有一個「進程中」內存緩存來緩解SQL DB的一些相同的請求。 此刻的過程是清除緩存的某些部分時,經理/服務進行更改數據庫,例如那些部分我們有一個用戶表,我們將有返回單個用戶記錄/對象的「用戶。{0}」和

    0熱度

    2回答

    如何在Azure雲服務中緩存大數據集(來自Azure數據庫)?我可以使用表存儲作爲緩存嗎? 數據插入和更新處於高頻率。 我需要在同一頁面上實時生成多個圖表,最好的方法是做什麼。 謝謝

    0熱度

    2回答

    我正在爲我們的Web角色羣集使用Azure的角色內緩存。 我需要使用單獨的dataCacheClients以便具有不同且明確設置的傳輸屬性配置(maxBufferPoolSize和maxBufferSize)。 問題是每個dataCacheClient始終設置爲相同的maxBufferPoolSize和maxBufferSize值。它們都被設置爲我首先實例化的dataCacheFactory的值。

    1熱度

    1回答

    我嘗試使用PowerShell和Azure Management API創建Azure Managed Cache,因爲Offical Azure PowerShell Cmdlets對Creation and Update of Azure Managed Cache的支持非常有限,所以需要採用這種兩種方法。然而有一個established pattern for calling the Azu

    0熱度

    1回答

    我有一些需要從緩存中存儲和提取的大對象。這些物體的大小約爲1 - 2 mb。 在啓用localCache的情況下運行時,檢索時間不會超過幾毫秒,但如果沒有它,則需要持續3秒左右。 我正在使用Azure角色內緩存(共同定位)。 任何人都可以闡明爲什麼它會慢得多,沒有啓用localCache?

    0熱度

    1回答

    我實現了角色內緩存,我的應用程序我想在不同的場景中使用這兩種緩存。 下面的事情來實現:1。 Web應用程序 - Web角色 - 啓用協同定位緩存 2.緩存Worker角色 - Worker角色 - 啓用專用緩存 現在,問題是如何界定二者的在DataCacheClients部分的Web.config文件中。 <dataCacheClients> <dataCacheClient name

    0熱度

    1回答

    我試着去訪問MS Azure的緩存服務和漂亮的時候,我得到這個錯誤: Microsoft.ApplicationServer.Caching.DataCacheException: ErrorCode<ERRCA0017>:SubStatus<ES0006>:There is a temporary failure. Please retry later. (One or more specifi

    1熱度

    1回答

    我們注意到,在我們的Web角色中,Azure「CacheService」Windows進程的內存使用量呈線性增長。什麼可能導致這個? 內存泄漏是否正確?那麼不,因爲我們甚至沒有使用它。只能保留Azure角色緩存,與之前刪除的功能不同。現在我們已經關閉了它,並且不必對應用程序進行任何更改,這應該證明我們並未實際使用它,因此內存泄漏情況是不可能的。 正如所料,Windows進程現在甚至不運行,角色內緩

    0熱度

    1回答

    我正在使用使用azure緩存的node.js express應用程序。我已經將服務部署到了Azure,並且我注意到get和put rquests的延遲爲50毫秒左右。 我使用的方法是: var time1, time2; var start = Date.now(); var cacheObject = this.cache; cacheObject.put('tes

    0熱度

    2回答

    給出一個鍵列表,我想從Azure Redis緩存中提取多個值。 我們如何與Azure Redis Cache同時執行多個操作? 我們的數據是一個int/ComplexObject對。我們的數據位於SQL Server中。我們目前通過將我們的密鑰List<int>轉換爲XElement對象並將其傳遞給存儲過程來獲取列表,但我們的密鑰大小很小(3000個密鑰),因此同一數據一次又一次地被多個用戶訪問。