在第一篇介紹Hazelcast的文章已經提到，Hazelcast爲Java中絕大部分數據結構提供了分佈式實現。我們常用的Map、List、Queue等數據結構可以用Hazelcast的實現類在多個集羣節點之間共享數據。本篇將介紹Map的分佈式實現方式和使用方法，後續的博文再簡要說明Set、Queue、List、Ringbuffer、Topic、Lock等數據結構的配置和使用方法。如果你對Hazelcast的基礎知識還不太瞭解，建議先閱讀本人前面關於Hazelcast介紹的三篇博文——Hazelcast介紹、Hazelcast基本配置、Hazelcast集羣功能詳解。
分佈式Map基礎功能
Map是我們再最常用的數據接口之一，時常用於存儲某種關係值。在前面介紹Hazelcast的文章中已經用Map舉了很多分佈式環境使用的例子。下面我們將由淺入深的介紹Hazelcast的Map。
在Hazelcast中自定義了一個名爲IMap的接口，該接口自java.util.concurrent.ConcurrentMap接口，所以可以通過常規的Map::get和Map::put方法來控制集羣Map的數據。先看一個Map使用簡單的例子：
（再次申明，文中所有的例子的代碼都在：https://github.com/chkui/hazelcast-demo，git clone到本地用Maven導入即可運行）
首先創建一個服務端節點，並向節點中的Map添加數據。
//
// 服務端節點
public class ServiceNode {
public static void main(String[] args) {
// 獲取Hazelcast實例
HazelcastInstance ins = Hazelcast.newHazelcastInstance();
// 從集羣中讀取Map實例
Map<Integer, String> map = ins.getMap("default map");
// 向集羣中添加數據
System.out.println("Begin insert data");
map.put(1, "Cait Cassiopeia");
map.put(2, "Annie");
map.put(3, "Evelynn");
map.put(4, "Ashe");
System.out.println("End");
}
}
然後創建一個客戶端節點，從節點的Map讀取數據。
//
// 客戶端節點
public class ClientNode {
public static void main(String[] args) {
// 獲取Hazelcast實例
HazelcastInstance ins = Hazelcast.newHazelcastInstance();
// 從集羣中讀取Map實例
Map<Integer, String> map = ins.getMap("default map");
// 輸出map中數據
map.forEach((k,v)->{
System.out.println("Pos:" + k + ". name:" + v);
});
}
}
這就是使用集羣Map的過程，和常規Map並沒有什麼差異。在使用集羣Map時，最主要是瞭解Map的各種配置對Map功能的影響，以及Hazelcast爲Map提供了哪些擴展接口。下面將會結合配置文檔，說明每一個配置參數的功效。
先看分佈式Map的基礎配置參數：
<map name="default">
<backup-count>0</backup-count>
<async-backup-count>1</async-backup-count>
<read-backup-data>true</read-backup-data>
<in-memory-format>BINARY</in-memory-format>
<eviction-policy>LRU</eviction-policy>
<time-to-live-seconds>0</time-to-live-seconds>
<max-idle-seconds>0</max-idle-seconds>
<min-eviction-check-millis>150</min-eviction-check-millis>
<max-size policy="PER_NODE">5000</max-size>
<eviction-percentage>25</eviction-percentage>
</map>
下面這個是一個使用代碼配置的例子：
//
// 代碼設置Map
public class StaticMapConfig {
public static void main(String[] args) {
MapConfig mapConfig = new MapConfig();
mapConfig.setName("cacheMap")// 設置Map名稱
.setInMemoryFormat(InMemoryFormat.BINARY)// 設置內存格式
.setBackupCount(1);// 設置副本個數
mapConfig.getMapStoreConfig()//
.setWriteDelaySeconds(60)//
.setWriteBatchSize(1000);// 設置緩存格式
mapConfig.addMapIndexConfig(new MapIndexConfig().setAttribute("id").setOrdered(true));// 增加索引
mapConfig.addMapIndexConfig(new MapIndexConfig().setAttribute("name").setOrdered(true));
}
}
下面我們將一一介紹每個配置的含義。
backup-count
備份副本個數[0~Integer.MAX_VALUE]。 前面的博文已經介紹，集羣中分佈式存儲的數據都會被均勻的存儲在每個節點上。我們使用Map進行分佈式數據存儲時，每個節點會按條目（Entry）數將數據進行分佈，並且每條數據都會有備份。例如集羣中的一個Map有1000條數據，此時有2個節點，那麼每個節點會存儲1000條數——500條主數據和500條備份數據，以此類推，當有5個節點是，每個節點200條主數據加200條備份數據。
backup-count 就是用來定義備份副本個數的，默認爲1。當設置爲0時，集羣中不會有任何數據副本。這個參數需要根據數據的業務需要來定義，值越大，需要備份的副本就越多，集羣中需要處理的數據就越多會導致性能降低。
async-backup-count
異步備份副本的個數[0~Integer.MAX_VALUE]。這個參數和backup-count類似，也是指定備份副本的個數，區別在於這裏指定的副本，是異步備份的。例如，我們執行map.put(key,value)時，Hazelcast會先向主表添加數據。這時如果指定了backup-count = 1，會先更新副本數據，然後再return到調用put方法的線程，在添加數據完成之前，調用線程都是被阻塞的。如果指定了async-backup-count = 1，那麼當添加主表數據成功後，會直接返回給調用線程，然後再去異步執行數據備份。使用同步方法還是異步方法，需要根據業務數據的重要性來決定，如果是一定不能丟失的數據，最好用同步方法，如果備份出現異常，會馬上通知到調用線程然後執行補償操作。
read-backup-data
副本直讀數據[true|false]。當我們的集羣中有一個map的備份數據後，這些備份數據也是分散存儲在各個節點的。當某個節點需要讀取數據時，read-backup-data設置爲false表示只能從主表數據讀取，設置爲true表示可以從備份副本中讀取數據。設置爲true，可以提升數據的讀取數據，因爲在某個節點要讀取某條數據時，該節點正好有該條數據，可以減少網絡交互消耗。但是設置爲trure可能會導致“數據髒讀”。
in-memory-format
內存數據格式[BINARY|OBJECT]。
BINARY：這是默認配置。數據將被序列化成二進制的方式存儲。如果在應用中Map的主要執行的都是像get和put這樣的常規操作，建議使用這個配置。
OBJECT：數據將以非序列化的結構存儲。這個配置有利於當Map中存儲的對象比較複雜，對其進行序列化的成本較高時。當需要對存儲複雜對象的Map條目進行大量查詢時，建議使用OBJECT。
用一個場景來說明他們的區別。我們的對象都是存儲在存儲在每個節點中的，當某個節點需要get不在本地一條數據時，Hazelcast需要去其他節點獲取數據。此時如果以二進制的方式存儲，不用進行序列化，直接將數據進行傳輸，而如果以對象的方式存儲，在傳輸之前，需要進行一次序列化操作，然後再傳遞數據。
eviction-policy
數據釋放策略[NONE|LRU|LFU]。這是Map作爲緩存的一個參數，用於指定數據的回收算法。默認爲NONE。
NONE：當設置爲NONE時，不會發生數據回收，同時max-size會失效。但是任然可以使用time-to-live-seconds和max-idle-seconds參數來控制數據留存時間。
LRU：“最近最少使用“策略。
LFU：“最不常用的使用”策略。
time-to-live-seconds（TTL）
數據留存時間[0~Integer.MAX_VALUE]。緩存相關參數，單位秒，默認爲0。這個參數決定了一條數據在map中的停留時間。當數據在Map中留存超過這個時間並且沒有被更新時，它會根據指定的回收策略從Map中移除。值爲0時，意味着無求大。
max-idle-seconds
數據的最大空閒時間[0~Integer.MAX_VALUE]。緩存相關參數，單位秒，默認值爲0。當條目的空閒時間大於這個數值時，將會被自動釋放。條目的空閒是指沒get、put、EntryProcessor.process或containsKey方法被調用。默認值爲0，意味着無求大。
min-eviction-check-millis
分區數據釋放檢查週期[0~Integer.MAX_VALUE]。緩存先關參數，單位秒，默認值爲100。前面提到了Hazelcast會對map存儲的數據進行釋放。爲了移除這些數據，有一個輪詢工作在不間斷的執行。換一種說嘛，就是數據釋放的頻率。當設置爲0時，每一次數據的put操作，都會導致一次數據釋放執行。
max-size
Map中存儲條目的最大值[0~Integer.MAX_VALUE]。默認值爲0。當條目數量達到接近最大值時，map將基於配置的策略進行條目數據釋放。如果期望max-size生效，必須eviction-policy將設置爲NONE之外的其他值。max-size中包含一個屬性參數——policy，他定義了max-size對應的存儲策略，回收機制會根據這個策略檢查數據。其值有[PER_NODE|PER_PARTITION|USED_HEAP_SIZE|USED_HEAP_PERCENTAGE|FREE_HEAP_SIZE|FREE_HEAP_PERCENTAGE]。
PER_NODE：max-size指定單個集羣成員中map條目的最大數量。這是max-size的默認策略。如果使用這個配置，需要注意max-size的值必須大於分區的數量（默認爲271）。
PER_PARTITION：max-size指定每個分區存儲的map條目最大數。這個策略建議不要在小規模的集羣中使用，因爲小規模的集羣，單個節點包含了大量的分區，在執行回收策略時，會去按照分區的劃分組個檢查回收條件，導致效率低下。
USED_HEAP_SIZE：指在每個Hazelcast實例中，max-size指定map所佔用的內存堆的（以megabytes計算，兆字節）最大值。需要注意這個策略不能工作在in-memory-format=OBJECT，因爲當數據被設置爲OBJECT時，無法確定所佔用的內存大小。
USED_HEAP_PERCENTAGE：每個Hazelcast實例中，max-size指定map佔用內存堆的百分比。例如，JVM被設置有1000MB，而這個值設置爲max-size=10，當map條目數佔用的堆數據超過100MB時，Hazelcast開始執行數據釋放工作。需要注意的是當使用這個策略時，不能將in-memory-format設置爲OBJECT，理由同上。
FREE_HEAP_SIZE：max-size指定了單個JVM的堆最小空閒空間，單位爲megabytes。
FREE_HEAP_PERCENTAGE：max-size指定單個JVM的最小空閒空間的百分比。例如JVM分配了1000MB的空間，這個值設置爲10，當空閒堆只有100MB時，會引發map的數據清除放行爲。
eviction-percentage
數據清理的百分比[0-100]。當觸發數據清除條件，這個參數所配置的百分比MAP條目將被釋放。例如設置爲25，25%的條目將會被清除。將這個值設置較小時會導致Map中只有較少的條目被釋放，導致Hazelcast頻繁的執行數據清除操作。如果map的條目數據經常被添加，請將這個比率提高，默認爲25。
Near Cache
Near cache是Hazelcast分佈式Map重要的功能之一。根據前面的知識我們知道，Hazelcast的所有數據都是按照分區存儲在每個集羣節點之上的。假設集羣中的一個節點需要根據key讀取某條數據，而這些數據被放置在其他的節點。這樣每次Map.get操作都會導致一次網絡數據傳輸，如果節點分佈較廣、傳輸能力參差不齊，會導致大量的網絡擁塞，進而影響每個節點的執行。尤其是某個map的讀操作遠遠多於寫操作時，我們可以考慮使用Near cache功能。Near cache會將那些被某個節點經常使用的數據存儲到當前節點或“附近”節點，以此來減少過多的網絡傳輸工作。使用Near cache也會導致一直問題出現，在使用之前，必須瞭解一下問題：
- 使用Near cache功能會導致集羣中的成員額外存儲緩存數據，會增加內存的消耗。
- Near cache會破壞數據一致性性，可能會出現“髒讀”現象，因此在頻繁寫或數據一致性要求較高的應用中不建議使用。
- 建議在高頻讀操作的Map中啓用Near cache功能，這樣可以極大的提升執行效率。
Near cache的配置都在near-cache元素中。下面介紹Near cache的相關參數。
<map name="my-read-mostly-map">
<near-cache name="default">
<in-memory-format>BINARY</in-memory-format>
<max-size>5000</max-size>
<time-to-live-seconds>0</time-to-live-seconds>
<max-idle-seconds>60</max-idle-seconds>
<eviction-policy>LRU</eviction-policy>
<invalidate-on-change>true</invalidate-on-change>
<cache-local-entries>false</cache-local-entries>
</near-cache>
</map>
in-memory-format
與Map的in-memory-format配置一樣，指定了Map在Near cache中的存儲格式。參見前文介紹的in-memory-format功能。
max-size
Near cache緩存中存儲的最大條目數[0~Integer.MAX_VALUE]。Near cache會根據eviction-policy指定的策略來釋放數據。默認爲0，表示不限定最大條目數。
time-to-live-seconds
單條數據在Near cache中的最大駐留時間[0~Integer.MAX_VALUE]。單位秒，默認爲0。如果存儲在Near cache中的某條數據在Near cache中的駐留時間（沒有被更新）超過這個時間，則在執行數據回收時會被釋放掉。值爲0時表示永遠不會過期。
max-idle-seconds
單條數據在Near cache中的最大失效時間[0~Integer.MAX_VALUE]。單位秒，默認值爲0。如果存儲在Near cache中的某條數據在指定時間內沒有被讀取，則認爲該條數據失效。此時在執行數據回收時會釋放掉該條數據。值爲0時表示用於不會失效。
eviction-policy
數據釋放策略，見前面 Map釋放策略 的說明。
invalidate-on-change
設定當Near cache中的某條數據被更新或移除時，是否對其執行釋放[true|false]。默認爲true。
cache-local-entries
指定那些已經被存儲在當前節點的數據條目，是否也進行Near cache緩存[true|false]。這個參數最大的作用在於，可以將Near cache的內存格式設定成和Map存儲格式不一樣的方式。默認爲fasle。
MapStore數據持久化
後續得篇幅將介紹Hazelcast分佈式Map的一些基礎功能。這裏先介紹如何對數據庫進行數據讀寫。Hazelcast分佈式Map的持久化數據讀寫通過MapStore來實現。請看下面這個例子：
先是一個配置文件，後面在說他的意義：
<!--https://github.com/chkui/hazelcast-demo/blob/master/src/main/java/org/palm/hazelcast/map/store/mapStoreConfig.xml -->
<?xml version="1.0" encoding="UTF-8"?>
<hazelcast
xsi:schemaLocation="http://www.hazelcast.com/schema/config hazelcast-config-3.6.xsd"
xmlns="http://www.hazelcast.com/schema/config" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
<map name="demo">
<map-store enabled="true" initial-mode="EAGER">
<class-name>org.palm.hazelcast.map.store.MapStoreExample</class-name>
<write-delay-seconds>60</write-delay-seconds>
<write-batch-size>1000</write-batch-size>
<write-coalescing>true</write-coalescing>
</map-store>
</map>
</hazelcast>
然後定義一個當Map發生數據讀寫時對數據庫進行操作的MapStore類：
//https://github.com/chkui/hazelcast-demo/blob/master/src/main/java/org/palm/hazelcast/map/store/MapStoreExample.java
public class MapStoreExample implements MapStore<Integer, String> {
Map<Integer, String> store;
public MapStoreExample(){
store = new HashMap<Integer, String>();
store.put(1, "Azeroth");
store.put(2, "Duskwood");
store.put(3, "Elwynn Forest");
store.put(4, "Deadwind Pass");
store.put(5, "Dead Mines");
store.put(6, "Grand Hamlet");
store.put(7, "Dark Portal");
store.put(8, "Ashenvale");
store.put(9, "Felwood");
store.put(10, "Orgrimmar");
}
@Override
public String load(Integer key) {//讀取
if(store.size() < key){
key = 0;
}
return store.get(key);
}
@Override
public Map<Integer, String> loadAll(Collection<Integer> arg0) {//讀取所有
return store;
}
@Override
public Iterable<Integer> loadAllKeys() {// 讀取所有鍵值
return store.keySet();
}
@Override
public void delete(Integer key) {// 刪除鍵值
store.remove(key);
}
@Override
public void deleteAll(Collection<Integer> list) {// 刪除所有鍵值
list.forEach(key->store.remove(key));
}
@Override
public void store(Integer key, String value) {// 存儲鍵值
store.put(key, value);
}
@Override
public void storeAll(Map<Integer, String> map) {// 存儲所有鍵值
store.putAll(map);
}
}
最後時一個測試main：
//https://github.com/chkui/hazelcast-demo/blob/master/src/main/java/org/palm/hazelcast/map/store/MapStoreExampleMain.java
public class MapStoreExampleMain {
public static void main(String[] args) throws FileNotFoundException {
//加載配置
Config config = new ClasspathXmlConfig("org/palm/hazelcast/map/store/mapStoreConfig.xml");
//創建Hazelcast實力
HazelcastInstance ins = Hazelcast.newHazelcastInstance(config);
//獲取Map
Map<Integer, String> map = ins.getMap("demo");
println(map.get(1));//輸出第一條數據
map.put(11, "Moonbrook");//添加一條數據
println(map.get(11));//輸出第一條數據
map.remove(11);//移除添加的數據
println(map.get(11));//輸出被移除的數據
}
static private void println(Object obj){
System.out.println(obj);
}
}
仔細看代碼例子的兄弟應該明白怎麼回事了吧。配置文件中<map-store>元素定義了Mapstore的行爲，<class-name>定義了當發生數據讀寫時要調用的存儲類，該類需要實現MapStore接口。MapStore接口定義了當對Map進行put、get、remove操作時會被調用實現類的store、load、delete方法，我們可以通過自己的代碼來完成對數據庫的寫入和讀取操作。
MapStore支持Read-Through、Write-Through、Write-Behind模式（不太清楚這幾個模式的含義，請看本人的關於他們的介紹：Hazelcast緩存模式。）。
當我們使用Map::get根據key獲取數據時，如果key對應的數據不存在，那麼Hazelcast會調用已經註冊的Mapstore中的load方法，而在load方法中我們可以中任意位置讀取數據，並返回。隨後Map會將返回的數據寫日自己的緩存，然後返回給調用者。這樣就實現了Read-Through模式。
write-delay-seconds
我們可以使用<write-delay-seconds>來指定Map是使用Write-Through模式還是Write-Behind模式。
當設定<write-delay-seconds>爲0時，表示當執行Map::put時立刻調用註冊的Mapstore的store方法，直到自定義的代碼執行完畢返回後，Map::put方法纔會返回，整個過程都會阻塞線程。這樣就實現了Write-Through模式。
當設置<write-delay-seconds>大於0時，表示延遲指定的時間後（秒）再異步調用Mapstore::store方法。整個過程不會產生阻塞，數據被添加到Map裏後就返回給調用者。這就實現了Write-Behind模式。
使用什麼模式，請根據你的業務要求設置。下面是其他幾個參數的含義。
write-batch-size
批量更新參數[0~Integer.MAX_VALUE]。這個參數用於指定當累計多少次更新數據之後再調用Mapstore::store一次性寫入數據庫。例如設置爲50，只有調用50次Map::put方法後，Hazelcast纔會去調用一次storeAll，並且傳入所有的更新數據。如果運行我上面提供的例子，你會發現MapStoreExample的store和remove方法並沒有被調用。
write-coalescing
標記是否執行所有更新[true|false]。默認爲true。用於標記Mapstore::store是否獲取所有的更新。在Write-Behind模式下，在延遲的時間中，可能已經對某個key對應的value值進行了多次更新，若參數設定爲true，表示只傳遞最後一次更新給Mapstore::store(Mapstore::storeAll)。如果設置爲false，會將所有的更新傳遞給Mapstore::storeAll。
enabled屬性
表示是否啓用Mapstore[true|false]。
initial-mode屬性
初始化模式[LAZY|EAGER]。默認爲LAZY，在此參數下，會對Mapstore執行異步初始化。當設置爲“EAGER”時, 初始化過程將被阻塞，直到加載完成。
除了上面的配置，我們可以通過Mapstore::loadAllKeys方法來設定當Map初始化時，要加載的數據。如果loadAllKeys返回null，則不預加載任何數據。因此我們可以在loadAllKeys方法中指定當Map初始化時需要先加載的數據。
Map攔截器（Interceptors）
我們可以爲Map的所有方法添加攔截器，攔截器類似於AOP機制。對某些方法增加攔截器後，當這些方法被調用時，會根據攔截器的配置進入攔截器。攔截器都的代碼都是會組賽線程的，也就是說我們我們在攔截器中處理完某些事物後，必須馬上返回。因爲組賽了線程，攔截器的功能強大，可以對返回值、更新值進行任何修改。
攔截器採取鏈式操作，也就是說可以爲一個方法增加多個攔截器，這些攔截器會根據添加的次序逐個被調用。Hazelcast會根據攔截器的hashCode()方法來判斷是否是同一個攔截器，如果是具有相同的hashcode，則認爲是同一個攔截器，不會被添加。因此建議最好根據需要重載hashcode方法，以免重複添加相同的攔截器。
下面是一個代碼的例子，首先是實現了一個攔截器：
// https://github.com/chkui/hazelcast-demo/blob/master/src/main/java/org/palm/hazelcast/map/interceptor/InterceptorExample.java
public class InterceptorExample implements MapInterceptor, Serializable {
private static final long serialVersionUID = -7591859317633144192L;
@Override
/**攔截get。可以返回其他值來替換原有值。返回null將不影響原有操作。 */
public Object interceptGet(Object obj) {
prinfln("get : " + obj);
return obj;
}
@Override
/**在get操作執行完畢後被調用。*/
public void afterGet(Object obj) {
prinfln("after get : " + obj);
}
@Override
/**攔截put。返回的值會設置到map中。返回null時原有的put數據不會發生任何改變。 拋出異常會取消put操作。 */
public Object interceptPut(Object oldValue, Object newValue ) {
prinfln("put old value : " + oldValue);
prinfln("put new value : " + newValue);
return newValue;
}
@Override
/**在put操作執行完畢後被調用。*/
public void afterPut(Object obj) {
prinfln("after put : " + obj);
}
@Override
/**攔截remove。返回被刪除對象或null將繼續執行刪除。 拋出異常會取消remove操作。 */
public Object interceptRemove(Object obj) {
prinfln("remove : " + obj);
return null;
}
@Override
/**在remove操作執行完畢後被調用。*/
public void afterRemove(Object obj) {
prinfln("afrer remove : " + obj);
}
private void prinfln(Object obj){
System.out.println(obj);
}
}
Map攔截器的攔截器需要實現MapInterceptor接口。這些接口提供了針對get、put、remove實現了攔截。然後下面是一個使用的例子：
public class InterceptorDemo {
public static void main(String[] args) {
HazelcastInstance ins = Hazelcast.newHazelcastInstance();
IMap<Integer, String> imap = ins.getMap("");
imap.addInterceptor(new InterceptorExample());// 添加攔截器
imap.put(1, "Mei");
imap.put(1, "Tracer");
imap.put(1, "D.va");
imap.put(1, "Mercy");
imap.get(1);
imap.remove(1);
System.out.println(imap.get(1));
}
}
我們使用IMap接口來獲取map實例。然後使用IMap::addInterceptor方法來增加前面實現的攔截器。隨後，所有針對這個Map的get、put、remove都會進入我們設定的攔截器。IMap::removeInterceptor可以用來移除一個攔截器。
Map事件監聽器
除了攔截器，Hazelcast還有監聽器。監聽器和攔截器的區別在於：攔截器會嵌入到業務流程中去，攔截器可以在處理數據的過程中改變數據和行爲。而監聽器並不會攝入到處理邏輯中，他只是觀察到發生某個事件後，通知我們註冊的監聽器。下面還是同一個代碼的例子說明監聽器，先創建一個監聽器：
// https://github.com/chkui/hazelcast-demo/blob/master/src/main/java/org/palm/hazelcast/map/listener/ListenerExample.java
public class ListenerExample implements EntryAddedListener<Integer, String>, EntryRemovedListener<Integer, String>, EntryUpdatedListener<Integer, String> {
@Override
public void entryUpdated(EntryEvent<Integer, String> entry) {//監聽更新數據
print("put entry. key = " + entry.getKey() + ". value = " + entry.getValue());
}
@Override
public void entryRemoved(EntryEvent<Integer, String> entry) {//監聽移除數據
print("remove entry. key = " + entry.getKey() + ". value = " + entry.getValue());
}
@Override
public void entryAdded(EntryEvent<Integer, String> entry) {//監聽新增數據
print("add entry. key = " + entry.getKey() + ". value = " + entry.getValue());
}
private void print(Object obj){
System.out.println(obj);
}
}
一個監聽器可以實現多個監聽接口，除了例子中的接口，還有EntryEvictedListener（釋放單條數據）、MapEvictedListener（清除Map數據）、MapClearedListener（清空Map數據）等。
至此，Hazelcasl分佈式Map的基本功能就介紹完畢了。除了本文介紹的內容，Map還有使用斷言監聽特定數據、使用分區監聽器監聽分區變化等功能，這裏就不深入展開了，如果你有需要，可以給我留言，我們一起討論學習。
希望閱讀本文之後，在使用Hazelcast時能對你有所幫助。也是把本文當作工具類API文檔隨時查閱。