實戰(zhàn)：這款高性能緩存利器，可以直接封神！
Caffeine是基于Java 1.8的高性能本地緩存庫，由Guava改進而來，而且在Spring5開始的默認(rèn)緩存實現(xiàn)就將Caffeine代替原來的Google Guava，官方說明指出，其緩存命中率已經(jīng)接近最優(yōu)值。實際上Caffeine這樣的本地緩存和ConcurrentMap很像，即支持并發(fā)，并且支持O(1)時間復(fù)雜度的數(shù)據(jù)存取。
緩存(Cache)在代碼世界中無處不在。從底層的CPU多級緩存，到客戶端的頁面緩存，處處都存在著緩存的身影。緩存從本質(zhì)上來說，是一種空間換時間的手段，通過對數(shù)據(jù)進行一定的空間安排，使得下次進行數(shù)據(jù)訪問時起到加速的效果。
就Java而言，其常用的緩存解決方案有很多，例如數(shù)據(jù)庫緩存框架EHCache，分布式緩存Memcached等，這些緩存方案實際上都是為了提升吞吐效率，避免持久層壓力過大。
對于常見緩存類型而言，可以分為本地緩存以及分布式緩存兩種，Caffeine就是一種優(yōu)秀的本地緩存，而Redis可以用來做分布式緩存。
什么是Caffeine？
Caffeine官方：
https://github.com/ben-manes/caffeine
Caffeine是基于Java 1.8的高性能本地緩存庫，由Guava改進而來，而且在Spring5開始的默認(rèn)緩存實現(xiàn)就將Caffeine代替原來的Google Guava，官方說明指出，其緩存命中率已經(jīng)接近最優(yōu)值。實際上Caffeine這樣的本地緩存和ConcurrentMap很像，即支持并發(fā)，并且支持O(1)時間復(fù)雜度的數(shù)據(jù)存取。二者的主要區(qū)別在于：
- ConcurrentMap將存儲所有存入的數(shù)據(jù)，直到你顯式將其移除。
- Caffeine將通過給定的配置，自動移除“不常用”的數(shù)據(jù)，以保持內(nèi)存的合理占用。
因此，一種更好的理解方式是：Cache是一種帶有存儲和移除策略的Map。
Caffeine基礎(chǔ)
使用Caffeine，需要在工程中引入如下依賴。
<dependency>
<groupId>com.github.ben-manes.caffeine</groupId>
<artifactId>caffeine</artifactId>
<!--https://mvnrepository.com/artifact/com.github.ben-manes.caffeine/caffeinez 找最新版-->
<version>3.0.5</version>
</dependency>1.緩存加載策略
（1）Cache手動創(chuàng)建
最普通的一種緩存，無需指定加載方式，需要手動調(diào)用put()進行加載。需要注意的是put()方法對于已存在的key將進行覆蓋，這點和Map的表現(xiàn)是一致的。在獲取緩存值時，如果想要在緩存值不存在時，原子地將值寫入緩存，則可以調(diào)用get(key, k -> value)方法，該方法將避免寫入競爭。調(diào)用invalidate()方法，將手動移除緩存。
在多線程情況下，當(dāng)使用get(key, k -> value)時，如果有另一個線程同時調(diào)用本方法進行競爭，則后一線程會被阻塞，直到前一線程更新緩存完成；而若另一線程調(diào)用getIfPresent()方法，則會立即返回null，不會被阻塞。
Cache<Object, Object> cache = Caffeine.newBuilder()
//初始數(shù)量
.initialCapacity(10)
//最大條數(shù)
.maximumSize(10)
//expireAfterWrite和expireAfterAccess同時存在時，以expireAfterWrite為準(zhǔn)
//最后一次寫操作后經(jīng)過指定時間過期
.expireAfterWrite(1, TimeUnit.SECONDS)
//最后一次讀或?qū)懖僮骱蠼?jīng)過指定時間過期
.expireAfterAccess(1, TimeUnit.SECONDS)
//監(jiān)聽緩存被移除
.removalListener((key, val, removalCause) -> { })
//記錄命中
.recordStats()
.build();
cache.put("1","張三");
//張三
System.out.println(cache.getIfPresent("1"));
//存儲的是默認(rèn)值
System.out.println(cache.get("2",o -> "默認(rèn)值"));（2）Loading Cache自動創(chuàng)建
LoadingCache是一種自動加載的緩存。其和普通緩存不同的地方在于，當(dāng)緩存不存在/緩存已過期時，若調(diào)用get()方法，則會自動調(diào)用CacheLoader.load()方法加載最新值。調(diào)用getAll()方法將遍歷所有的key調(diào)用get()，除非實現(xiàn)了CacheLoader.loadAll()方法。使用LoadingCache時，需要指定CacheLoader，并實現(xiàn)其中的load()方法供緩存缺失時自動加載。
在多線程情況下，當(dāng)兩個線程同時調(diào)用get()，則后一線程將被阻塞，直至前一線程更新緩存完成。
LoadingCache<String, String> loadingCache = Caffeine.newBuilder()
//創(chuàng)建緩存或者最近一次更新緩存后經(jīng)過指定時間間隔，刷新緩存；refreshAfterWrite僅支持LoadingCache
.refreshAfterWrite(10, TimeUnit.SECONDS)
.expireAfterWrite(10, TimeUnit.SECONDS)
.expireAfterAccess(10, TimeUnit.SECONDS)
.maximumSize(10)
//根據(jù)key查詢數(shù)據(jù)庫里面的值，這里是個lamba表達式
.build(key -> new Date().toString());（3）Async Cache異步獲取
AsyncCache是Cache的一個變體，其響應(yīng)結(jié)果均為CompletableFuture，通過這種方式，AsyncCache對異步編程模式進行了適配。默認(rèn)情況下，緩存計算使用ForkJoinPool.commonPool()作為線程池，如果想要指定線程池，則可以覆蓋并實現(xiàn)Caffeine.executor(Executor)方法。synchronous()提供了阻塞直到異步緩存生成完畢的能力，它將以Cache進行返回。
在多線程情況下，當(dāng)兩個線程同時調(diào)用get(key, k -> value)，則會返回同一個CompletableFuture對象。由于返回結(jié)果本身不進行阻塞，可以根據(jù)業(yè)務(wù)設(shè)計自行選擇阻塞等待或者非阻塞。
AsyncLoadingCache<String, String> asyncLoadingCache = Caffeine.newBuilder()
//創(chuàng)建緩存或者最近一次更新緩存后經(jīng)過指定時間間隔刷新緩存；僅支持LoadingCache
.refreshAfterWrite(1, TimeUnit.SECONDS)
.expireAfterWrite(1, TimeUnit.SECONDS)
.expireAfterAccess(1, TimeUnit.SECONDS)
.maximumSize(10)
//根據(jù)key查詢數(shù)據(jù)庫里面的值
.buildAsync(key -> {
Thread.sleep(1000);
returnnew Date().toString();
});
//異步緩存返回的是CompletableFuture
CompletableFuture<String> future = asyncLoadingCache.get("1");
future.thenAccept(System.out::println);2.驅(qū)逐策略
驅(qū)逐策略在創(chuàng)建緩存的時候進行指定。常用的有基于容量的驅(qū)逐和基于時間的驅(qū)逐。
基于容量的驅(qū)逐需要指定緩存容量的最大值，當(dāng)緩存容量達到最大時，Caffeine將使用LRU策略對緩存進行淘汰；基于時間的驅(qū)逐策略如字面意思，可以設(shè)置在最后訪問/寫入一個緩存經(jīng)過指定時間后，自動進行淘汰。
驅(qū)逐策略可以組合使用，任意驅(qū)逐策略生效后，該緩存條目即被驅(qū)逐。
- LRU 最近最少使用，淘汰最長時間沒有被使用的頁面。
- LFU 最不經(jīng)常使用，淘汰一段時間內(nèi)使用次數(shù)最少的頁面。
- FIFO 先進先出
Caffeine有4種緩存淘汰設(shè)置
- 大小 （LFU算法進行淘汰）
- 權(quán)重 （大小與權(quán)重 只能二選一）
- 時間
- 引用 （不常用，本文不介紹）
@Slf4j
publicclass CacheTest {
/**
* 緩存大小淘汰
*/
@Test
public void maximumSizeTest() throws InterruptedException {
Cache<Integer, Integer> cache = Caffeine.newBuilder()
//超過10個后會使用W-TinyLFU算法進行淘汰
.maximumSize(10)
.evictionListener((key, val, removalCause) -> {
log.info("淘汰緩存：key:{} val:{}", key, val);
})
.build();
for (int i = 1; i < 20; i++) {
cache.put(i, i);
}
Thread.sleep(500);//緩存淘汰是異步的
// 打印還沒被淘汰的緩存
System.out.println(cache.asMap());
}
/**
* 權(quán)重淘汰
*/
@Test
public void maximumWeightTest() throws InterruptedException {
Cache<Integer, Integer> cache = Caffeine.newBuilder()
//限制總權(quán)重，若所有緩存的權(quán)重加起來>總權(quán)重就會淘汰權(quán)重小的緩存
.maximumWeight(100)
.weigher((Weigher<Integer, Integer>) (key, value) -> key)
.evictionListener((key, val, removalCause) -> {
log.info("淘汰緩存：key:{} val:{}", key, val);
})
.build();
//總權(quán)重其實是=所有緩存的權(quán)重加起來
int maximumWeight = 0;
for (int i = 1; i < 20; i++) {
cache.put(i, i);
maximumWeight += i;
}
System.out.println("總權(quán)重=" + maximumWeight);
Thread.sleep(500);//緩存淘汰是異步的
// 打印還沒被淘汰的緩存
System.out.println(cache.asMap());
}
/**
* 訪問后到期（每次訪問都會重置時間，也就是說如果一直被訪問就不會被淘汰）
*/
@Test
public void expireAfterAccessTest() throws InterruptedException {
Cache<Integer, Integer> cache = Caffeine.newBuilder()
.expireAfterAccess(1, TimeUnit.SECONDS)
//可以指定調(diào)度程序來及時刪除過期緩存項，而不是等待Caffeine觸發(fā)定期維護
//若不設(shè)置scheduler，則緩存會在下一次調(diào)用get的時候才會被動刪除
.scheduler(Scheduler.systemScheduler())
.evictionListener((key, val, removalCause) -> {
log.info("淘汰緩存：key:{} val:{}", key, val);
})
.build();
cache.put(1, 2);
System.out.println(cache.getIfPresent(1));
Thread.sleep(3000);
System.out.println(cache.getIfPresent(1));//null
}
/**
* 寫入后到期
*/
@Test
public void expireAfterWriteTest() throws InterruptedException {
Cache<Integer, Integer> cache = Caffeine.newBuilder()
.expireAfterWrite(1, TimeUnit.SECONDS)
//可以指定調(diào)度程序來及時刪除過期緩存項，而不是等待Caffeine觸發(fā)定期維護
//若不設(shè)置scheduler，則緩存會在下一次調(diào)用get的時候才會被動刪除
.scheduler(Scheduler.systemScheduler())
.evictionListener((key, val, removalCause) -> {
log.info("淘汰緩存：key:{} val:{}", key, val);
})
.build();
cache.put(1, 2);
Thread.sleep(3000);
System.out.println(cache.getIfPresent(1));//null
}
}3.刷新機制
refreshAfterWrite()表示x秒后自動刷新緩存的策略可以配合淘汰策略使用，注意的是刷新機制只支持LoadingCache和AsyncLoadingCache。
private staticint NUM = 0;
@Test
public void refreshAfterWriteTest() throws InterruptedException {
LoadingCache<Integer, Integer> cache = Caffeine.newBuilder()
.refreshAfterWrite(1, TimeUnit.SECONDS)
//模擬獲取數(shù)據(jù)，每次獲取就自增1
.build(integer -> ++NUM);
//獲取ID=1的值，由于緩存里還沒有，所以會自動放入緩存
System.out.println(cache.get(1));// 1
// 延遲2秒后，理論上自動刷新緩存后取到的值是2
// 但其實不是，值還是1，因為refreshAfterWrite并不是設(shè)置了n秒后重新獲取就會自動刷新
// 而是x秒后&&第二次調(diào)用getIfPresent的時候才會被動刷新
Thread.sleep(2000);
System.out.println(cache.getIfPresent(1));// 1
//此時才會刷新緩存，而第一次拿到的還是舊值
System.out.println(cache.getIfPresent(1));// 2
}4.統(tǒng)計
LoadingCache<String, String> cache = Caffeine.newBuilder()
//創(chuàng)建緩存或者最近一次更新緩存后經(jīng)過指定時間間隔，刷新緩存；refreshAfterWrite僅支持LoadingCache
.refreshAfterWrite(1, TimeUnit.SECONDS)
.expireAfterWrite(1, TimeUnit.SECONDS)
.expireAfterAccess(1, TimeUnit.SECONDS)
.maximumSize(10)
//開啟記錄緩存命中率等信息
.recordStats()
//根據(jù)key查詢數(shù)據(jù)庫里面的值
.build(key -> {
Thread.sleep(1000);
returnnew Date().toString();
});
cache.put("1", "shawn");
cache.get("1");
/*
* hitCount :命中的次數(shù)
* missCount:未命中次數(shù)
* requestCount:請求次數(shù)
* hitRate:命中率
* missRate:丟失率
* loadSuccessCount:成功加載新值的次數(shù)
* loadExceptionCount:失敗加載新值的次數(shù)
* totalLoadCount:總條數(shù)
* loadExceptionRate:失敗加載新值的比率
* totalLoadTime:全部加載時間
* evictionCount:丟失的條數(shù)
*/
System.out.println(cache.stats());5.總結(jié)
上述一些策略在創(chuàng)建時都可以進行自由組合，一般情況下有兩種方法。
- 設(shè)置 maxSize、refreshAfterWrite，不設(shè)置 expireAfterWrite/expireAfterAccess，設(shè)置expireAfterWrite當(dāng)緩存過期時會同步加鎖獲取緩存，所以設(shè)置expireAfterWrite時性能較好，但是某些時候會取舊數(shù)據(jù),適合允許取到舊數(shù)據(jù)的場景。
- 設(shè)置 maxSize、expireAfterWrite/expireAfterAccess，不設(shè)置 refreshAfterWrite 數(shù)據(jù)一致性好，不會獲取到舊數(shù)據(jù)，但是性能沒那么好（對比起來），適合獲取數(shù)據(jù)時不耗時的場景。
SpringBoot整合Caffeine
1.@Cacheable相關(guān)注解
（1）相關(guān)依賴
如果要使用@Cacheable注解，需要引入相關(guān)依賴，并在任一配置類文件上添加@EnableCaching注解。
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-cache</artifactId>
</dependency>（2）常用注解
- @Cacheable：表示該方法支持緩存。當(dāng)調(diào)用被注解的方法時，如果對應(yīng)的鍵已經(jīng)存在緩存，則不再執(zhí)行方法體，而從緩存中直接返回。當(dāng)方法返回null時，將不進行緩存操作。
- @CachePut：表示執(zhí)行該方法后，其值將作為最新結(jié)果更新到緩存中，每次都會執(zhí)行該方法。
- @CacheEvict：表示執(zhí)行該方法后，將觸發(fā)緩存清除操作。
- @Caching：用于組合前三個注解，例如：
@Caching(cacheable = @Cacheable("CacheConstants.GET_USER"),
evict = {@CacheEvict("CacheConstants.GET_DYNAMIC",allEntries = true)}
public User find(Integer id) {
return null;
}（3）常用注解屬性
- cacheNames/value：緩存組件的名字，即cacheManager中緩存的名稱。
- key：緩存數(shù)據(jù)時使用的key。默認(rèn)使用方法參數(shù)值，也可以使用SpEL表達式進行編寫。
- keyGenerator：和key二選一使用。
- cacheManager：指定使用的緩存管理器。
- condition：在方法執(zhí)行開始前檢查，在符合condition的情況下，進行緩存。
- unless：在方法執(zhí)行完成后檢查，在符合unless的情況下，不進行緩存。
- sync：是否使用同步模式。若使用同步模式，在多個線程同時對一個key進行l(wèi)oad時，其他線程將被阻塞。
（4）緩存同步模式
sync開啟或關(guān)閉，在Cache和LoadingCache中的表現(xiàn)是不一致的：
- Cache中，sync表示是否需要所有線程同步等待。
- LoadingCache中，sync表示在讀取不存在/已驅(qū)逐的key時，是否執(zhí)行被注解方法。
2.實戰(zhàn)
（1）引入依賴
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-cache</artifactId>
</dependency>
<dependency>
<groupId>com.github.ben-manes.caffeine</groupId>
<artifactId>caffeine</artifactId>
</dependency>（2）緩存常量CacheConstants
創(chuàng)建緩存常量類，把公共的常量提取一層，復(fù)用，這里也可以通過配置文件加載這些數(shù)據(jù)，例如@ConfigurationProperties和@Value
public class CacheConstants {
/**
* 默認(rèn)過期時間（配置類中我使用的時間單位是秒，所以這里如 3*60 為3分鐘）
*/
publicstaticfinalint DEFAULT_EXPIRES = 3 * 60;
publicstaticfinalint EXPIRES_5_MIN = 5 * 60;
publicstaticfinalint EXPIRES_10_MIN = 10 * 60;
publicstaticfinal String GET_USER = "GET:USER";
publicstaticfinal String GET_DYNAMIC = "GET:DYNAMIC";
}（3）緩存配置類CacheConfig
@Configuration
@EnableCaching
publicclass CacheConfig {
/**
* Caffeine配置說明：
* initialCapacity=[integer]: 初始的緩存空間大小
* maximumSize=[long]: 緩存的最大條數(shù)
* maximumWeight=[long]: 緩存的最大權(quán)重
* expireAfterAccess=[duration]: 最后一次寫入或訪問后經(jīng)過固定時間過期
* expireAfterWrite=[duration]: 最后一次寫入后經(jīng)過固定時間過期
* refreshAfterWrite=[duration]: 創(chuàng)建緩存或者最近一次更新緩存后經(jīng)過固定的時間間隔，刷新緩存
* weakKeys: 打開key的弱引用
* weakValues：打開value的弱引用
* softValues：打開value的軟引用
* recordStats：開發(fā)統(tǒng)計功能
* 注意：
* expireAfterWrite和expireAfterAccess同事存在時，以expireAfterWrite為準(zhǔn)。
* maximumSize和maximumWeight不可以同時使用
* weakValues和softValues不可以同時使用
*/
@Bean
public CacheManager cacheManager() {
SimpleCacheManager cacheManager = new SimpleCacheManager();
List<CaffeineCache> list = new ArrayList<>();
//循環(huán)添加枚舉類中自定義的緩存，可以自定義
for (CacheEnum cacheEnum : CacheEnum.values()) {
list.add(new CaffeineCache(cacheEnum.getName(),
Caffeine.newBuilder()
.initialCapacity(50)
.maximumSize(1000)
.expireAfterAccess(cacheEnum.getExpires(), TimeUnit.SECONDS)
.build()));
}
cacheManager.setCaches(list);
return cacheManager;
}
}（4）調(diào)用緩存
這里要注意的是Cache和@Transactional一樣也使用了代理，類內(nèi)調(diào)用將失效。
/**
* value：緩存key的前綴。
* key：緩存key的后綴。
* sync：設(shè)置如果緩存過期是不是只放一個請求去請求數(shù)據(jù)庫，其他請求阻塞，默認(rèn)是false（根據(jù)個人需求）。
* unless：不緩存空值,這里不使用，會報錯
* 查詢用戶信息類
* 如果需要加自定義字符串，需要用單引號
* 如果查詢?yōu)閚ull，也會被緩存
*/
@Cacheable(value = CacheConstants.GET_USER,key = "'user'+#userId",sync = true)
@CacheEvict
public UserEntity getUserByUserId(Integer userId){
UserEntity userEntity = userMapper.findById(userId);
System.out.println("查詢了數(shù)據(jù)庫");
return userEntity;
}責(zé)任編輯：姜華
來源：
冰河技術(shù)
