實(shí)戰(zhàn)：這款高性能緩存利器，可以直接封神！
緩存(Cache)在代碼世界中無(wú)處不在。從底層的CPU多級(jí)緩存，到客戶端的頁(yè)面緩存，處處都存在著緩存的身影。緩存從本質(zhì)上來(lái)說(shuō)，是一種空間換時(shí)間的手段，通過(guò)對(duì)數(shù)據(jù)進(jìn)行一定的空間安排，使得下次進(jìn)行數(shù)據(jù)訪問(wèn)時(shí)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(kù)緩存框架EHCache，分布式緩存Memcached等，這些緩存方案實(shí)際上都是為了提升吞吐效率，避免持久層壓力過(guò)大。
對(duì)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(lái)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(kù)，由Guava改進(jìn)而來(lái)，而且在Spring5開始的默認(rèn)緩存實(shí)現(xiàn)就將Caffeine代替原來(lái)的Google Guava，官方說(shuō)明指出，其緩存命中率已經(jīng)接近最優(yōu)值。實(shí)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(shí)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(chǔ)所有存入的數(shù)據(jù)，直到你顯式將其移除。
- Caffeine將通過(guò)給定的配置，自動(dòng)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(chǔ)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(dòng)創(chuàng)建
最普通的一種緩存，無(wú)需指定加載方式，需要手動(dòng)調(diào)用put()進(jìn)行加載。需要注意的是put()方法對(duì)于已存在的key將進(jìn)行覆蓋，這點(diǎn)和Map的表現(xiàn)是一致的。在獲取緩存值時(shí)，如果想要在緩存值不存在時(shí)，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(jìng)爭(zhēng)。調(diào)用invalidate()方法，將手動(dòng)移除緩存。
在多線程情況下，當(dāng)使用get(key, k -> value)時(shí)，如果有另一個(gè)線程同時(shí)調(diào)用本方法進(jìn)行競(jìng)爭(zhēng)，則后一線程會(huì)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(huì)立即返回null，不會(huì)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(shí)存在時(shí)，以expireAfterWrite為準(zhǔn)
//最后一次寫操作后經(jīng)過(guò)指定時(shí)間過(guò)期
.expireAfterWrite(1, TimeUnit.SECONDS)
//最后一次讀或?qū)懖僮骱蠼?jīng)過(guò)指定時(shí)間過(guò)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(chǔ)的是默認(rèn)值
System.out.println(cache.get("2",o -> "默認(rèn)值"));（2）Loading Cache自動(dòng)創(chuàng)建
LoadingCache是一種自動(dòng)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(guò)期時(shí)，若調(diào)用get()方法，則會(huì)自動(dòng)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(shí)現(xiàn)了CacheLoader.loadAll()方法。使用LoadingCache時(shí)，需要指定CacheLoader，并實(shí)現(xiàn)其中的load()方法供緩存缺失時(shí)自動(dòng)加載。
在多線程情況下，當(dāng)兩個(gè)線程同時(shí)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(guò)指定時(shí)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(kù)里面的值，這里是個(gè)lamba表達(dá)式
.build(key -> new Date().toString());（3）Async Cache異步獲取
AsyncCache是Cache的一個(gè)變體，其響應(yīng)結(jié)果均為CompletableFuture，通過(guò)這種方式，AsyncCache對(duì)異步編程模式進(jìn)行了適配。默認(rèn)情況下，緩存計(jì)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(shí)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(jìn)行返回。
在多線程情況下，當(dāng)兩個(gè)線程同時(shí)調(diào)用get(key, k -> value)，則會(huì)返回同一個(gè)CompletableFuture對(duì)象。由于返回結(jié)果本身不進(jìn)行阻塞，可以根據(jù)業(yè)務(wù)設(shè)計(jì)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(guò)指定時(shí)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(kù)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(shí)候進(jìn)行指定。常用的有基于容量的驅(qū)逐和基于時(shí)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(dá)到最大時(shí)，Caffeine將使用LRU策略對(duì)緩存進(jìn)行淘汰；基于時(shí)間的驅(qū)逐策略如字面意思，可以設(shè)置在最后訪問(wèn)/寫入一個(gè)緩存經(jīng)過(guò)指定時(shí)間后，自動(dòng)進(jìn)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(zhǎng)時(shí)間沒(méi)有被使用的頁(yè)面。
- LFU 最不經(jīng)常使用，淘汰一段時(shí)間內(nèi)使用次數(shù)最少的頁(yè)面。
- FIFO 先進(jìn)先出
Caffeine有4種緩存淘汰設(shè)置
- 大小 （LFU算法進(jìn)行淘汰）
- 權(quán)重 （大小與權(quán)重 只能二選一）
- 時(shí)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(guò)10個(gè)后會(huì)使用W-TinyLFU算法進(jìn)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(méi)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(lái)>總權(quán)重就會(huì)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(shí)是=所有緩存的權(quán)重加起來(lái)
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(méi)被淘汰的緩存
System.out.println(cache.asMap());
}
/**
* 訪問(wèn)后到期（每次訪問(wèn)都會(huì)重置時(shí)間，也就是說(shuō)如果一直被訪問(wèn)就不會(huì)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(lái)及時(shí)刪除過(guò)期緩存項(xiàng)，而不是等待Caffeine觸發(fā)定期維護(hù)
//若不設(shè)置scheduler，則緩存會(huì)在下一次調(diào)用get的時(shí)候才會(huì)被動(dòng)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(lái)及時(shí)刪除過(guò)期緩存項(xiàng)，而不是等待Caffeine觸發(fā)定期維護(hù)
//若不設(shè)置scheduler，則緩存會(huì)在下一次調(diào)用get的時(shí)候才會(huì)被動(dòng)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(jī)制
refreshAfterWrite()表示x秒后自動(dòng)刷新緩存的策略可以配合淘汰策略使用，注意的是刷新機(jī)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(méi)有，所以會(huì)自動(dòng)放入緩存
System.out.println(cache.get(1));// 1
// 延遲2秒后，理論上自動(dòng)刷新緩存后取到的值是2
// 但其實(shí)不是，值還是1，因?yàn)閞efreshAfterWrite并不是設(shè)置了n秒后重新獲取就會(huì)自動(dòng)刷新
// 而是x秒后&&第二次調(diào)用getIfPresent的時(shí)候才會(huì)被動(dòng)刷新
Thread.sleep(2000);
System.out.println(cache.getIfPresent(1));// 1
//此時(shí)才會(huì)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(jì)
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(guò)指定時(shí)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(kù)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(qǐng)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(shí)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(shí)都可以進(jìn)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(guò)期時(shí)會(huì)同步加鎖獲取緩存，所以設(shè)置expireAfterWrite時(shí)性能較好，但是某些時(shí)候會(huì)取舊數(shù)據(jù),適合允許取到舊數(shù)據(jù)的場(chǎng)景。
- 設(shè)置 maxSize、expireAfterWrite/expireAfterAccess，不設(shè)置 refreshAfterWrite 數(shù)據(jù)一致性好，不會(huì)獲取到舊數(shù)據(jù)，但是性能沒(méi)那么好（對(duì)比起來(lái)），適合獲取數(shù)據(jù)時(shí)不耗時(shí)的場(chǎng)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(shí)，如果對(duì)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(shí)，將不進(jìn)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(huì)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(gè)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(shí)使用的key。默認(rèn)使用方法參數(shù)值，也可以使用SpEL表達(dá)式進(jìn)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(jìn)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(jìn)行緩存。
- sync：是否使用同步模式。若使用同步模式，在多個(gè)線程同時(shí)對(duì)一個(gè)key進(jìn)行l(wèi)oad時(shí)，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(shí)，是否執(zhí)行被注解方法。
2.實(shí)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(guò)配置文件加載這些數(shù)據(jù)，例如@ConfigurationProperties和@Value
public class CacheConstants {
/**
* 默認(rèn)過(guò)期時(shí)間（配置類中我使用的時(shí)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(shuō)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(wèn)后經(jīng)過(guò)固定時(shí)間過(guò)期
* expireAfterWrite=[duration]: 最后一次寫入后經(jīng)過(guò)固定時(shí)間過(guò)期
* refreshAfterWrite=[duration]: 創(chuàng)建緩存或者最近一次更新緩存后經(jīng)過(guò)固定的時(shí)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(jì)功能
* 注意：
* expireAfterWrite和expireAfterAccess同事存在時(shí)，以expireAfterWrite為準(zhǔn)。
* maximumSize和maximumWeight不可以同時(shí)使用
* weakValues和softValues不可以同時(shí)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(guò)期是不是只放一個(gè)請(qǐng)求去請(qǐng)求數(shù)據(jù)庫(kù)，其他請(qǐng)求阻塞，默認(rèn)是false（根據(jù)個(gè)人需求）。
* unless：不緩存空值,這里不使用，會(huì)報(bào)錯(cuò)
* 查詢用戶信息類
* 如果需要加自定義字符串，需要用單引號(hào)
* 如果查詢?yōu)閚ull，也會(huì)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(kù)");
return userEntity;
}
