轻松了解java中Caffeine高性能缓存库

时间:2022-09-25 18:57:02

轻松lCaffeine

1、依赖

我们需要将Caffeine依赖添加到我们的pom.xml中:

?
1
2
3
4
5
<dependency>
    <groupId>com.github.ben-manes.caffeine</groupId>
    <artifactId>caffeine</artifactId>
    <version>2.5.5</version>
</dependency>

2、写入缓存

让我们关注Caffeine的三种缓存写入策略:手动、同步加载和异步加载。

首先,让我们编写一个类,作为要存储在缓存中的值的类型:

?
1
2
3
4
5
6
7
8
9
10
11
class DataObject {
    private final String data;
 
    private static int objectCounter = 0;
    // standard constructors/getters
    
    public static DataObject get(String data) {
        objectCounter++;
        return new DataObject(data);
    }
}

 2.1、手动写入

在此策略中,我们手动将值写入缓存并稍后读取它们。

我们先初始化缓存:

?
1
2
3
4
Cache<String, DataObject> cache = Caffeine.newBuilder()
  .expireAfterWrite(1, TimeUnit.MINUTES)
  .maximumSize(100)
  .build();

现在,我们可以使用getIfPresent方法从缓存中获取一些值。如果缓存中不存在该值,则此方法将返回null:

我们可以使用put方法手动写入缓存:

?
1
2
3
4
cache.put(key, dataObject);
dataObject = cache.getIfPresent(key);
 
assertNotNull(dataObject);

我们还可以使用get方法获取值,该方法接受一个函数和一个键作为参数。如果缓存中不存在该键,则此函数将用于提供兜底值,该值将在执行后写入缓存:

?
1
2
3
4
5
dataObject = cache
  .get(key, k -> DataObject.get("Data for A"));
 
assertNotNull(dataObject);
assertEquals("Data for A", dataObject.getData());

这个GET方法执行是原子性的。这意味着即使多个线程同时请求该值,执行只会进行一次。这就是为什么使用get比getIfPresent更好。

有时我们需要手动使一些缓存的值失效:

?
1
2
3
4
cache.invalidate(key);
dataObject = cache.getIfPresent(key);
 
assertNull(dataObject);

2.2、同步加载

这种加载缓存的方法需要一个Function,用于初始化写入值,类似于手动写入策略的get方法,让我们看看如何使用它。

首先,我们需要初始化我们的缓存:

现在我们可以使用get方法读取值:

?
1
2
3
4
DataObject dataObject = cache.get(key);
 
assertNotNull(dataObject);
assertEquals("Data for " + key, dataObject.getData());

我们还可以使用getAll方法获取一组值:

?
1
2
3
4
Map<String, DataObject> dataObjectMap
  = cache.getAll(Arrays.asList("A", "B", "C"));
 
assertEquals(3, dataObjectMap.size());

值从传递给build方法的底层后端初始化Function中读取到,这样就可以使用缓存作为访问值的主要入口了。

2.3、异步加载

此策略的工作原理与前一个相同,但是会异步执行操作并返回一个CompletableFuture来保存实际的值:

?
1
2
3
4
AsyncLoadingCache<String, DataObject> cache = Caffeine.newBuilder()
  .maximumSize(100)
  .expireAfterWrite(1, TimeUnit.MINUTES)
  .buildAsync(k -> DataObject.get("Data for " + k));

 我们可以以相同的方式使用get和getAll方法,考虑到它们的返回是CompletableFuture:

?
1
2
3
4
5
6
7
8
9
String key = "A";
 
cache.get(key).thenAccept(dataObject -> {
    assertNotNull(dataObject);
    assertEquals("Data for " + key, dataObject.getData());
});
 
cache.getAll(Arrays.asList("A", "B", "C"))
  .thenAccept(dataObjectMap -> assertEquals(3, dataObjectMap.size()));

CompletableFuture具有很多有用的API,您可以在本文中阅读更多相关信息。

3、缓存值的清理

Caffeine有三种缓存值的清理策略:基于大小、基于时间和基于引用。

3.1、基于大小的清理

这种类型的清理设计为在超出缓存配置的大小限制时发生清理。有两种获取大小的方法——计算缓存中的对象数,或者获取它们的权重。

让我们看看如何计算缓存中的对象数。缓存初始化时,其大小为零:

?
1
2
3
4
5
LoadingCache<String, DataObject> cache = Caffeine.newBuilder()
  .maximumSize(1)
  .build(k -> DataObject.get("Data for " + k));
 
assertEquals(0, cache.estimatedSize());

当我们添加一个值时,大小明显增加:

?
1
2
3
cache.get("A");
 
assertEquals(1, cache.estimatedSize());

 我们可以将第二个值添加到缓存中,这会导致删除第一个值:

?
1
2
3
4
cache.get("B");
cache.cleanUp();
 
assertEquals(1, cache.estimatedSize());

值得一提的是,我们在获取缓存大小之前调用了cleanUp方法。这是因为缓存清理是异步执行的,该方法有助于等待清理完成。

我们还可以传入一个weigher的Function来定义缓存大小的获取:

?
1
2
3
4
5
6
7
8
9
10
11
12
LoadingCache<String, DataObject> cache = Caffeine.newBuilder()
  .maximumWeight(10)
  .weigher((k,v) -> 5)
  .build(k -> DataObject.get("Data for " + k));
 
assertEquals(0, cache.estimatedSize());
 
cache.get("A");
assertEquals(1, cache.estimatedSize());
 
cache.get("B");
assertEquals(2, cache.estimatedSize());

当权重超过 10 时,这些值将从缓存中删除:

?
1
2
3
4
cache.get("C");
cache.cleanUp();
 
assertEquals(2, cache.estimatedSize());

3.2、基于时间的清理

这种清理策略基于条目的过期时间,分为三种:

访问后过期——自上次读取或写入以来,条目在经过某段时间后过期
写入后过期——自上次写入以来,条目在经过某段时间后过期
自定义策略——由Expiry的实现来为每个条目单独计算到期时间
让我们使用expireAfterAccess方法配置访问后过期策略:

?
1
2
3
LoadingCache<String, DataObject> cache = Caffeine.newBuilder()
  .expireAfterAccess(5, TimeUnit.MINUTES)
  .build(k -> DataObject.get("Data for " + k));

要配置写入后过期策略,我们使用expireAfterWrite方法:

?
1
2
3
4
5
cache = Caffeine.newBuilder()
  .expireAfterWrite(10, TimeUnit.SECONDS)
  .weakKeys()
  .weakValues()
  .build(k -> DataObject.get("Data for " + k));

要初始化自定义策略,我们需要实现Expiry接口:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
cache = Caffeine.newBuilder().expireAfter(new Expiry<String, DataObject>() {
    @Override
    public long expireAfterCreate(
      String key, DataObject value, long currentTime) {
        return value.getData().length() * 1000;
    }
    @Override
    public long expireAfterUpdate(
      String key, DataObject value, long currentTime, long currentDuration) {
        return currentDuration;
    }
    @Override
    public long expireAfterRead(
      String key, DataObject value, long currentTime, long currentDuration) {
        return currentDuration;
    }
}).build(k -> DataObject.get("Data for " + k));

 3.3、基于引用的清理

我们可以配置我们的缓存,允许缓存的键或值或二者一起的垃圾收集。为此,我们需要为键和值配置WeakReference的使用,并且我们可以配置SoftReference仅用于值的垃圾收集。

WeakReference的使用允许在没有对对象的任何强引用时对对象进行垃圾回收。SoftReference允许基于JVM的全局LRU(最近最少使用)策略对对象进行垃圾回收。可以在此处找到有关Java中引用的更多详细信息。

我们使用Caffeine.weakKeys()、Caffeine.weakValues()和Caffeine.softValues()来启用每个选项:

?
1
2
3
4
5
6
7
8
9
10
LoadingCache<String, DataObject> cache = Caffeine.newBuilder()
  .expireAfterWrite(10, TimeUnit.SECONDS)
  .weakKeys()
  .weakValues()
  .build(k -> DataObject.get("Data for " + k));
 
cache = Caffeine.newBuilder()
  .expireAfterWrite(10, TimeUnit.SECONDS)
  .softValues()
  .build(k -> DataObject.get("Data for " + k));

 

4、缓存刷新

可以将缓存配置为在定义的时间段后自动刷新条目。让我们看看如何使用refreshAfterWrite方法做到这一点:

?
1
2
3
Caffeine.newBuilder()
  .refreshAfterWrite(1, TimeUnit.MINUTES)
  .build(k -> DataObject.get("Data for " + k));

在这里,我们应该明白expireAfter和refreshAfter的一个区别:当请求过期条目时,执行会阻塞,直到build函数计算出新值。但是如果该条目符合刷新条件,则缓存将返回一个旧值并异步重新加载该值。

5、统计

Caffeine提供了一种记录缓存使用统计信息的方法:

?
1
2
3
4
5
6
7
8
9
LoadingCache<String, DataObject> cache = Caffeine.newBuilder()
  .maximumSize(100)
  .recordStats()
  .build(k -> DataObject.get("Data for " + k));
cache.get("A");
cache.get("A");
 
assertEquals(1, cache.stats().hitCount());
assertEquals(1, cache.stats().missCount());

到此这篇关于轻松了解java中Caffeine高性能缓存库的文章就介绍到这了,更多相关java Caffeine缓存库内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!

原文链接:https://www.imooc.com/article/319058