关于Guava缓存详解及使用说明

目录

• 缓存
• Guava cache
• 详细配置
• 缓存的并发级别
• 缓存的初始容量设置
• 设置最大存储
• 缓存清除策略
• 显式清除
• Cache 
• LoadingCache

缓存

缓存分为本地缓存与分布式缓存。

本地缓存为了保证线程安全问题，一般使用ConcurrentMap的方式保存在内存之中，而常见的分布式缓存则有Redis，MongoDB等。

• 一致性：本地缓存由于数据存储于内存之中，每个实例都有自己的副本，可能会存在不一致的情况；分布式缓存则可有效避免这种情况
• 开销：本地缓存会占用JVM内存，会影响GC及系统性能；分布式缓存的开销则在于网络时延和对象序列化，故主要影响调用时延
• 适用场景：本地缓存适用于数据量较小或变动较少的数据；分布式缓存则适用于一致性要求较高及数量量大的场景(可弹性扩容)

本地缓存适用于数据量较小或变动较少的数据，因为变动多需要考虑到不同实例的缓存一致性问题，而数据量大则需要考虑缓存回收策略及GC相关的问题

Guava cache

Guava Cache 是Google Fuava中的一个内存缓存模块，用于将数据缓存到JVM内存中。

• 提供了get、put封装操作，能够集成数据源 ；
• 线程安全的缓存，与ConcurrentMap相似，但前者增加了更多的元素失效策略，后者只能显示的移除元素；
• Guava Cache提供了多种基本的缓存回收方式
• 监控缓存加载/命中情况

通常，Guava缓存适用于以下情况：

• 愿意花费一些内存来提高速度。
• 使用场景有时会多次查询key。
• 缓存将不需要存储超出RAM容量的数据

详细配置

缓存的并发级别

Guava提供了设置并发级别的API，使得缓存支持并发的写入和读取。

与ConcurrentHashMap类似，Guava cache的并发也是通过分离锁实现。

在通常情况下，推荐将并发级别设置为服务器cpu核心数。

CacheBuilder.newBuilder()
		// 设置并发级别为cpu核心数，默认为4
		.concurrencyLevel(Runtime.getRuntime().availableProcessors()) 
		.build();

缓存的初始容量设置

我们在构建缓存时可以为缓存设置一个合理大小初始容量，由于Guava的缓存使用了分离锁的机制，扩容的代价非常昂贵。

所以合理的初始容量能够减少缓存容器的扩容次数。

CacheBuilder.newBuilder()
		// 设置初始容量为100
		.initialCapacity(100)
		.build();

设置最大存储

Guava Cache可以在构建缓存对象时指定缓存所能够存储的最大记录数量。

当Cache中的记录数量达到最大值后再调用put方法向其中添加对象，Guava会先从当前缓存的对象记录中选择一条删除掉，腾出空间后再将新的对象存储到Cache中。

CacheBuilder.newBuilder()
		// 设置最大容量为1000
		.maximumSize(1000)
		.build();

缓存清除策略

基于存活时间的清除策略

• expireAfterWrite 写缓存后多久过期
• expireAfterAccess 读写缓存后多久过期

存活时间策略可以单独设置或组合配置

基于容量的清除策略

通过CacheBuilder.maximumSize(long)方法可以设置Cache的最大容量数，当缓存数量达到或接近该最大值时，Cache将清除掉那些最近最少使用的缓存

基于权重的清除策略

使用CacheBuilder.weigher(Weigher)指定一个权重函数，并且用CacheBuilder.maximumWeight(long)指定最大总重。

如每一项缓存所占据的内存空间大小都不一样，可以看作它们有不同的“权重”（weights）,作为执行清除策略时优化回收的对象

LoadingCache<Key, Graph> graphs = CacheBuilder.newBuilder()
       .maximumWeight(100000)
       .weigher(new Weigher<Key, Graph>() {
          public int weigh(Key k, Graph g) {
            return g.vertices().size();
          }
        })
       .build(
           new CacheLoader<Key, Graph>() {
             public Graph load(Key key) { // no checked exception
               return createExpensiveGraph(key);
             }
           });

显式清除

• 清除单个key：Cache.invalidate(key)
• 批量清除key：Cache.invalidateAll(keys)
• 清除所有缓存项：Cache.invalidateAll()

基于引用的清除策略

在构建Cache实例过程中，通过设置使用弱引用的键、或弱引用的值、或软引用的值，从而使JVM在GC时顺带实现缓存的清除

• CacheBuilder.weakKeys()：使用弱引用存储键。当键没有其它（强或软）引用时，缓存项可以被垃圾回收
• CacheBuilder.weakValues()：使用弱引用存储值。当值没有其它（强或软）引用时，缓存项可以被垃圾回收
• CacheBuilder.softValues()：使用软引用存储值。软引用只有在响应内存需要时，才按照全局最近最少使用的顺序回收。考虑到使用软引用的性能影响，我们通常建议使用更有性能预测性的缓存大小限定

垃圾回收仅依赖==恒等式，使用弱引用键的缓存用而不是equals()，即同一对象引用。

Cache 

显式put操作置入内存

private static Cache<Integer, Integer> numCache = CacheBuilder.newBuilder()
        .expireAfterWrite(5, TimeUnit.MINUTES)
        .build();

public static void main(String[] args) throws Exception {
    System.out.println(numCache.getIfPresent(1));
    Thread.sleep(1000);
    System.out.println(numCache.getIfPresent(1));
    Thread.sleep(1000);
    numCache.put(1, 5);
    System.out.println(numCache.getIfPresent(1));
    // console: null null 5
}

LoadingCache

使用自定义ClassLoader加载数据，置入内存中。从LoadingCache中获取数据时，若数据存在则直接返回；若数据不存在，则根据ClassLoader的load方法加载数据至内存，然后返回该数据

private static LoadingCache<Integer,Integer> numCache = CacheBuilder.newBuilder().
        expireAfterWrite(5L, TimeUnit.MINUTES).
        maximumSize(5000L).
        build(new CacheLoader<Integer, Integer>() {
            @Override
            public Integer load(Integer key) throws Exception {
                System.out.println("no cache");
                return key * 5;
            }
        });

public static void main(String[] args) throws Exception {
    System.out.println(numCache.get(1));
    Thread.sleep(1000);
    System.out.println(numCache.get(1));
    Thread.sleep(1000);
    numCache.put(1, 6);
    System.out.println(numCache.get(1));
    // console: 5 5 6
}

以上为个人经验，希望能给大家一个参考，也希望大家多多支持自由互联。