輕松了解java中Caffeine高性能緩存庫
我們需要將Caffeine依賴添加到我們的pom.xml中：
<dependency> <groupId>com.github.ben-manes.caffeine</groupId> <artifactId>caffeine</artifactId> <version>2.5.5</version></dependency>2、寫入緩存
讓我們關注Caffeine的三種緩存寫入策略：手動、同步加載和異步加載。
首先，讓我們編寫一個類，作為要存儲在緩存中的值的類型：
class DataObject { private final String data; private static int objectCounter = 0; // standard constructors/getterspublic static DataObject get(String data) {objectCounter++;return new DataObject(data); }} 2.1、手動寫入
在此策略中，我們手動將值寫入緩存并稍后讀取它們。
我們先初始化緩存：
Cache<String, DataObject> cache = Caffeine.newBuilder() .expireAfterWrite(1, TimeUnit.MINUTES) .maximumSize(100) .build();
現(xiàn)在，我們可以使用getIfPresent方法從緩存中獲取一些值。如果緩存中不存在該值，則此方法將返回null：
我們可以使用put方法手動寫入緩存：
cache.put(key, dataObject);dataObject = cache.getIfPresent(key);assertNotNull(dataObject);
我們還可以使用get方法獲取值，該方法接受一個函數(shù)和一個鍵作為參數(shù)。如果緩存中不存在該鍵，則此函數(shù)將用于提供兜底值，該值將在執(zhí)行后寫入緩存：
dataObject = cache .get(key, k -> DataObject.get('Data for A'));assertNotNull(dataObject);assertEquals('Data for A', dataObject.getData());
這個GET方法執(zhí)行是原子性的。這意味著即使多個線程同時請求該值，執(zhí)行只會進行一次。這就是為什么使用get比getIfPresent更好。
有時我們需要手動使一些緩存的值失效：
cache.invalidate(key);dataObject = cache.getIfPresent(key);assertNull(dataObject);2.2、同步加載
這種加載緩存的方法需要一個Function，用于初始化寫入值，類似于手動寫入策略的get方法，讓我們看看如何使用它。
首先，我們需要初始化我們的緩存：
現(xiàn)在我們可以使用get方法讀取值：
DataObject dataObject = cache.get(key);assertNotNull(dataObject);assertEquals('Data for ' + key, dataObject.getData());
我們還可以使用getAll方法獲取一組值：
Map<String, DataObject> dataObjectMap = cache.getAll(Arrays.asList('A', 'B', 'C'));assertEquals(3, dataObjectMap.size());
值從傳遞給build方法的底層后端初始化Function中讀取到，這樣就可以使用緩存作為訪問值的主要入口了。
2.3、異步加載此策略的工作原理與前一個相同，但是會異步執(zhí)行操作并返回一個CompletableFuture來保存實際的值：
AsyncLoadingCache<String, DataObject> cache = Caffeine.newBuilder() .maximumSize(100) .expireAfterWrite(1, TimeUnit.MINUTES) .buildAsync(k -> DataObject.get('Data for ' + k));
我們可以以相同的方式使用get和getAll方法，考慮到它們的返回是CompletableFuture：
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，您可以在本文中閱讀更多相關信息。
3、緩存值的清理Caffeine有三種緩存值的清理策略：基于大小、基于時間和基于引用。
3.1、基于大小的清理這種類型的清理設計為在超出緩存配置的大小限制時發(fā)生清理。有兩種獲取大小的方法——計算緩存中的對象數(shù)，或者獲取它們的權重。
讓我們看看如何計算緩存中的對象數(shù)。緩存初始化時，其大小為零：
LoadingCache<String, DataObject> cache = Caffeine.newBuilder() .maximumSize(1) .build(k -> DataObject.get('Data for ' + k));assertEquals(0, cache.estimatedSize());
當我們添加一個值時，大小明顯增加：
cache.get('A');assertEquals(1, cache.estimatedSize());
我們可以將第二個值添加到緩存中，這會導致刪除第一個值：
cache.get('B');cache.cleanUp();assertEquals(1, cache.estimatedSize());
值得一提的是，我們在獲取緩存大小之前調(diào)用了cleanUp方法。這是因為緩存清理是異步執(zhí)行的，該方法有助于等待清理完成。
我們還可以傳入一個weigher的Function來定義緩存大小的獲取：
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());
當權重超過 10 時，這些值將從緩存中刪除：
cache.get('C');cache.cleanUp();assertEquals(2, cache.estimatedSize());3.2、基于時間的清理
這種清理策略基于條目的過期時間，分為三種：
訪問后過期——自上次讀取或?qū)懭胍詠恚瑮l目在經(jīng)過某段時間后過期寫入后過期——自上次寫入以來，條目在經(jīng)過某段時間后過期自定義策略——由Expiry的實現(xiàn)來為每個條目單獨計算到期時間讓我們使用expireAfterAccess方法配置訪問后過期策略：
LoadingCache<String, DataObject> cache = Caffeine.newBuilder() .expireAfterAccess(5, TimeUnit.MINUTES) .build(k -> DataObject.get('Data for ' + k));
要配置寫入后過期策略，我們使用expireAfterWrite方法：
cache = Caffeine.newBuilder() .expireAfterWrite(10, TimeUnit.SECONDS) .weakKeys() .weakValues() .build(k -> DataObject.get('Data for ' + k));
要初始化自定義策略，我們需要實現(xiàn)Expiry接口：
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
我們可以配置我們的緩存，允許緩存的鍵或值或二者一起的垃圾收集。為此，我們需要為鍵和值配置WeakReference的使用，并且我們可以配置SoftReference僅用于值的垃圾收集。
WeakReference的使用允許在沒有對對象的任何強引用時對對象進行垃圾回收。SoftReference允許基于JVM的全局LRU（最近最少使用）策略對對象進行垃圾回收。可以在此處找到有關Java中引用的更多詳細信息。
我們使用Caffeine.weakKeys()、Caffeine.weakValues()和Caffeine.softValues()來啟用每個選項：
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、緩存刷新
可以將緩存配置為在定義的時間段后自動刷新條目。讓我們看看如何使用refreshAfterWrite方法做到這一點：
Caffeine.newBuilder() .refreshAfterWrite(1, TimeUnit.MINUTES) .build(k -> DataObject.get('Data for ' + k));
在這里，我們應該明白expireAfter和refreshAfter的一個區(qū)別：當請求過期條目時，執(zhí)行會阻塞，直到build函數(shù)計算出新值。但是如果該條目符合刷新條件，則緩存將返回一個舊值并異步重新加載該值。
5、統(tǒng)計Caffeine提供了一種記錄緩存使用統(tǒng)計信息的方法：
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());
到此這篇關于輕松了解java中Caffeine高性能緩存庫的文章就介紹到這了,更多相關java Caffeine緩存庫內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網(wǎng)！
相關文章：
網(wǎng)公網(wǎng)安備