緩存

緩存分為本地緩存與分布式緩存。

本地緩存為了保證線程安全問題，一般使用ConcurrentMap的方式保存在內存之中，而常見的分布式緩存則有Redis，MongoDB等。

• 一致性：本地緩存由于數據存儲于內存之中，每個實例都有自己的副本，可能會存在不一致的情況；分布式緩存則可有效避免這種情況
• 開銷：本地緩存會占用JVM內存，會影響GC及系統(tǒng)性能；分布式緩存的開銷則在于網絡時延和對象序列化，故主要影響調用時延
• 適用場景：本地緩存適用于數據量較小或變動較少的數據；分布式緩存則適用于一致性要求較高及數量量大的場景(可彈性擴容)

本地緩存適用于數據量較小或變動較少的數據，因為變動多需要考慮到不同實例的緩存一致性問題，而數據量大則需要考慮緩存回收策略及GC相關的問題

Guava cache

Guava Cache 是Google Fuava中的一個內存緩存模塊，用于將數據緩存到JVM內存中。

• 提供了get、put封裝操作，能夠集成數據源 ；
• 線程安全的緩存，與ConcurrentMap相似，但前者增加了更多的元素失效策略，后者只能顯示的移除元素；
• Guava Cache提供了多種基本的緩存回收方式
• 監(jiān)控緩存加載/命中情況

通常，Guava緩存適用于以下情況：

• 愿意花費一些內存來提高速度。
• 使用場景有時會多次查詢key。
• 緩存將不需要存儲超出RAM容量的數據

詳細配置

緩存的并發(fā)級別

Guava提供了設置并發(fā)級別的API，使得緩存支持并發(fā)的寫入和讀取。

與ConcurrentHashMap類似，Guava cache的并發(fā)也是通過分離鎖實現(xiàn)。

在通常情況下，推薦將并發(fā)級別設置為服務器cpu核心數。

CacheBuilder.newBuilder()
		// 設置并發(fā)級別為cpu核心數，默認為4
		.concurrencyLevel(Runtime.getRuntime().availableProcessors()) 
		.build();

緩存的初始容量設置

我們在構建緩存時可以為緩存設置一個合理大小初始容量，由于Guava的緩存使用了分離鎖的機制，擴容的代價非常昂貴。

所以合理的初始容量能夠減少緩存容器的擴容次數。

CacheBuilder.newBuilder()
		// 設置初始容量為100
		.initialCapacity(100)
		.build();

設置最大存儲

Guava Cache可以在構建緩存對象時指定緩存所能夠存儲的最大記錄數量。

當Cache中的記錄數量達到最大值后再調用put方法向其中添加對象，Guava會先從當前緩存的對象記錄中選擇一條刪除掉，騰出空間后再將新的對象存儲到Cache中。

CacheBuilder.newBuilder()
		// 設置最大容量為1000
		.maximumSize(1000)
		.build();

緩存清除策略

基于存活時間的清除策略

• expireAfterWrite 寫緩存后多久過期
• expireAfterAccess 讀寫緩存后多久過期

存活時間策略可以單獨設置或組合配置

基于容量的清除策略

通過CacheBuilder.maximumSize(long)方法可以設置Cache的最大容量數，當緩存數量達到或接近該最大值時，Cache將清除掉那些最近最少使用的緩存

基于權重的清除策略

使用CacheBuilder.weigher(Weigher)指定一個權重函數，并且用CacheBuilder.maximumWeight(long)指定最大總重。

如每一項緩存所占據的內存空間大小都不一樣，可以看作它們有不同的“權重”（weights）,作為執(zhí)行清除策略時優(yōu)化回收的對象

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);
             }
           });

顯式清除

• 清除單個key：Cache.invalidate(key)
• 批量清除key：Cache.invalidateAll(keys)
• 清除所有緩存項：Cache.invalidateAll()

基于引用的清除策略

在構建Cache實例過程中，通過設置使用弱引用的鍵、或弱引用的值、或軟引用的值，從而使JVM在GC時順帶實現(xiàn)緩存的清除

• CacheBuilder.weakKeys()：使用弱引用存儲鍵。當鍵沒有其它（強或軟）引用時，緩存項可以被垃圾回收
• CacheBuilder.weakValues()：使用弱引用存儲值。當值沒有其它（強或軟）引用時，緩存項可以被垃圾回收
• CacheBuilder.softValues()：使用軟引用存儲值。軟引用只有在響應內存需要時，才按照全局最近最少使用的順序回收。考慮到使用軟引用的性能影響，我們通常建議使用更有性能預測性的緩存大小限定

垃圾回收僅依賴==恒等式，使用弱引用鍵的緩存用而不是equals()，即同一對象引用。

Cache 

顯式put操作置入內存

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

使用自定義ClassLoader加載數據，置入內存中。從LoadingCache中獲取數據時，若數據存在則直接返回；若數據不存在，則根據ClassLoader的load方法加載數據至內存，然后返回該數據

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
}

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論