目錄輕松lCaffeine1、依賴2、寫入緩存 2.1、手動寫入2.2、同步加載2.3、異步加載3、緩存值的清理3.1、基于大小的清理3.2、基于時間的清理 3.3、基于引用的清理4、緩存刷新5、統(tǒng)計輕松lCaffeine1、依賴

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(guān)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(jìn)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(guān)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(shè)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(quán)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(dāng)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(dǎo)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(dāng)權(quán)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(dú)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(qiáng)引用時對對象進(jìn)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(jìn)行垃圾回收。可以在此處找到有關(guān)Java中引用的更多詳細(xì)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(yīng)該明白expireAfter和refreshAfter的一個區(qū)別：當(dāng)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(guān)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(guān)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(guān)文章希望大家以后多多支持好吧啦網(wǎng)！