Guava的两种缓存策略

缓存在很多场景下都需要使用，如果电商网站的商品类别的查询，订单查询，用户基本信息的查询等等，针对这种读多写少的业务，都可以考虑使用到缓存。在一般的缓存系统中，除了分布式缓存，还会有多级缓存，在提升一定性能的前提下，可以在一定程度上避免缓存击穿或缓存雪崩，也能降低分布式缓存的负载。

GuavaCache的优点

1）很好的封装了get、put操作，能够集成数据源。一般我们在业务中操作缓存都会操作缓存和数据源两部分。例如：put数据时，先插入DB再删除原来的缓存，get数据时，先查缓存，命中则返回，没有命中时需要查询DB，再把查询结果放入缓存中。Guava封装了这么多步骤，只需要调用一次get/put方法即可

2）它是线程安全的缓存，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

3）GuavaCache提供了三种基本的缓存回收方式：基于容量回收、定时回收和基于引用回收。定时回收有两种：按照写入时间，最早写入的最先回收；按照访问时间，最早访问的最早回收

4）它可以监控加载/命中情况

Cache类型本地缓存

package com.mine.localcache.guava;

import com.google.common.cache.Cache;
import com.google.common.cache.CacheBuilder;

import java.util.Map;
import java.util.concurrent.Callable;
import java.util.concurrent.TimeUnit;

/** * ****************************** * author： 柯贤铭 * createTime: 2019/7/30 14:21 * description: Guava 本地缓存 -> Cache类型 * 用于SpringBoot项目中,启用单例模式 项目启动时进行初始化 * pay attention -> A. 注意不要重复实例化, 最好交由IOC管理 * B. 注意如果是写操作则获取缓存值后拷贝一份副本，然后传递该副本，进行修改操作 * C. 支持自定义call回调 * version: V1.0 * ****************************** */
public class CacheUtil {

    /*** * 构造方法 - 进行初始化 * @param maxSize 最大容量 * @param invalidTime 刷新时间 | 基于分钟级别 */
    public CacheUtil(long maxSize, long invalidTime) {
        init(maxSize, invalidTime);
    }

    /*** * 初始化 */
    private void init (long maxSize, long invalidTime) {

        // 缓存
        cache = CacheBuilder.newBuilder()
                // 设置缓存在写入invalidTime分钟后失效
                .expireAfterWrite(invalidTime, TimeUnit.MINUTES)
                // 设置缓存个数
                .maximumSize(maxSize)
                .concurrencyLevel(Runtime.getRuntime().availableProcessors())
                .recordStats()
                .build();
    }


    /*** * Guava Cache类型缓存 */
    private Cache cache;

    /** * 对外暴露的方法 -> 从缓存中取value，没取到会返回null * */
    public Object getValue (String key) {
        return cache.getIfPresent(key);
    }

    /** * 对外暴露的方法 -> 从缓存中取value，没取到会执行call * */
    public Object getValue (String key, Callable callable) throws Exception {
        return cache.get(key, callable);
    }

    /** * 对外暴露的方法 -> put * */
    public void putValue (String key, Object value) {
        cache.put(key, value);
    }

    /** * 对外暴露的方法 -> putMap * */
    public void putMap (String key, Map map) {
        cache.putAll(map);
    }

    /** * 对外暴露的方法 -> 判断是否存在key * */
    public boolean constainsKey (String key) {
        return cache.asMap().containsKey(key);
    }
}

Loading类型缓存

package com.mine.localcache.guava;

import com.google.common.cache.CacheBuilder;
import com.google.common.cache.CacheLoader;
import com.google.common.cache.LoadingCache;
import com.google.common.util.concurrent.ListenableFuture;
import com.google.common.util.concurrent.ListeningExecutorService;
import com.google.common.util.concurrent.MoreExecutors;

import java.util.concurrent.ExecutionException;
import java.util.concurrent.LinkedBlockingQueue;
import java.util.concurrent.ThreadPoolExecutor;
import java.util.concurrent.TimeUnit;

/** * ****************************** * author： 柯贤铭 * createTime: 2019/7/30 14:21 * description: Guava 本地缓存 -> LoadingCache类型 * 用于SpringBoot项目中,启用单例模式 项目启动时进行初始化 * 博文参考: https://www.cnblogs.com/csonezp/p/10011031.html * pay attention -> A. 注意不要重复实例化, 最好交由IOC管理 * B. 注意重写与之匹配的数据源获取方法 - getFromDB * C. 注意如果是写操作则获取缓存值后拷贝一份副本，然后传递该副本，进行修改操作 * D. 注意绝对不要返回null值作为value, 会引发InvalidCacheLoadException异常 * 对于该情况可以自定义处理方式, 主动将其捕获 * E. 此类型缓存提倡自动加载缓存数据, 因此尽量避免手动put * 如果需要更灵活的方案可以使用Cache类型 * F. 灵活设置参数, 启用自动失效策略或者自动刷新策略 * version: V1.0 * ****************************** */
public class LoadingCacheUtil {

    /*** * 构造方法 - 进行初始化 * @param maxSize 最大容量 * @param refreshTime 刷新时间 | 基于分钟级别 */
    public LoadingCacheUtil(long maxSize, long refreshTime) {
        init(maxSize, refreshTime);
    }

    /*** * 初始化 */
    private void init (long maxSize, long refreshTime) {
        // 刷新线程池 -> 如果数据都没了则启用后台线程进行刷新,让用户无感知 -> 核心线程数 1, 最大线程数 2
        backgroundRefreshPools = MoreExecutors.listeningDecorator(new ThreadPoolExecutor(1, 2, 0L, TimeUnit.MILLISECONDS, new LinkedBlockingQueue<>()));

        // 缓存
        cache = CacheBuilder.newBuilder()
                // 缓存刷新时间
                .refreshAfterWrite(refreshTime, TimeUnit.MINUTES)
                // 设置缓存在写入invalidTime分钟后失效
                //.expireAfterWrite(refreshTime, TimeUnit.MINUTES)
                // 设置缓存个数
                .maximumSize(maxSize)
                .concurrencyLevel(Runtime.getRuntime().availableProcessors())
                .recordStats()
                .build(new CacheLoader<String, Object>() {
                    // 当本地缓存命没有中时，调用load方法获取结果并将结果缓存
                    @Override
                    public Object load(String appKey) {
                        return getFromDB(appKey);
                    }

                    // 刷新时，开启一个新线程异步刷新，老请求直接返回旧值，防止耗时过长
                    @Override
                    public ListenableFuture<Object> reload(String key, Object oldValue) {
                        return backgroundRefreshPools.submit(() -> getFromDB(key));
                    }

                    // 数据库进行查询
                    private Object getFromDB (String key) {
                        // return entryMapper.selectByName(name)
                        return null;
                    }
                });
    }

    /** * 后台处理线程池 */
    private ListeningExecutorService backgroundRefreshPools;

    /*** * Guava LoadingCache类型缓存 */
    private LoadingCache cache;

    /** * 对外暴露的方法 -> 从缓存中取value，没取到会自动重载缓存,如果载入为null则触发异常 * */
    public Object getValue (String key) throws ExecutionException {
        return cache.get(key);
    }

    /** * 对外暴露的方法 -> 判断是否存在key * */
    public boolean constainsKey (String key) {
        return cache.asMap().containsKey(key);
    }
}

总结

1.本地缓存其实很多种数据结构都支持，比如线程安全的ConcurrentHashMap，用该结构配合TimerTask定时清除key，也可以实现，但是一是自己写的代码肯定没有谷歌工具厉害，另外一点，缓存更重要的特性不是可存可取，而是可以自动的去识别哪些key更活跃，哪些key不活跃，删除掉，
因此基于LRU算法，Google提供的Guava就可以很好的满足这一点
2.Cache类型缓存更像ConcurrentHashMap，有点随便存随便取的意思，同时支持定时回收，也支持get不到缓存内容时走call回调接口去数据，总的来说非常方便
3.LoadingCache类型缓存相比而言用的更加规范一些,它提供的思想是有一套完整的DB方案，提供定时刷新缓存,提供默认load方法，reload方法，相比于Cache，它要求更加严格，比如缓存内容不可返回null等等,也不建议手动put数据，而是专门通过DB的途径去刷新数据，因此真正的生产环境用的会更多一些