Caffeine入门
Caffeine使用指南
Caffeine基于java8的高性能，接近最优的缓存库。Caffeine提供的内存缓存使用参考Google guava的API。Caffeine是基于Google guava和 ConcurrentLinkedHashMap的设计经验上改进的成果。
Caffeine可以通过建造者模式灵活的组合以下特性：
- 通过异步自动加载实体到缓存中
- 基于大小的回收策略
- 基于时间的回收策略
- 自动刷新
- key自动封装虚引用
- value自动封装弱引用或软引用
- 实体过期或被删除的通知
- 写入外部资源
- 统计累计访问缓存
加载策略
Caffeine提供了3种加载策略:手动加载，同步加载，异步加载
手动加载
Cache<Key, Graph> cache = Caffeine.newBuilder().expireAfterWrite(10, TimeUnit.MINUTES).maximumSize(10_000).build();
// 检索一个entry，如果没有则为null
Graph graph = cache.getIfPresent(key);
// 检索一个entry，如果entry为null，则通过key创建一个entry并加入缓存
graph = cache.get(key, k -> createExpensiveGraph(key));
// 插入或更新一个实体
cache.put(key, graph);
// 移除一个实体
cache.invalidate(key);
同步加载
构造Cache时候，build方法传入一个CacheLoader实现类。实现load方法，通过key加载value。
LoadingCache<Key, Graph> cache = Caffeine.newBuilder().maximumSize(10_000).expireAfterWrite(10, TimeUnit.MINUTES).build(key -> createExpensiveGraph(key));
//如果缓存种没有对应的value，通过createExpensiveGraph方法加载
Graph graph = cache.get(key);Map<Key, Graph> graphs = cache.getAll(keys);
异步加载
AsyncLoadingCache<Key, Graph> cache = Caffeine.newBuilder().maximumSize(10_000).expireAfterWrite(10, TimeUnit.MINUTES).buildAsync((key, executor) -> createExpensiveGraphAsync(key, executor));
CompletableFuture<Graph> graph = cache.get(key);
CompletableFuture<Map<Key, Graph>> graphs = cache.getAll(keys);
AsyncLoadingCache 是 LoadingCache 的变体， 可以异步计算实体在一个线程池(Executor)上并且返回 CompletableFuture.
回收策略
Caffeine提供了3种回收策略：基于大小回收，基于时间回收，基于引用回收
基于大小回收
// 基于实体数量淘汰实体
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().maximumSize(10_000).build(key -> createExpensiveGraph(key));// 通过权重来计算，每个实体都有不同的权重，总权重到达最高时淘汰实体。
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().maximumWeight(10_000).weigher((Key key, Graph graph) -> graph.vertices().size()).build(key -> createExpensiveGraph(key));
基于时间回收
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().expireAfterAccess(5, TimeUnit.MINUTES).build(key -> createExpensiveGraph(key));
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().expireAfterWrite(10, TimeUnit.MINUTES).build(key -> createExpensiveGraph(key));
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().expireAfter(new Expiry<Key, Graph>() {public long expireAfterCreate(Key key, Graph graph, long currentTime) {// Use wall clock time, rather than nanotime, if from an external resourcelong seconds = graph.creationDate().plusHours(5).minus(System.currentTimeMillis(), MILLIS).toEpochSecond();return TimeUnit.SECONDS.toNanos(seconds);}public long expireAfterUpdate(Key key, Graph graph, long currentTime, long currentDuration) {return currentDuration;}public long expireAfterRead(Key key, Graph graph,long currentTime, long currentDuration) {return currentDuration;}}).build(key -> createExpensiveGraph(key));
基于引用回收
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().weakKeys().weakValues().build(key -> createExpensiveGraph(key));LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().softValues().build(key -> createExpensiveGraph(key));自动刷新
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().maximumSize(10_000).refreshAfterWrite(1, TimeUnit.MINUTES).build(key -> createExpensiveGraph(key));
在写后的持续时间过后，调用createExpensiveGraph刷新
移除通知
Cache<Key, Graph> graphs = Caffeine.newBuilder().removalListener((Key key, Graph graph, RemovalCause cause) ->System.out.printf("Key %s was removed (%s)%n", key, cause)).build();
写到外部存储
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().writer(new CacheWriter<Key, Graph>() {@Override public void write(Key key, Graph graph) {// 写入到外部存储或二级缓存}@Override public void delete(Key key, Graph graph, RemovalCause cause) {// 删除外部存储或者二级缓存}}).build(key -> createExpensiveGraph(key));注意，CacheWriter不能与弱键或AsyncLoadingCache一起使用
统计缓存使用情况
Cache<Key, Graph> graphs = Caffeine.newBuilder().maximumSize(10_000).recordStats().build();
通过使用Caffeine.recordStats(), 可以转化成一个统计的集合. 通过 Cache.stats() 返回一个CacheStats。CacheStats提供以下统计方法
hitRate(): 返回缓存命中率
evictionCount(): 缓存回收数量
averageLoadPenalty(): 加载新值的平均时间
Caffeine入门相关推荐
- Caffeine入门使用
<Caffeine入门使用> -> <Caffeine基础源码解析> -> <Caffeine 驱逐算法> 一.概况 就一般的互联网行业中的应用而言,目 ...
- 【Caffeine入门】浅谈缓存框架Caffeine
Caffeine是一个基于Java8的高性能缓存框架,号称趋于完美.Caffeine受启发于Guava Cache的API,使用API和Guava是一致的.它借鉴了Guava Cache和Concur ...
- HM-SpringCloud微服务系列11.1【多级缓存的意义JVM进程缓存】
HM-SpringCloud微服务系列11:多级缓存-高级篇 1. 什么是多级缓存 多级缓存是亿级流量的缓存方案 浏览器访问静态资源时,优先读取浏览器本地缓存 访问非静态资源(ajax查询数据)时,访 ...
- Caffeine缓存快速入门
目录 Caffeine组件的特点是: 基本使用 手动数据添加和删除 数据加载 过期数据的同步加载(一) 过期数据的同步加载(二) Caffeine异步缓存加载 缓存数据驱逐: 数量驱逐策略: 权重驱逐 ...
- 小白都能看懂的缓存入门
缓存是程序员必须了解的技术,无论是前端.后端还是客户端,大到复杂的系统架构,小到 CPU 或是芯片,都少不了缓存的影子. 下面只需 5 分钟,带你入门缓存技术. 什么是缓存? 缓存(Cache)本意是 ...
- Spring Boot（一）入门篇
Spring Boot干货系列:(一)优雅的入门篇 前言 Spring一直是很火的一个开源框架,在过去的一段时间里,Spring Boot在社区中热度一直很高,所以决定花时间来了解和学习,为自己做技术 ...
- Spring Boot入门到牛X
Spring Boot入门到牛X 1.Spring Boot 项目下载地址:https://download.csdn.net/download/weixin_39549656/10287664 1. ...
- Spring Boot (16)---优雅的入门篇
Spring Boot (16)---优雅的入门篇 Spring一直是很火的一个开源框架,在过去的一段时间里,Spring Boot在社区中热度一直很高,所以决定花时间来了解和学习,为自己做技术储备. ...
- SpringBoot的Cacheable缓存入门
因为工作需要,最近开始学习SpringBoot.要使用缓存,就搜索了下SpringBoot的缓存方案,有自带的ConcurrentLinkedHashMap,还有主流的Guava.Caffeine.E ...
最新文章
- 只需2040张图片，训练视觉Transformer：南大吴建鑫团队提出IDMM
- string转换为bigdecimal_SO面试题09：如何将String转换为Int？
- Java 基础学习（Markdown语法）
- 昕灵感应流行坊(Shop.25941.Cn)＾＿＾全新开张
- 由于开发者通过接口修改了菜单配置_开发者说：Seata 0.7.0 版本，你 get 'Metrics' 技能了吗？...
- Linux 命令之 yum -- 基于 RPM 的软件包管理器
- linux系统get命令详解,Ubuntu Linux系统下apt-get命令详解
- mybatis 逆向工程生成的 Example 类的使用
- 怎么查linux上谁删了文件,如何在 Linux 下快速找到被删除的文件?
- 发明导诊机器人团队_牛！这个平均年龄21岁的团队竟然发明偏瘫康复机器人
- @ Before，@ BeforeClass，@ BeforeEach和@BeforeAll之间的区别
- Linux下如何查看高CPU占用率线程 专题
- Web - JSON基础讲解
- x射线计算机断层成像_医疗保健中的深度学习-X射线成像（第4部分-类不平衡问题）...
- window10+cuda+cudnn下载
- QT实现串口调试助手（一）
- 研究生能合作发表论文吗？
- 计算机专业相关的国家认证,国内认证的计算机证书有哪些？
- TSP_旅行商问题 - 遗传算法（四）
- Flutter 字体设置加粗