caffeine学习

导入依赖

<dependency>
    <groupId>com.github.ben-manes.caffeine</groupId>
    <artifactId>caffeine</artifactId>
    <!--https://mvnrepository.com/artifact/com.github.ben-manes.caffeine/caffeinez找最新版-->
    <version>3.0.5</version>
</dependency>

创建缓存对象

// 创建一个 Caffeine 缓存对象，设置缓存大小和过期时间
private static Cache<String, String> Cache = Caffeine.newBuilder()
        .maximumSize(100) // 设置最大缓存条目数
        .expireAfterWrite(10, TimeUnit.MINUTES) // 设置写入后过期时间
        .build();

设置选项

方法	描述
expireAfterAccess(duration, unit)	设置缓存条目在指定时间段内没有被访问后过期。
refreshAfterWrite(duration, unit)	设置缓存条目在被创建或者最后一次访问后一定时间内进行刷新。
weakKeys()	将缓存键作为弱引用存储，如果键没有其他引用，则可以被垃圾回收。
weakValues()	将缓存值作为弱引用存储，如果值没有其他引用，则可以被垃圾回收。
softValues()	将缓存值作为软引用存储，如果系统内存不足时，则可以被垃圾回收。
recordStats()	启用缓存统计信息的收集，如命中率、加载成功率等。
executor(Executor)	设置异步加载缓存值的 Executor。
executor(Runnable)	设置缓存操作的全局执行器。
scheduler(Scheduler)	设置调度器，用于定期清理过期条目。
removalListener(RemovalListener)	设置缓存条目移除时的监听器，可以在条目被移除时执行一些额外操作。
writer(CacheWriter)	设置缓存写入器，用于在条目被写入缓存时执行一些额外的操作。
loader(Loader)	设置缓存加载器，用于当缓存中不存在条目时加载新的条目。

其他方法

1. 缓存加载：

   • get(K key, Function<? super K, ? extends V> mappingFunction)：尝试获取缓存中与指定键相关联的值，如果键不存在，则通过提供的映射函数加载值。
   • get(K key, Callable<? extends V> loader)：尝试获取缓存中与指定键相关联的值，如果键不存在，则通过提供的加载器加载值。

2. 缓存删除：

   • invalidate(Object key)：使缓存中的指定键及其对应的值失效。
   • invalidateAll()：使缓存中的所有键值对失效。
   • invalidateAll(Iterable<?> keys)：使缓存中指定键集合对应的键值对失效。

3. 缓存统计：

   • stats()：获取缓存的统计信息，包括命中率、加载次数、加载失败次数等。

4. 缓存监听：

   • removalListener(RemovalListener<? super K, ? super V> listener)：为缓存设置移除监听器，用于监听缓存中条目被移除的事件。

5. 缓存配置：

   • maximumSize(long maximumSize)：设置缓存的最大容量。
   • expireAfterWrite(long duration, TimeUnit unit)：设置写入后的过期时间。
   • expireAfterAccess(long duration, TimeUnit unit)：设置访问后的过期时间。
   • refreshAfterWrite(long duration, TimeUnit unit)：设置写入后的刷新时间。
   • recordStats()：开启缓存的统计功能，使得可以获取缓存的统计信息。

6. 异步加载和刷新：

   • getAsync(K key, Function<? super K, ? extends CompletableFuture<V>> mappingFunction)：异步加载与指定键相关联的值。
   • getIfPresentAsync(K key, Function<? super K, ? extends CompletableFuture<V>> mappingFunction)：异步获取缓存中与指定键相关联的值，如果键不存在，则通过提供的映射函数异步加载值。
   • refresh(K key)：异步刷新与指定键相关联的值。

其他一些知识

1. 数据加载策略：

   • 同步加载： 默认情况下，Caffeine 使用同步加载策略。这意味着当缓存中不存在某个键对应的值时，当前线程会被阻塞，直到加载完成并将值放入缓存。这种策略适用于数据加载操作相对轻量且加载时间较短的情况。
   • 异步加载： 对于数据加载耗时较长的情况，可以使用异步加载策略。通过使用 get(K key, Function<? super K, ? extends CompletableFuture<V>> mappingFunction) 方法，可以异步加载数据，以允许当前线程继续执行其他操作。
   • 刷新： 使用 refresh(K key) 方法可以定期刷新缓存中的数据，以确保缓存中的数据保持最新。刷新操作可以在后台线程中异步执行，不会影响到当前线程。

2. 缓存回收策略：

   • 基于大小： 通过设置缓存的最大容量来控制缓存的大小。当缓存大小超过设定的最大容量时，Caffeine 将根据一定的策略自动回收部分缓存条目，以释放空间。
   • 基于权重： 类似于基于大小，但是可以为不同的缓存条目设置不同的权重，以更精细地控制缓存的大小。
   • 基于时间： 可以设置缓存条目的过期时间，当缓存条目过期时，Caffeine 将自动将其从缓存中移除。

3. 并发控制：

   • Caffeine 使用并发数据结构来实现缓存，从而保证在多线程并发访问下的线程安全性。这意味着可以同时从多个线程访问和操作缓存，而不会出现数据不一致或竞态条件等问题。

4. 缓存预热：

   • 缓存预热指的是在应用启动时预先加载缓存数据，以避免在应用运行期间的第一次访问中出现较长的加载延迟。可以通过在应用启动时手动加载数据或者使用 Caffeine 的 preloading 功能来实现缓存预热。

5. 监控和调优：

   • Caffeine 提供了丰富的缓存统计信息，可以通过调用 stats() 方法获取。利用这些统计信息，可以对缓存的性能进行监控和调优，包括缓存命中率、加载次数、加载失败次数等。

6. 高级配置和定制化：

   • Caffeine 提供了许多高级配置选项和定制化功能，如自定义缓存加载器、自定义缓存策略、自定义缓存监听器等。通过灵活地配置这些选项，可以满足更复杂的应用需求。

7. 与Spring集成：

   • 如果你使用 Spring 框架，可以将 Caffeine 缓存集成到 Spring 应用中，以实现基于注解的缓存、缓存管理和自动配置等功能。Spring 提供了 @Cacheable、@CacheEvict 等注解来简化缓存的使用和管理。