这篇文章主要讲解了“Spring内存缓存Caffeine如何使用”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“Spring内存缓存Caffeine如何使用”吧!
项目配置
依赖
首先搭建一个标准的SpringBoot项目工程,相关版本以及依赖如下
本项目借助
SpringBoot 2.2.1.RELEASE
+ maven 3.5.3
+ IDEA
进行开发<dependencies>
<dependency>
<groupId>com.github.ben-manes.caffeine</groupId>
<artifactId>caffeine</artifactId>
</dependency>
</dependencies>
使用实例
引入上面的jar包之后,就可以进入caffeine的使用环节了;我们主要依照官方wiki来进行演练
Home zh CN · ben-manes/caffeine Wiki
caffeine提供了四种缓存策略,主要是基于手动添加/自动添加,同步/异步来进行区分
其基本使用姿势于Guava差不多
1.手动加载
private LoadingCache<String, Integer> autoCache;
private AtomicInteger idGen;
public CacheService() {
// 手动缓存加载方式
idGen = new AtomicInteger(100);
uidCache = Caffeine.newBuilder()
// 设置写入后五分钟失效
.expireAfterWrite(5, TimeUnit.MINUTES)
// 设置最多的缓存数量
.maximumSize(100)
.build();
}
1.1 三种失效策略
注意参数设置,我们先看一下失效策略,共有下面几种
权重:
maximumSize: 基于容量策略,当缓存内元素个数超过时,通过基于就近度和频率的算法来驱逐掉不会再被使用到的元素
maximumWeight: 基于权重的容量策略,主要应用于缓存中的元素存在不同的权重场景
时间:
expireAfterAccess: 基于访问时间
expireAfterWrite: 基于写入时间
expireAfter: 可以根据读更新写入来调整有效期
引用:
weakKeys: 保存的key为弱引用
weakValues: 保存的value会使用弱引用
softValues: 保存的value使用软引用
弱引用:这允许在GC的过程中,当没有被任何强引用指向的时候去将缓存元素回收
软引用:在GC过程中被软引用的对象将会被通过LRU算法回收
1.2 缓存增删查姿势
接下来我们看一下手动方式的使用
public void getUid(String session) {
// 重新再取一次,这次应该就不是重新初始化了
Integer uid = uidCache.getIfPresent(session);
System.out.println("查看缓存! 当没有的时候返回的是 uid: " + uid);
// 第二个参数表示当不存在时,初始化一个,并写入缓存中
uid = uidCache.get(session, (key) -> 10);
System.out.println("初始化一个之后,返回的是: " + uid);
// 移除缓存
uidCache.invalidate(session);
// 手动添加一个缓存
uidCache.put(session + "_2", 11);
// 查看所有的额缓存
Map map = uidCache.asMap();
System.out.println("total: " + map);
// 干掉所有的缓存
uidCache.invalidateAll();
}
查询缓存&添加缓存
-
: 不存在时,返回nullgetIfPresent(key)
-
: 不存在时,会根据第二个lambda表达式来写入数据,这个就表示的是手动加载缓存get(key, (key) -> {value初始化策略})
-
: 获取缓存所有数据asMap
添加缓存
-
: 主动添加缓存put(key, val)
清空缓存
-
: 主动移除缓存invalidate
-
: 失效所有缓存invalidateAll
执行完毕之后,输出日志:
查看缓存! 当没有的时候返回的是 uid: null
初始化一个之后,返回的是: 10
total: {02228476-bcd9-412d-b437-bf0092c4a5f6_2=11}
2.自动加载
在创建的时候,就指定缓存未命中时的加载规则
// 在创建时,自动指定加载规则
private LoadingCache<String, Integer> autoCache;
private AtomicInteger idGen;
public CacheService() {
// 手动缓存加载方式
idGen = new AtomicInteger(100);
autoCache = Caffeine.newBuilder()
.expireAfterWrite(5, TimeUnit.MINUTES)
.maximumSize(100)
.build(new CacheLoader<String, Integer>() {
@Override
public @Nullable Integer load(@NonNull String key) throws Exception {
return idGen.getAndAdd(1);
}
});
}
它的配置,与前面介绍的一致;主要的区别点在于build时,确定缓存值的获取方式
2.1 缓存使用姿势
public void autoGetUid(String session) {
Integer uid = autoCache.getIfPresent(session);
System.out.println("自动加载,没有时返回: " + uid);
uid = autoCache.get(session);
System.out.println("自动加载,没有时自动加载一个: " + uid);
// 批量查询
List<String> keys = Arrays.asList(session, session + "_1");
Map<String, Integer> map = autoCache.getAll(keys);
System.out.println("批量获取,一个存在一个不存在时:" + map);
// 手动加一个
autoCache.put(session + "_2", 11);
Map total = autoCache.asMap();
System.out.println("total: " + total);
}
与前面的区别在于获取缓存值的方式
get(key): 不用传第二个参数,直接传key获取对应的缓存值,如果没有自动加载数据
getAll(keys): 可以批量获取数据,若某个key不再缓存中,会自动加载;在里面的则直接使用缓存的
实际输出结果如下
自动加载,没有时返回: null
自动加载,没有时自动加载一个: 100
批量获取,一个存在一个不存在时:{02228476-bcd9-412d-b437-bf0092c4a5f6=100, 02228476-bcd9-412d-b437-bf0092c4a5f6_1=101}
total: {02228476-bcd9-412d-b437-bf0092c4a5f6_2=11, 02228476-bcd9-412d-b437-bf0092c4a5f6_1=101, 02228476-bcd9-412d-b437-bf0092c4a5f6=100}
3.异步手动加载
异步,主要是值在获取换粗内容时,采用的异步策略;使用与前面没有什么太大差别
// 手动异步加载缓存
private AsyncCache<String, Integer> asyncUidCache;
public CacheService() {
asyncUidCache = Caffeine.newBuilder()
.expireAfterWrite(5, TimeUnit.MINUTES)
.maximumSize(100)
.buildAsync();
}
3.1 缓存使用姿势
public void asyncGetUid(String session) throws ExecutionException, InterruptedException {
// 重新再取一次,这次应该就不是重新初始化了
CompletableFuture<Integer> uid = asyncUidCache.getIfPresent(session);
System.out.println("查看缓存! 当没有的时候返回的是 uid: " + (uid == null ? "null" : uid.get()));
// 第二个参数表示当不存在时,初始化一个,并写入缓存中
uid = asyncUidCache.get(session, (key) -> 10);
System.out.println("初始化一个之后,返回的是: " + uid.get());
// 手动塞入一个缓存
asyncUidCache.put(session + "_2", CompletableFuture.supplyAsync(() -> 12));
// 移除缓存
asyncUidCache.synchronous().invalidate(session);
// 查看所有的额缓存
System.out.println("print total cache:");
for (Map.Entry<String, CompletableFuture<Integer>> sub : asyncUidCache.asMap().entrySet()) {
System.out.println(sub.getKey() + "==>" + sub.getValue().get());
}
System.out.println("total over");
}
getIfPresent: 存在时返回CompletableFuture,不存在时返回null,因此注意npe的问题
get(key, Function<>): 第二个参数表示加载数据的逻辑
put(key, CompletableFuture<>): 手动加入缓存,注意这里也不是直接加一个具体的value到缓存
synchronous().invalidate() : 同步清除缓存
getAll: 一次获取多个缓存,同样的是在缓存的取缓存,不在的根据第二个传参进行加载
与前面相比,使用姿势差不多,唯一注意的是,获取的并不是直接的结果,而是CompletableFuture,上面执行之后的输出如下:
查看缓存! 当没有的时候返回的是 uid: null
初始化一个之后,返回的是: 10
print total cache:
5dd53310-aec7-42a5-957e-f7492719c29d_2==>12
total over
4.异步自动加载
在定义缓存时,就指定了缓存不存在的加载逻辑;与第二个相比区别在于这里是异步加载数据到缓存中
private AtomicInteger idGen;
// 自动异步加载缓存
private AsyncLoadingCache<String, Integer> asyncAutoCache;
public CacheService() {
idGen = new AtomicInteger(100);
asyncAutoCache = Caffeine.newBuilder()
.expireAfterWrite(5, TimeUnit.MINUTES)
.maximumSize(100)
.buildAsync(new CacheLoader<String, Integer>() {
@Override
public @Nullable Integer load(@NonNull String key) throws Exception {
return idGen.getAndAdd(1);
}
});
}
4.1 缓存使用姿势
public void asyncAutoGetUid(String session) {
try {
CompletableFuture<Integer> uid = asyncAutoCache.getIfPresent(session);
System.out.println("自动加载,没有时返回: " + (uid == null ? "null" : uid.get()));
uid = asyncAutoCache.get(session);
System.out.println("自动加载,没有时自动加载一个: " + uid.get());
// 批量查询
List<String> keys = Arrays.asList(session, session + "_1");
CompletableFuture<Map<String, Integer>> map = asyncAutoCache.getAll(keys);
System.out.println("批量获取,一个存在一个不存在时:" + map.get());
// 手动加一个
asyncAutoCache.put(session + "_2", CompletableFuture.supplyAsync(() -> 11));
// 查看所有的额缓存
System.out.println("print total cache:");
for (Map.Entry<String, CompletableFuture<Integer>> sub : asyncAutoCache.asMap().entrySet()) {
System.out.println(sub.getKey() + "==>" + sub.getValue().get());
}
System.out.println("total over");
// 清空所有缓存
asyncAutoCache.synchronous().invalidateAll();
} catch (Exception e) {
e.printStackTrace();
}
}
输出:
自动加载,没有时返回: null
自动加载,没有时自动加载一个: 102
批量获取,一个存在一个不存在时:{5dd53310-aec7-42a5-957e-f7492719c29d=102, 5dd53310-aec7-42a5-957e-f7492719c29d_1=103}
print total cache:
5dd53310-aec7-42a5-957e-f7492719c29d_2==>11
5dd53310-aec7-42a5-957e-f7492719c29d_1==>103
5dd53310-aec7-42a5-957e-f7492719c29d==>102
total over