新一代缓存之王Caffeine，甩了Guava几条街！

最新推荐文章于 2024-10-09 17:10:25 发布

转载最新推荐文章于 2024-10-09 17:10:25 发布 · 219 阅读

CC 4.0 BY-SA版权

原文链接：https://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247555305&idx=3&sn=5e98080bf1d009f5b5d5fc0661c983ca&chksm=fa4a6758cd3dee4e914d412a4d9a42332b02817c05d6f3b9e00ce3f600f99d1b676749030671&scene=126&&sessionid=0

文章标签：

#算法 #java #python #编程语言 #redis

点击上方“芋道源码”，选择“设为星标”

管她前浪，还是后浪？

能浪的浪，才是好浪！

每天 10:33 更新文章，每天掉亿点点头发...

源码精品专栏

来源：juejin.cn/post/

7125674984562753572

我想把记忆缓存起来，等再次见到你，就能够很快认出你。

能够说出这么有哲理的话，得益于我对缓存的理解，以及对它的看重。没有了缓存，我的人生就没有了意义。

缓存是非常重要的，工作中大部分工作可以说是和缓存打交道。由于使用广泛，所以针对缓存系统的任何优化，如果能够提高一丁点儿性能，就会让人无比兴奋。

很长一段时间，我都在用Guava的LoadingCache。它和ConcurrentHashMap是非常像的，但在其上封装了一些好用的逐出策略和并发优化，就显得好用的多。

今天主要说的是Caffeine，中文名就是咖啡因，一种容易让人精神亢奋的物质。它可以说是Guava的重写，但是效率却非常的高，青出于蓝而胜于蓝。

下图是Caffeine的一张性能测试图。可以看到它的性能，甩了GuavaCache老远。

这是为什么呢？

首先要从它的作者开始说起。作者的github是( github.com/ben-manes )，曾经写了ConcurrentLinkedHashMap这个类，而这个类又是GuavaCache的基础。Ben Manes 一拍脑袋，决定更上层楼。

为什么说Caffeine好？

后浪Caffeine一来，GuavaCache就已经OUT了。

Caffeine支持异步加载方式，直接返回CompletableFutures，相对于GuavaCache的同步方式，它不用阻塞等待数据的载入。另外，它的编程模型是友好的，省去了很多重复的工作。

GuavaCache是基于LRU的，而Caffeine是基于LRU和LFU的，结合了两者的优点。对这两个算法不太清楚的同学，可以参考xjjdog之前的文章：《3种堆内缓存算法，赠源码和设计思路》

两者合体之后，变成了新的W-TinyLFU算法，它的命中率非常高，内存占用更加的小，这是主要原因所在。

Caffeine另外一个比较快的原因，就是很多操作都使用了异步，把这些事件提交到队列里。队列使用的RingBuffer，看到这个名词，我不自觉的想到了lmax的Disruptor，它已经成了无锁高并发的代名词。

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

项目地址：https://gitee.com/zhijiantianya/ruoyi-vue-pro
视频教程：https://doc.iocoder.cn/video/

测试命中率

我们决定拿线上的数据进行验证一下。事实上，大部分比较重要的Cache，我都已经使用Caffeine替换了，完成了骚气的升级。

由于它们的API长得非常像，这个过程是无痛的，连麻药都不需要打。

其中有个业务，有一个大的堆内缓存，缓存了用户数据。里面包含用户名、性别、地址、积分等属性，形成了一个JSON对象，但大小不超过1KB。通过灰度，根据不同的策略，我们测试了它的实际命中率。

策略1

最大缓存1w用户
数据进入缓存后，5分钟失效（需要重新读取）

命中率：

Caffeine 29.22 %
Guava 21.95%

策略2

加大缓存数据量到6w用户
数据进入缓存后，20分钟失效，这个和Session有的一拼了

命中率 （依然是高一筹）：

Caffeine 56.04 %
Guava 50.01%

策略3

直接加大缓存到15w用户
数据进入缓存后，30分钟失效

此时的命中率 ：

Caffeine 71.10 %
Guava 62.76%

Caffeine的命中率一直是领先的。命中率高，效率自然也就高。调整到50%以上，我们的缓存作用就很大了。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

项目地址：https://gitee.com/zhijiantianya/yudao-cloud
视频教程：https://doc.iocoder.cn/video/

异步载入

再放上官方的两张测试图：

(1) Read (75%) / Write (25%)

(2)Write (100%)

(3) Read (100%)

我们一直在提Caffeine的异步加载。那代码到底长什么样子呢？异步加载缓存使用了响应式编程模型，返回的是CompletableFuture对象。说实话，代码长得和Guava很像。

public static void main(String[] args) {
        AsyncLoadingCache<String, String> asyncLoadingCache = Caffeine.newBuilder()
                .maximumSize(1000)
                .buildAsync(key -> slowMethod(key));

        CompletableFuture<String> g = loadingCache.get("test");
        String value = g.get();
    }

    static String slowMethod(String key) throws Exception {
        Thread.sleep(1000);
        return key + ".result";
    }

我记得前段时间翻Spring的源码时，也看到过它。

在SpringBoot里，通过提供一个CacheManager的Bean，即可与Springboot-cache进行集成，可以说是很方便了。

关键代码

//bean生成
@Bean("caffeineCacheManager")
public CacheManager cacheManager() {
    CaffeineCacheManager cacheManager = new CaffeineCacheManager();
    cacheManager.setCaffeine(Caffeine.newBuilder() .maximumSize(1000));
    return cacheManager;
}

//使用注入
@CacheConfig(cacheNames = "caffeineCacheManager")

//信息缓存
@Cacheable(key = "#id")

欢迎加入我的知识星球，一起探讨架构，交流源码。加入方式，长按下方二维码噢：

已在知识星球更新源码解析如下：

最近更新《芋道 SpringBoot 2.X 入门》系列，已经 101 余篇，覆盖了 MyBatis、Redis、MongoDB、ES、分库分表、读写分离、SpringMVC、Webflux、权限、WebSocket、Dubbo、RabbitMQ、RocketMQ、Kafka、性能测试等等内容。

提供近 3W 行代码的 SpringBoot 示例，以及超 4W 行代码的电商微服务项目。

获取方式：点“在看”，关注公众号并回复 666 领取，更多内容陆续奉上。

文章有帮助的话，在看，转发吧。
谢谢支持哟 (*^__^*）