设计高效的线程安全的缓存(java并发编程实战5.6)

几乎每一个应用都会使用到缓存, 但是设计高效的线程安全的缓存并不简单. 如:

Java代码  

1. public interface Computable<A, V> {   
2.     V compute(A arg) throws InterruptedException;   
3. }   
4.   
5. public class ExpensiveFunction   
6.         implements Computable<String, BigInteger> {   
7.     // 模拟一个耗时操作  
8.     public BigInteger compute(String arg) {   
9.     // ...  
10.         return new BigInteger(arg);   
11.     }   
12. }   
13.   
14. public class Memorizer1<A, V> implements Computable<A, V> {   
15.     private final Map<A, V> cache = new HashMap<A, V>();   
16.     private final Computable<A, V> c;   
17.   
18.     public Memorizer1(Computable<A, V> c) {   
19.         this.c = c;   
20.     }   
21.     // 使用synchronized同步整个方法解决线程安全  
22.     public synchronized V compute(A arg) throws InterruptedException {   
23.         V result = cache.get(arg);   
24.         if (result == null) {   
25.             result = c.compute(arg);   
26.             cache.put(arg, result);   
27.         }   
28.         return result;   
29.     }   
30. }  

Memorizer1使用HashMap缓存计算结果. 如果能在缓存中取出参数对应的结果, 就直接返回缓存的数据, 避免了重复进行代价昂贵的计算. 由于HashMap不是线程安全的, Memorizer1同步整个compute方法, 避免重复计算的同时, 牺牲了并发执行compute方法的机会, 此种设计甚至可能导致性能比没有缓存更差.

使用ConcurrentHashMap代替HashMap, 同时取消对compute方法的同步可以极大的改善性能:

Java代码  

1. public class Memorizer2<A, V> implements Computable<A, V> {   
2.     private final Map<A, V> cache = new ConcurrentHashMap<A, V>();   
3.     private final Computable<A, V> c;   
4.   
5.     public Memorizer2(Computable<A, V> c) { this.c = c; }   
6.   
7.     public V compute(A arg) throws InterruptedException {   
8.         V result = cache.get(arg);   
9.         if (result == null) {   
10.             result = c.compute(arg);   
11.             cache.put(arg, result);   
12.         }   
13.         return result;   
14.     }   
15. }   

ConcurrentHashMap是线程安全的, 并且具有极好的并发性能. 但是该设计仍存在问题: 无法避免所有的重复的计算. 有时这是可以的, 但对于一些要求苛刻的系统, 重复计算可能会引发严重的问题. Memorizer2的问题在于一个线程在执行compute方法的过程中, 其他线程以相同的参数调用compute方法时, 无法从缓存中获知已有线程正在进行该参数的计算的信息, 因此造成了重复计算的发生. 针对这一点, 可以改进缓存的设计:

Java代码  

1. public class Memorizer3<A, V> implements Computable<A, V> {   
2.     // 改为缓存Future  
3.     private final Map<A, Future<V>> cache   
4.             = new ConcurrentHashMap<A, Future<V>>();   
5.     private final Computable<A, V> c;   
6.   
7.     public Memorizer3(Computable<A, V> c) { this.c = c; }   
8.   
9.     public V compute(final A arg) throws InterruptedException {   
10.         Future<V> f = cache.get(arg);   
11.         if (f == null) {   
12.             Callable<V> eval = new Callable<V>() {   
13.                 public V call() throws InterruptedException {   
14.                     return c.compute(arg);   
15.                 }   
16.             };   
17.             FutureTask<V> ft = new FutureTask<V>(eval);   
18.             f = ft;   
19.         // 在计算开始前就将Future对象存入缓存中.  
20.             cache.put(arg, ft);   
21.             ft.run(); // call to c.compute happens here   
22.         }   
23.         try {   
24.         // 如果缓存中存在arg对应的Future对象, 就直接调用该Future对象的get方法.  
25.         // 如果实际的计算还在进行当中, get方法将被阻塞, 直到计算完成  
26.             return f.get();   
27.         } catch (ExecutionException e) {   
28.             throw launderThrowable(e.getCause());   
29.         }   
30.     }   
31. }   

Memorizer3中的缓存系统看起来已经相当完美: 具有极好的并发性能, 也不会存在重复计算的问题. 真的吗? 不幸的是Memorizer3仍然存在重复计算的问题, 只是相对于Memorizer2, 重复计算的概率降低了一些. cache.get(arg)的结果为null, 不代表cache.put(arg, ft)时cache中依旧没有arg对应的Future, 因此直接调用cache.put(arg, ft)是不合理的:

Java代码  

1. public class Memorizer<A, V> implements Computable<A, V> {   
2.     private final ConcurrentMap<A, Future<V>> cache   
3.         = new ConcurrentHashMap<A, Future<V>>();   
4.     private final Computable<A, V> c;   
5.   
6.     public Memorizer(Computable<A, V> c) { this.c = c; }   
7.   
8.     public V compute(final A arg) throws InterruptedException {   
9.         while (true) {   
10.             Future<V> f = cache.get(arg);   
11.             if (f == null) {   
12.                 Callable<V> eval = new Callable<V>() {   
13.                     public V call() throws InterruptedException {   
14.                         return c.compute(arg);   
15.                     }   
16.                 };   
17.                 FutureTask<V> ft = new FutureTask<V>(eval);   
18.         // 使用putIfAbsent测试是否真的将ft存入了缓存, 如果存入失败, 说明cache中已经存在arg对应的future对象  
19.         // 否则才进行计算.  
20.                 f = cache.putIfAbsent(arg, ft);   
21.                 if (f == null) { f = ft; ft.run(); }   
22.             }   
23.             try {   
24.                 return f.get();   
25.             } catch (CancellationException e) {   
26.         // 当计算被取消时, 从缓存中移除arg-f键值对  
27.                 cache.remove(arg, f);   
28.             } catch (ExecutionException e) {   
29.                 throw launderThrowable(e.getCause());   
30.             }   
31.         }   
32.     }   
33. }   

至此才真正实现了高效且线程安全的缓存.