Cache 用于实现一个可拓展的本地缓存。
有人的地方,就有江湖。
有高性能的地方,就有 cache。
-
为日常开发提供一套简单易用的缓存框架
-
便于后期多级缓存开发
-
学以致用,开发一个类似于 redis 的渐进式缓存框架
-
MVP 开发策略
-
fluent 流式编程体验,纵享丝滑
-
支持 cache 固定大小
-
支持自定义 map 实现策略
-
支持 expire 过期特性
-
支持自定义 evict 驱除策略
内置 FIFO 和 LRU 驱除策略
-
支持自定义删除监听器
-
日志整合框架,自适应常见日志
-
支持 load 初始化和 persist 持久化
RDB 和 AOF 两种模式
JDK1.7 及其以上版本
Maven 3.X 及其以上版本
<dependency>
<groupId>com.github.houbb</groupId>
<artifactId>cache-core</artifactId>
<version>0.0.15</version>
</dependency>
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.size(2)
.build();
cache.put("1", "1");
cache.put("2", "2");
cache.put("3", "3");
cache.put("4", "4");
Assert.assertEquals(2, cache.size());
默认为先进先出的策略,此时输出 keys,内容如下:
[3, 4]
CacheBs
作为缓存的引导类,支持 fluent 写法,编程更加优雅便捷。
上述配置等价于:
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.map(Maps.<String,String>hashMap())
.evict(CacheEvicts.<String, String>fifo())
.size(2)
.build();
目前内置了几种淘汰策略,可以直接通过 CacheEvicts
工具类创建。
策略 | 说明 |
---|---|
none | 没有任何淘汰策略 |
fifo | 先进先出(默认策略) |
lru | 最基本的朴素 LRU 策略,性能一般 |
lruDoubleListMap | 基于双向链表+MAP 实现的朴素 LRU,性能优于 lru |
lruLinkedHashMap | 基于 LinkedHashMap 实现的朴素 LRU,与 lruDoubleListMap 差不多 |
lru2Q | 基于 LRU 2Q 的改进版 LRU 实现,命中率优于朴素LRU |
lru2 | 基于 LRU-2 的改进版 LRU 实现,命中率优于 lru2Q |
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.size(3)
.build();
cache.put("1", "1");
cache.put("2", "2");
cache.expire("1", 10);
Assert.assertEquals(2, cache.size());
TimeUnit.MILLISECONDS.sleep(50);
Assert.assertEquals(1, cache.size());
System.out.println(cache.keySet());
cache.expire("1", 10);
指定对应的 key 在 10ms 后过期。
淘汰和过期,这些都是缓存的内部行为。
如果用户也关心的话,可以自定义删除监听器。
直接实现 ICacheRemoveListener
接口即可。
public class MyRemoveListener<K,V> implements ICacheRemoveListener<K,V> {
@Override
public void listen(ICacheRemoveListenerContext<K, V> context) {
System.out.println("【删除提示】可恶,我竟然被删除了!" + context.key());
}
}
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.size(1)
.addRemoveListener(new MyRemoveListener<String, String>())
.build();
cache.put("1", "1");
cache.put("2", "2");
- 测试日志
【删除提示】可恶,我竟然被删除了!2
redis 中会存储慢操作的相关日志信息,主要是由两个参数构成:
(1)slowlog-log-slower-than 预设阈值,它的单位是毫秒(1秒=1000000微秒)默认值是10000
(2)slowlog-max-len 最多存储多少条的慢日志记录
不过 redis 是直接存储到内存中,而且有长度限制。
根据实际工作体验,如果我们可以添加慢日志的监听,然后有对应的存储或者报警,这样更加方便问题的分析和快速反馈。
所以我们引入类似于删除的监听器。
实现接口 ICacheSlowListener
这里每一个监听器都可以指定自己的慢日志阈值,便于分级处理。
public class MySlowListener implements ICacheSlowListener {
@Override
public void listen(ICacheSlowListenerContext context) {
System.out.println("【慢日志】name: " + context.methodName());
}
@Override
public long slowerThanMills() {
return 0;
}
}
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.addSlowListener(new MySlowListener())
.build();
cache.put("1", "2");
cache.get("1");
- 测试效果
[DEBUG] [2020-09-30 17:40:11.547] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.before] - Cost start, method: put
[DEBUG] [2020-09-30 17:40:11.551] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.after] - Cost end, method: put, cost: 10ms
【慢日志】name: put
[DEBUG] [2020-09-30 17:40:11.554] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.before] - Cost start, method: get
[DEBUG] [2020-09-30 17:40:11.554] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.after] - Cost end, method: get, cost: 1ms
【慢日志】name: get
实际工作中,我们可以针对慢日志数据存储,便于后期分析。
也可以直接接入报警系统,及时反馈问题。
有时候我们需要在 cache 初始化的时候,添加对应的数据初始化。
后期可以从文件等地方加载数据。
实现 ICacheLoad
接口即可。
public class MyCacheLoad implements ICacheLoad<String,String> {
@Override
public void load(ICache<String, String> cache) {
cache.put("1", "1");
cache.put("2", "2");
}
}
我们在缓存初始化的时候,放入 2 个元素。
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.load(new MyCacheLoad())
.build();
Assert.assertEquals(2, cache.size());
如果我们只是把文件放在内存中,应用重启信息就丢失了。
有时候我们希望这些 key/value 信息可以持久化,存储到文件或者 database 中。
CachePersists.<String, String>dbJson("1.rdb")
指定将数据文件持久化到文件中。
定期执行,暂时全量持久化的间隔为 10min,后期考虑支持更多配置。
public void persistTest() throws InterruptedException {
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.load(new MyCacheLoad())
.persist(CachePersists.<String, String>dbJson("1.rdb"))
.build();
Assert.assertEquals(2, cache.size());
TimeUnit.SECONDS.sleep(5);
}
- 1.rdb
文件内容如下:
{"key":"2","value":"2"}
{"key":"1","value":"1"}
存储之后,可以使用对应的加载器读取文件内容:
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.load(CacheLoads.<String, String>dbJson("1.rdb"))
.build();
Assert.assertEquals(2, cache.size());
-
CLOCK 算法
-
SC 二次机会
-
老化算法
-
弱引用
-
过期策略添加随机返回
-
expireAfterWrite()
-
expireAfterAccess()
- AOF 混合 RDB
-
命中率
-
keys 数量
-
evict 数量
-
expire 数量
-
耗时统计
- 并发安全保障
-
异步 callable 操作
-
spring 整合
提供 @Cacheable
系列注解
-
文件压缩
-
独立服务端
提供类似于 redis-server + redis-client 的拆分,便于独立于应用作为服务存在。
java从零手写实现redis(一)如何实现固定大小的缓存?
java从零手写实现redis(三)redis expire 过期原理
java从零手写实现redis(三)内存数据如何重启不丢失?
java从零手写实现redis(五)过期策略的另一种实现思路
java从零手写实现redis(六)AOF 持久化原理详解及实现
java从零开始手写redis(七)LRU 缓存淘汰策略详解
java从零开始手写redis(八)朴素 LRU 淘汰算法性能优化
java 从零开始手写 redis(九)LRU 缓存淘汰算法如何避免缓存污染
java 从零开始手写 redis(十)缓存淘汰算法 LFU 最少使用频次
java 从零开始手写 redis(11)clock时钟淘汰算法详解及实现
java 从零开始手写 redis(12)redis expire 过期如何实现随机获取keys?
java从零开始手写 redis(13)HashMap 源码原理详解
java 从零开始手写 redis(14)redis渐进式rehash详解
java 从零开始手写 redis(15)实现自己的 HashMap
java 从零开始手写 redis(16)实现渐进式 rehash map
【实战汇总】
缓存实战(1)缓存雪崩、缓存击穿和缓存穿透入门简介及解决方案
缓存实战(2)布隆过滤器是啥?guava 的 BloomFilter 使用
缓存实战(3)让你彻底搞懂布隆过滤器!实现一个自己的BloomFilter