Java Caffeine 本地缓存-马育民老师

## 介绍

Caffeine 是一个基于 Java 8 开发的高性能本地缓存库，由 Ben Manes 开发，旨在作为 Google Guava Cache 的现代化替代品。它凭借极致的性能和超高的缓存命中率，被广泛应用于 Spring Boot、Hibernate 等主流框架中，被誉为 Java 本地缓存的首选方案。

### 🚀 核心优势：为何选择 Caffeine？

与 Guava Cache 或 `ConcurrentHashMap` 相比，Caffeine 在性能和功能上都有显著优势：

*   **极致的读写性能**：通过高度优化的并发控制，其读写吞吐量远超同类框架，读操作性能接近原生的 `ConcurrentHashMap`。
*   **超高的缓存命中率**：核心在于其先进的缓存淘汰算法，能有效识别并保留热点数据。
*   **丰富的功能特性**：支持多种过期策略、异步加载、缓存统计等，功能完备且配置灵活。
*   **轻量级无依赖**：核心包体积小，无任何第三方依赖，可轻松集成到项目中。

以下是 Caffeine 与 Guava Cache 的核心特性对比：

### 🧠 核心原理：W-TinyLFU 算法

Caffeine 高性能的灵魂在于其采用的 **W-TinyLFU (Window TinyLFU)** 缓存淘汰算法。该算法巧妙地结合了 LFU (Least Frequently Used) 和 LRU (Least Recently Used) 的优点，解决了传统算法的痛点：

1.  **解决 LRU 的“缓存污染”问题**：LRU 仅关注数据的最近访问时间，当有大量低频数据突然涌入时，容易将真正的热点数据挤出缓存。
2.  **解决 LFU 的“数据僵化”问题**：LFU 仅关注数据的访问频率，导致一些历史上高频但当前已不再访问的数据长期驻留缓存，无法被淘汰。

W-TinyLFU 通过“窗口缓存”对新数据进行频率预热，再结合频率过滤机制，既能快速接纳新的热点数据，又能有效剔除低频无效数据，从而在各种访问模式下都能保持极高的缓存命中率。

### 🛠️ 核心特性详解

Caffeine 提供了丰富且强大的功能，以满足不同业务场景的需求。

#### 灵活的驱逐与过期策略

Caffeine 支持多种策略来自动管理缓存空间，防止内存溢出。

*   **基于容量驱逐**：当缓存条目数量达到预设最大值时，自动淘汰“价值最低”的数据。
```java
.maximumSize(10_000) // 最多缓存 10,000 个条目
```
*   **基于权重驱逐**：可以为每个缓存条目定义权重（如对象大小），当总权重超限时触发驱逐。
```java
.maximumWeight(100_000)
.weigher((String key, Data value) -> value.sizeInBytes())
```
*   **基于时间过期**：
    *   `expireAfterWrite`: 写入后固定时间过期。
    *   `expireAfterAccess`: 最后一次访问后固定时间过期。
    *   `expireAfter`: 支持自定义每个条目的过期时间。

#### 多样的缓存加载模式

*   **手动加载 (`Cache`)**：适用于需要显式 `put`/`get` 的场景。
```java
Cache<String, Object> cache = Caffeine.newBuilder().build();
cache.put("key", "value");
Object val = cache.getIfPresent("key");
```
*   **同步加载 (`LoadingCache`)**：当查询的键不存在时，自动调用加载函数来获取数据，避免缓存穿透。
```java
LoadingCache<String, String> cache = Caffeine.newBuilder()
.build(key -> fetchDataFromDB(key));
String value = cache.get("userId"); // 若缓存未命中，自动调用加载函数
```
*   **异步加载 (`AsyncLoadingCache`)**：基于 `CompletableFuture` 实现，在高并发场景下不阻塞调用线程，是性能最佳实践。
```java
AsyncLoadingCache<String, String> cache = Caffeine.newBuilder()
.buildAsync(key -> CompletableFuture.supplyAsync(() -> fetchDataFromDB(key)));
CompletableFuture<String> future = cache.get("userId");
```

#### 其他实用功能

*   **缓存统计 (`recordStats`)**：开启后可以获取缓存命中率、加载时间、驱逐次数等关键指标，便于监控和调优。
*   **移除监听器 (`removalListener`)**：当数据因驱逐、过期或手动删除而被移除时，可以注册监听器接收通知。
*   **引用类型 (`weakKeys`/`softValues`)**：支持弱引用或软引用，当 JVM 内存不足时，GC 可以回收这些对象，有效防止内存泄漏。

# 使用

### **添加 Maven 依赖**
```xml
<dependency>
<groupId>com.github.ben-manes.caffeine</groupId>
<artifactId>caffeine</artifactId>
<version>3.2.0</version> 
</dependency>
```
### **创建并使用缓存**
```java
import com.github.benmanes.caffeine.cache.Cache;
import java.util.concurrent.TimeUnit;

public class CaffeineExample {
        public static void main(String[] args) {
            // 构建一个缓存
            Cache<String, String> cache = Caffeine.newBuilder()
                .maximumSize(100)
                .expireAfterWrite(5, TimeUnit.MINUTES)
                .recordStats()
                .build();

// 存入数据
            cache.put("key1", "value1");

// 获取数据
            String value = cache.getIfPresent("key1");
            System.out.println(value); // 输出: value1

// 获取或计算 (如果不存在则执行函数并放入缓存)
            String value2 = cache.get("key2", k -> "computed-" + k);
            System.out.println(value2); // 输出: computed-key2

// 查看统计信息
            System.out.println(cache.stats());
        }
}
```

原文出处：/show_1GW38uq6z6cW.html