Redis+Caffeine 太强了！ - 文章 - 开发者社区

picture.image

来源：blog.csdn.net/One_hundred_nice/article/details/123950638

背景
为什么要使用本地缓存
设计一个本地内存需要有什么功能
本地缓存方案选型

1.使用ConcurrentHashMap实现本地缓存
2.基于Guava Cache实现本地缓存
3.Caffeine
4.Encache

本地缓存问题及解决

1.缓存一致性
2.如何提高本地缓存命中率
3.本地内存的技术选型问题

背景

在高性能的服务架构设计中，缓存是一个不可或缺的环节。在实际的项目中，我们通常会将一些热点数据存储到Redis或Memcached 这类缓存中间件中，只有当缓存的访问没有命中时再查询数据库。在提升访问速度的同时，也能降低数据库的压力。

随着不断的发展，这一架构也产生了改进，在一些场景下可能单纯使用Redis类的远程缓存已经不够了，还需要进一步配合本地缓存使用，例如Guava cache或Caffeine，从而再次提升程序的响应速度与服务性能。于是，就产生了使用本地缓存作为一级缓存，再加上远程缓存作为二级缓存的两级缓存架构。

在先不考虑并发等复杂问题的情况下，两级缓存的访问流程可以用下面这张图来表示：

picture.image

图片

为什么要使用本地缓存

本地缓存基于本地环境的内存，访问速度非常快，对于一些变更频率低、实时性要求低的数据，可以放在本地缓存中，提升访问速度
使用本地缓存能够减少和Redis类的远程缓存间的数据交互，减少网络I/O开销，降低这一过程中在网络通信上的耗时

设计一个本地内存需要有什么功能

存储，并可以读、写；
原子操作(线程安全)，如ConcurrentHashMap
可以设置缓存的最大限制；
超过最大限制有对应淘汰策略，如LRU、LFU
过期时间淘汰，如定时、懒式、定期；
持久化
统计监控

本地缓存方案选型

1. 使用ConcurrentHashMap实现本地缓存

缓存的本质就是存储在内存中的KV数据结构，对应的就是jdk中线程安全的ConcurrentHashMap，但是要实现缓存，还需要考虑淘汰、最大限制、缓存过期时间淘汰等等功能；

优点是实现简单，不需要引入第三方包，比较适合一些简单的业务场景。缺点是如果需要更多的特性，需要定制化开发，成本会比较高，并且稳定性和可靠性也难以保障。对于比较复杂的场景，建议使用比较稳定的开源工具。

2. 基于Guava Cache实现本地缓存

Guava是Google团队开源的一款 Java 核心增强库，包含集合、并发原语、缓存、IO、反射等工具箱，性能和稳定性上都有保障，应用十分广泛。Guava Cache支持很多特性：

支持最大容量限制
支持两种过期删除策略（插入时间和访问时间）
支持简单的统计功能
基于LRU算法实现

使用代码如下：

  
<dependency>  
   <groupId>com.google.guava</groupId>  
   <artifactId>guava</artifactId>  
   <version>31.1-jre</version>  
</dependency>  
@Slf4j  
public class GuavaCacheTest {  
    public static void main(String[] args) throws ExecutionException {  
        Cache<String, String> cache = CacheBuilder.newBuilder()  
                .initialCapacity(5)  // 初始容量  
                .maximumSize(10)     // 最大缓存数，超出淘汰  
                .expireAfterWrite(60, TimeUnit.SECONDS) // 过期时间  
                .build();  
  
        String orderId = String.valueOf(123456789);  
        // 获取orderInfo，如果key不存在，callable中调用getInfo方法返回数据  
        String orderInfo = cache.get(orderId, () -> getInfo(orderId));  
        log.info("orderInfo = {}", orderInfo);  
  
    }  
  
    private static String getInfo(String orderId) {  
        String info = "";  
        // 先查询redis缓存  
        log.info("get data from redis");  
  
        // 当redis缓存不存在查db  
        log.info("get data from mysql");  
        info = String.format("{orderId=%s}", orderId);  
        return info;  
    }  
}

3. Caffeine

Caffeine是基于java8实现的新一代缓存工具，缓存性能接近理论最优。可以看作是Guava Cache的增强版，功能上两者类似，不同的是Caffeine采用了一种结合LRU、LFU优点的算法：W-TinyLFU，在性能上有明显的优越性

使用代码如下：

  
<dependency>  
    <groupId>com.github.ben-manes.caffeine</groupId>  
    <artifactId>caffeine</artifactId>  
    <version>2.9.3</version>  
</dependency>  
@Slf4j  
public class CaffeineTest {  
    public static void main(String[] args) {  
        Cache<String, String> cache = Caffeine.newBuilder()  
                .initialCapacity(5)  
                // 超出时淘汰  
                .maximumSize(10)  
                //设置写缓存后n秒钟过期  
                .expireAfterWrite(60, TimeUnit.SECONDS)  
                //设置读写缓存后n秒钟过期,实际很少用到,类似于expireAfterWrite  
                //.expireAfterAccess(17, TimeUnit.SECONDS)  
                .build();  
  
        String orderId = String.valueOf(123456789);  
        String orderInfo = cache.get(orderId, key -> getInfo(key));  
        System.out.println(orderInfo);  
    }  
  
    private static String getInfo(String orderId) {  
        String info = "";  
        // 先查询redis缓存  
        log.info("get data from redis");  
  
        // 当redis缓存不存在查db  
        log.info("get data from mysql");  
        info = String.format("{orderId=%s}", orderId);  
        return info;  
    }  
}

4. Encache

Encache是一个纯Java的进程内缓存框架，具有快速、精干等特点，是Hibernate中默认的CacheProvider。同Caffeine和Guava Cache相比，Encache的功能更加丰富，扩展性更强：

支持多种缓存淘汰算法，包括LRU、LFU和FIFO
缓存支持堆内存储、堆外存储、磁盘存储（支持持久化）三种
支持多种集群方案，解决数据共享问题

使用代码如下：

  
<dependency>  
   <groupId>org.ehcache</groupId>  
   <artifactId>ehcache</artifactId>  
   <version>3.9.7</version>  
</dependency>  
@Slf4j  
public class EhcacheTest {  
    private static final String ORDER\_CACHE = "orderCache";  
    public static void main(String[] args) {  
        CacheManager cacheManager = CacheManagerBuilder.newCacheManagerBuilder()  
                // 创建cache实例  
                .withCache(ORDER\_CACHE, CacheConfigurationBuilder  
                        // 声明一个容量为20的堆内缓存  
                        .newCacheConfigurationBuilder(String.class, String.class, ResourcePoolsBuilder.heap(20)))  
                .build(true);  
        // 获取cache实例  
        Cache<String, String> cache = cacheManager.getCache(ORDER\_CACHE, String.class, String.class);  
  
        String orderId = String.valueOf(123456789);  
        String orderInfo = cache.get(orderId);  
        if (StrUtil.isBlank(orderInfo)) {  
            orderInfo = getInfo(orderId);  
            cache.put(orderId, orderInfo);  
        }  
        log.info("orderInfo = {}", orderInfo);  
    }  
  
    private static String getInfo(String orderId) {  
        String info = "";  
        // 先查询redis缓存  
        log.info("get data from redis");  
  
        // 当redis缓存不存在查db  
        log.info("get data from mysql");  
        info = String.format("{orderId=%s}", orderId);  
        return info;  
    }  
}

本地缓存问题及解决

1. 缓存一致性

两级缓存与数据库的数据要保持一致，一旦数据发生了修改，在修改数据库的同时，本地缓存、远程缓存应该同步更新。

解决方案1: MQ

一般现在部署都是集群部署，有多个不同节点的本地缓存; 可以使用MQ的广播模式，当数据修改时向MQ发送消息，节点监听并消费消息，删除本地缓存，达到最终一致性；

picture.image

图片

解决方案2：Canal + MQ

如果你不想在你的业务代码发送MQ消息，还可以适用近几年比较流行的方法：订阅数据库变更日志，再操作缓存。Canal 订阅Mysql的 Binlog日志，当发生变化时向MQ发送消息，进而也实现数据一致性。

picture.image

图片

2. 如何提高本地缓存命中率

参考：如何提高缓存命中率

3. 本地内存的技术选型问题

从易用性角度，Guava Cache、Caffeine和Encache都有十分成熟的接入方案，使用简单。
从功能性角度，Guava Cache和Caffeine功能类似，都是只支持堆内缓存，Encache相比功能更为丰富
从性能上进行比较，Caffeine最优、GuavaCache次之，Encache最差(下图是三者的性能对比结果）

picture.image

图片

对于本地缓存的方案中，我比较推荐Caffeine，性能上遥遥领先。

虽然Encache功能更为丰富，甚至提供了持久化和集群的功能，但是这些功能完全可以依靠其他方式实现。

真实的业务工程中，建议使用Caffeine作为本地缓存，另外使用redis或者memcache作为分布式缓存，构造多级缓存体系，保证性能和可靠性。

最后欢迎加入苏三的星球，你将获得：智能天气播报AI Agent、SaaS点餐系统（DDD+多租户）、100万QPS短链系统（超过并发）、复杂的商城微服务系统（分布式）、苏三商城系统、苏三AI项目、刷题吧小程序、秒杀系统、码猿简历网站、代码生成工具等10个项目的源代码、开发教程和技术答疑。系统设计、性能优化、技术选型、底层原理、Spring源码解读、工作经验分享、痛点问题、面试八股文等多个优质专栏。

还有1V1免费修改简历、技术答疑、职业规划、送书活动、技术交流。

扫描下方二维码，可以加入星球：

picture.image

数量有限，先到先得。目前星球已经更新了6100+篇优质内容，还在持续爆肝中.....

星球已经被官方推荐了3次，收到了小伙伴们的一致好评。戳我加入学习，已有2100+小伙伴加入学习