几乎所有的服务器应用程序都会使用某种形式的缓存。中用之前的计算结果能降低延迟，提高吞吐量，但却会消耗更多的内存。
这博客记录一下如果开发一个高效可伸缩的缓存，将从简单的hashmap开始，然后一步步分析他的性能缺陷，并记录如何修复这些缺陷。
目标需求
在Computable
实现方式1
import java.math.BigInteger;
import java.util.HashMap;
import java.util.Map;
public class CacheTest1 {
}
class ExpensiveFunction implements Computable{
@Override
public BigInteger comput(String args) throws InterruptedException {
// 这里是一个计算很长的过程
return new BigInteger(args);
}
}
class Memoizer1 implements Computable{
private final Map cache=new HashMap();
private final Computable c;
public Memoizer1(Computable _c){
this.c=_c;
}
@Override
public synchronized V comput(A arg) throws InterruptedException {
V result=cache.get(arg);
if(result==null){
result=c.comput(arg);
}
return result;
}
}
在上面程序，Memoizer1给出了第一种尝试，使用HashMap保存之前的计算结果。compute方法检查需要的结果是否在缓存中，如果存在则把结果返回，否则重新计算然后把结果放到HashMap中。
上面的代码存在2个问题，1、因为HashMap不是线程安全的，因此需要synchronized进行方法同步，但是这样做的话同时只能有一个线程执行compute，如果某个线程执行计算的时间很长，那么将会出超时阻塞。2、会造成重复计算，由于计算时间过长，其他的线程并不知道这个计算正在进行，因此会继续重复计算。
实现方式2
import java.math.BigInteger;
import java.util.HashMap;
import java.util.Map;
import java.util.concurrent.ConcurrentHashMap;
public class CacheTest2 {
}
class ExpensiveFunction implements Computable{
@Override
public BigInteger comput(String args) throws InterruptedException {
// do something
return new BigInteger(args);
}
}
class Memoizer1 implements Computable{
private final Map cache=new ConcurrentHashMap();
private final Computable c;
public Memoizer1(Computable _c){
this.c=_c;
}
@Override
public V comput(A arg) throws InterruptedException {
V result=cache.get(arg);
if(result==null){
result=c.comput(arg);
}
return result;
}
}
在上面代码中，将hashmap替换成了concurrnethashmap，由于concurrenthashmap类本身是线程安全的因此在访问底层map就不需要增加synchronized，因此就避免了compute方法的串行性，提高了并发行为。
虽然上面代码解决了并发问题，但是依然存在一个问题就是会存在重复计算问题，这种方案依然不够完美，我们继续完善，继续向下看。
实现方式3
import java.math.BigInteger;
import java.util.Map;
import java.util.concurrent.Callable;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.Future;
import java.util.concurrent.FutureTask;
public class CacheTest3 {
}
class ExpensiveFunction implements Computable {
@Override
public BigInteger comput(String args) throws InterruptedException {
// do something
return new BigInteger(args);
}
}
class Memoizer1 implements Computable {
private final Map> cache = new ConcurrentHashMap>();
private final Computable c;
public Memoizer1(Computable _c) {
this.c = _c;
}
@Override
public V comput(A arg) throws InterruptedException {
Future f = cache.get(arg);
if (f == null) {
Callable eval = new Callable() {
@Override
public V call() throws Exception {
return c.comput(arg);
}
};
FutureTask ft = new FutureTask(eval);
f = ft;
cache.put(arg, ft);
ft.run();
}
V v=null;
try {
v=f.get();
} catch (ExecutionException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
return v;
}
}
上面代码使用了futuretask，futuretask表示一个计算的过程，这个过程可能已经计算完成，也可能正在进行。如果结果可用，那么futuretask.get将立刻返回结果，否则它会一直阻塞，知道有结果在返回。
在comput函数中，会先从cache中获得当前计算内容是否在计算，如果没有在计算，那么创建一个FutureTask放到map中，然后启动这个计算；如果有在计算则直接调用get等待返回结果。
上面的方案其实已经很完美了，它表现出了非常好的并发特性，但是还是存在一点小小的缺陷，在高并发状态下，仍然会存在重复计算问题。问题的根本原因就是在if的代码块中是非原子的“先检查在执行”操作，因此两个线程仍有可能在同一时间调用compute计算相同的值。
最终实现
import java.math.BigInteger;
import java.util.Map;
import java.util.concurrent.Callable;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.Future;
import java.util.concurrent.FutureTask;
public class CacheTest3 {
}
class ExpensiveFunction implements Computable {
@Override
public BigInteger comput(String args) throws InterruptedException {
// do something
return new BigInteger(args);
}
}
class Memoizer1 implements Computable {
private final Map> cache = new ConcurrentHashMap>();
private final Computable c;
public Memoizer1(Computable _c) {
this.c = _c;
}
@Override
public V comput(A arg) throws InterruptedException {
Future f = cache.get(arg);
if (f == null) {
Callable eval = new Callable() {
@Override
public V call() throws Exception {
return c.comput(arg);
}
};
FutureTask ft = new FutureTask(eval);
f=cache.putIfAbsent(arg, ft);
if(f==null){
f=ft;
ft.run();
}
}
V v=null;
try {
v=f.get();
} catch (ExecutionException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
return v;
}
}
实现方式3中存在的问题是复合操作实在底层的map对象上执行的，而这个对象无法通过加锁来保持原子性。在最终实现中使用了concurrnethashmap中的原子方法putifabsent，避免了重复计算问题。