前言
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？
本节，让我们来一起学习一下如何实现类似 guava-cache 中的 removeListener 删除监听器，和类似 redis 中的慢日志监控的 slowListener。
删除监听器
说明
我们在两种场景下删除数据是对用户透明的：
（1）size 满了之后，进行数据淘汰。
（2）expire 过期时，清除数据。
这两个特性对用户本来应该是无感的，不过用户如果关心的话，也可以通过添加删除监听器来获取到相关的变更信息。
实现思路
为了实现删除的监听，我们需要找到删除的位置，然后调用监听器即可。
evict 驱除的场景
每次 put 数据时，都会校验 size 是否达到最大的限制，如果达到，则进行 evict 淘汰。
expire 过期的场景
用户指定 expire 时间之后，回后台异步执行刷新。
也存在惰性删除的场景。
接口定义
为了统一，我们将所有的删除都定义统一的接口：
/**
* 删除监听器接口
*
* @author binbin.hou
* @since 0.0.6
* @param key
* @param value
*/
public interface ICacheRemoveListener {
/**
* 监听
* @param context 上下文
* @since 0.0.6
*/
void listen(final ICacheRemoveListenerContext context);
} 内置实现
系统内置的实现如下：
public class CacheRemoveListener implements ICacheRemoveListener {
private static final Log log = LogFactory.getLog(CacheRemoveListener.class);
@Override
public void listen(ICacheRemoveListenerContext context) {
log.debug("Remove key: {}, value: {}, type: {}",
context.key(), context.value(), context.type());
}
} 这个监听器是默认开启的，暂时无法关闭。
自定义
用户可以自己的需要，进行自定义实现：
public class MyRemoveListener implements ICacheRemoveListener {
@Override
public void listen(ICacheRemoveListenerContext context) {
System.out.println("【删除提示】可恶，我竟然被删除了！" + context.key());
}
} 测试
ICache cache = CacheBs.newInstance()
.size(1)
.addRemoveListener(new MyRemoveListener())
.build();
cache.put("1", "1");
cache.put("2", "2"); 我们指定 cache 的大小为1，设置我们自定义的删除监听器。
这里的删除监听器可以添加多个。
日志
测试日志如下：
[DEBUG] [2020-09-30 19:32:54.617] [main] [c.g.h.c.c.s.l.r.CacheRemoveListener.listen] - Remove key: 2, value: 2, type: evict
【删除提示】可恶，我竟然被删除了！2慢操作监听器
说明
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。
实现思路
我们处理所有的 cache 操作，并且记录对应的操作耗时。
如果耗时操作用户设置的时间阈值，则调用慢操作监听器。
接口定义
为了保证接口的灵活性，每一个实现都可以定义自己的慢操作阈值，这样便于分级处理。
比如超过 100ms，用户可以选择输出 warn 日志；超过 1s，可能影响到业务了，可以直接接入报警系统。
public interface ICacheSlowListener {
/**
* 监听
* @param context 上下文
* @since 0.0.6
*/
void listen(final ICacheSlowListenerContext context);
/**
* 慢日志的阈值
* @return 慢日志的阈值
* @since 0.0.9
*/
long slowerThanMills();
}自定义监听器
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;
}
}使用
ICache cache = CacheBs.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。
小结
监听器实现起来比较简单，但是对于使用者的作用是比较大的。
文中主要讲述了思路，实现部分因为篇幅限制，没有全部贴出来。
开源地址： https://github.com/houbb/cache
觉得本文对你有帮助的话，欢迎点赞评论收藏关注一波~
你的鼓励，是我最大的动力~