互联网应用架构:专注编程教学,架构,JAVA,Python,微服务,机器学习等领域,欢迎关注,一起学习。
前言
现在可以说缓存是Redis横行的时代,无论什么项目一提到缓存就上Redis,好比无论啥项目一来就是微服务架构。其实这些想法都无可否非,但是关键是如何因地制宜去处理现有的项目问题,主要是看应用的多大。
缓存如何选
技术方面:在面对一些分布式系统的时候,我们这时候由于需要作缓存,这时可以采用redis来作为缓存的中间存储地,如果面对一些简单的项目应用,我们可以考虑Spring官方推荐的Caffeine(咖啡因)来实现。
项目方面:很多时候项目的开发进度都是非常赶的,如何在有限的时间做出当前最优化的选择,这是我们需要考虑的问题。
资源方面:很多公司在人力资源,技术资源,服务器资源等的沉淀并没有,进行架构设计的时候需要考虑这些因素进去,举个例子,只有2台服务器,4~5个开发人员,项目比较紧,此时就要考虑人员的学习成本,服务器的资源成本,毕竟网络消耗也是需要我们考虑进去的。
官方推荐Caffeine
在Caffeine出现之前,本地缓存经常使用Google Guava来实现,它提供了一个非常简便易用的本地缓存来实现,这个实现是基于LRU算法,同时支持多种缓存过期的策略。Caffeine是在Java8里面,有人采用Java8对缓存进行重写的版本,可以理解为一个升级版,同样基于LRU算法并且支持多种缓存过期策略,在SpringBoot2.0的时代,官方把它作为默认的缓存工具。
在更早之前还有用EhCache,这个也是非常优秀的进程内缓存框架,是Hibernate默认的集成工具。
Caffeine驱逐策略
这里着重讲一下驱逐策略,笔者认为这一块会比较重要,主要涉及到缓存的命中问题,这才是缓存的根本所在。缓存中的驱逐策略主要是预测了哪些数据可以在短期之内被再次用到,因而增加了缓存的命中率,LRU(最少最近使用)算法是现在最流行的驱逐策略,但是这个算法有一定的确定,因为默认会认为最后到达的数据最有可能被访问,因此会授予它最高级别的优先,这对其他数据是不公平的,这个特点看起来有点像分类里面经常遇到的不平衡分类问题。
针对这种情况,Caffeine也进行了改进,提供了三种驱逐策略
1、大小策略
Caffeine针对大小策略提供了两种方式,一种是基于缓存大小,另外一种是基于权重。
注意:maximumSize与maximumWeight这两个不能同时使用
// 基于缓存大小Caffeine.maximumSize(long)
// 基于权重Caffeine.maximumWeight(long)
2、时间策略
时间策略主要有三个方法,
// 自缓存条目最后一次读取或写入时开始,如果超过了该方法设定的时长,标记条目过期Caffeine.expireAfterAccess()// 自缓存条目创建或最后一次写入的时间点开始,如果超过了该方法设定的时长,标记条目过期Caffeine.expireAfterWrite()// 在可变持续时间过去之后标记条目过期Caffeine.expireAfter(Expiry)
3、引用策略
在开始介绍引用策略之前,先来了解一下各个引用之间的区别,从表格我们
针对不同的引用,我们设置不同的策略进行驱逐。
自动化缓存
现在很多时候,项目总是与MyBatis进行整合对数据库进行操作,那我们现在针对Caffeine进行整合,让每次查询的时候都可以走缓存
引入需要的项目包
配置Caffeine
继承mybatis的cache并采用Caffeine进行实现
如何使用
缓存拓展
在使用Caffeine的时候虽然很简便,但是也存在一个问题就是分布式问题,那我们这里可以进行拓展,采用redis做二级缓存,同样的直接实现mybatis的cache类即可,与本地缓存类似,这里就不一一拓展开来,有兴趣的同学可以自行实验。
--END--
作者:@互联网应用架构
原创作品,抄袭必究
如需要源码或转发,关注后私信我
部分图片或代码来源网络,如侵权请联系删除,谢谢!