Guava缓存器源码分析——缓存统计器

Guava缓存器统计器实现：

全局统计器——

        1、CacheBuilder的静态成员变量Supplier<StatsCounter> CACHE_STATS_COUNTER初始化时，重载的get方法，返回了一个SimpleStatsCounter实例。

        2、当缓存器开启缓存统计时（recordStats），其成员变量statsCounterSupplier被赋值为CACHE_STATS_COUNTER，若没开启则为初始值NULL_STATS_COUNTER。

 3、在LocalCache的构造函数中，缓存器的全局统计器globalStatsCounter将从CacheBuilder中获取：builder.getStatsCounterSupplier().get();

因此Guava缓存器的全局统计器实际上是SimpleStatsCounter类型。

       全局统计器只有在调用getAll, getAllPresent, getIfPresent, loadAll方法时才会更新。

段统计器——

缓存器的每个段都有自己的统计器statsCounter，在LocalCache的构造函数中，通过createSegment方法创建所有的段，同时通过 builder.getStatsCounterSupplier().get()完成对段统计器的初始化，因此段统计器也是SimpleStatsCounter类型。

当用户想查看缓存统计信息时，会调用stats方法，将全局统计器及每一个段统计器的信息综合起来：

       public CacheStats stats() {

              SimpleStatsCounter aggregator = new SimpleStatsCounter();

              aggregator.incrementBy(localCache.globalStatsCounter);

              for (Segment<K, V> segment : localCache.segments) {

                    aggregator.incrementBy(segment.statsCounter);

              }

              return aggregator.snapshot();

        }

        最终通过snapshot方法，返回包含所有统计信息的CacheStats对象：

        public CacheStats snapshot() {

              return new CacheStats(

              hitCount.sum(),

              missCount.sum(),

              loadSuccessCount.sum(),

              loadExceptionCount.sum(),

              totalLoadTime.sum(),

              evictionCount.sum());

        }

SimpleStatsCounter中所有的LongAddable类型成员变量，都是通过 LongAddables的create方法初始化，该静态方法实际调用的为 SUPPLIER.get()方法，返回一个 LongAddable实例。

        在LongAddables 中有一段静态代码段，完成了对其成员变量Supplier<LongAddable> SUPPLIER的初始化，并重载了Supplier的get方法，该get方法返回一个LongAdder对象，如果初始化出现异常，则重新初始化SUPPLIER，但是重载的get方法中，返回一个PureJavaLongAddable对象。

1、PureJavaLongAddable继承至AtomicLong，AtomicLong使用原子方法实现了对一个Long对象的增、减、更新等操作。 比如对于++运算符 AtomicLong 可以将它持有的 Long对象原子地递增。 PureJavaLongAddable中的方法都通过AtomicLong来实现，以保证所有操作都能原子地完成，比如add方法实际调用的即为AtomicLong.getAndAdd，该方法将当前值加上一个数，并返回原值：

       public final long getAndAdd(long delta) {

            while (true) {

                    long current = get();

                    long next = current + delta;

                    if (compareAndSet(current, next))

                            return current;

            }

        }

2、按Guava的说法，当多条线程在更新统计数据时，而不是细粒度同步控制的情况下，LongAdder比AtomicLong更好用。当更新争用的频率低时，两个类效果比较相似，当争用频率很高时，LongAdder的吞吐率将会大大提升，但会消耗更大的空间。

        下面分析下LongAdder的add方法——

        其中cells和base都为Striped64的成员变量，cells为数组类型，base作为一个保底值，当不发生争用时更新它。

        public void add(long x) {

                Cell[] as; long b, v; HashCode hc; Cell a; int n;

                //当cells不为空，或对base值更新失败时，进入分支；

                if ((as =  cells) != null || !casBase(b =  base, b + x)) {

                        boolean uncontended = true;

                        //获取hash值；

                        int h = (hc = threadHashCode.get()).code; 

                        //当cells为空，或其长度小于1，或从cells中随机取的cell为空，或对随机所取得cell更新失败时（发生争用），则进入分支，重新更新，若发生争用，此时uncontended为false，在重新更新时会使用到busy锁；

                        if (as == null || (n = as.length) < 1 ||(a = as[(n - 1) & h]) == null || !(uncontended = a.cas(v = a.value, v + x)))

                                retryUpdate(x, hc, uncontended);

                }

        }

因此，LongAdder主要是通过Cell[] cells，将同步操作，转嫁到随机取得的cells元素上，从而使得争用的概率大大降低，同时在发生争用时，retryUpdate方法中还可能会对cells数据进行扩容，以降低争用的发生：

        Cell[] rs = new Cell[n << 1];

        for (int i = 0; i < n; ++i)

                rs[i] = as[i];

         cells = rs;

虽然这确实会带来一定的空间消耗，但缓存器本身对性能要求很高，以空间换时间是可以接受的。