cache
项目简介
Cache 用于实现一个可拓展的本地缓存。
有人的地方,就有江湖。
有高性能的地方,就有 cache。
创作目的
- 为日常开发提供一套简单易用的缓存框架
- 便于后期多级缓存开发
- 学以致用,开发一个类似于 redis 的渐进式缓存框架
特性
- MVP 开发策略
- fluent 流式编程体验,纵享丝滑
- 支持 cache 固定大小
- 支持自定义 map 实现策略
- 支持 expire 过期特性
- 支持自定义 evict 驱除策略
内置 FIFO 和 LRU 驱除策略
- 支持自定义删除监听器
- 日志整合框架,自适应常见日志
- 支持 load 初始化和 persist 持久化
RDB 和 AOF 两种模式
变更日志
变更日志
快速开始
准备
JDK1.7 及其以上版本
Maven 3.X 及其以上版本
maven 项目依赖
<dependency> <groupId>com.github.houbb</groupId> <artifactId>cache-core</artifactId> <version>0.0.15</version> </dependency>
入门测试
ICache<String, String> cache = CacheBs.<String,String>newInstance() .size(2) .build(); cache.put("1", "1"); cache.put("2", "2"); cache.put("3", "3"); cache.put("4", "4"); Assert.assertEquals(2, cache.size());
默认为先进先出的策略,此时输出 keys,内容如下:
[3, 4]
引导类配置属性
CacheBs
作为缓存的引导类,支持 fluent 写法,编程更加优雅便捷。
上述配置等价于:
ICache<String, String> cache = CacheBs.<String,String>newInstance() .map(Maps.<String,String>hashMap()) .evict(CacheEvicts.<String, String>fifo()) .size(2) .build();
淘汰策略
目前内置了几种淘汰策略,可以直接通过 CacheEvicts
工具类创建。
策略
说明
none
没有任何淘汰策略
fifo
先进先出(默认策略)
lru
最基本的朴素 LRU 策略,性能一般
lruDoubleListMap
基于双向链表+MAP 实现的朴素 LRU,性能优于 lru
lruLinkedHashMap
基于 LinkedHashMap 实现的朴素 LRU,与 lruDoubleListMap 差不多
lru2Q
基于 LRU 2Q 的改进版 LRU 实现,命中率优于朴素LRU
lru2
基于 LRU-2 的改进版 LRU 实现,命中率优于 lru2Q
过期支持
ICache<String, String> cache = CacheBs.<String,String>newInstance() .size(3) .build(); cache.put("1", "1"); cache.put("2", "2"); cache.expire("1", 10); Assert.assertEquals(2, cache.size()); TimeUnit.MILLISECONDS.sleep(50); Assert.assertEquals(1, cache.size()); System.out.println(cache.keySet());
cache.expire("1", 10);
指定对应的 key 在 10ms 后过期。
删除监听器
说明
淘汰和过期,这些都是缓存的内部行为。
如果用户也关心的话,可以自定义删除监听器。
自定义监听器
直接实现 ICacheRemoveListener
接口即可。
public class MyRemoveListener<K,V> implements ICacheRemoveListener<K,V> { @Override public void listen(ICacheRemoveListenerContext<K, V> context) { System.out.println("【删除提示】可恶,我竟然被删除了!" + context.key()); } }
使用
ICache<String, String> cache = CacheBs.<String,String>newInstance() .size(1) .addRemoveListener(new MyRemoveListener<String, String>()) .build(); cache.put("1", "1"); cache.put("2", "2");
- 测试日志
【删除提示】可恶,我竟然被删除了!2
添加慢操作监听器
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。
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<String, String> cache = CacheBs.<String,String>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。
添加 load 加载器
说明
有时候我们需要在 cache 初始化的时候,添加对应的数据初始化。
后期可以从文件等地方加载数据。
实现
实现 ICacheLoad
接口即可。
public class MyCacheLoad implements ICacheLoad<String,String> { @Override public void load(ICache<String, String> cache) { cache.put("1", "1"); cache.put("2", "2"); } }
我们在缓存初始化的时候,放入 2 个元素。
测试效果
ICache<String, String> cache = CacheBs.<String,String>newInstance() .load(new MyCacheLoad()) .build(); Assert.assertEquals(2, cache.size());
添加 persist 持久化类
说明
如果我们只是把文件放在内存中,应用重启信息就丢失了。
有时候我们希望这些 key/value 信息可以持久化,存储到文件或者 database 中。
持久化
CachePersists.<String, String>dbJson("1.rdb")
指定将数据文件持久化到文件中。
定期执行,暂时全量持久化的间隔为 10min,后期考虑支持更多配置。
public void persistTest() throws InterruptedException { ICache<String, String> cache = CacheBs.<String,String>newInstance() .load(new MyCacheLoad()) .persist(CachePersists.<String, String>dbJson("1.rdb")) .build(); Assert.assertEquals(2, cache.size()); TimeUnit.SECONDS.sleep(5); }
- 1.rdb
文件内容如下:
{"key":"2","value":"2"}
{"key":"1","value":"1"}
加载器
存储之后,可以使用对应的加载器读取文件内容:
ICache<String, String> cache = CacheBs.<String,String>newInstance() .load(CacheLoads.<String, String>dbJson("1.rdb")) .build(); Assert.assertEquals(2, cache.size());
后期 Road-MAP
淘汰策略
- CLOCK 算法
- SC 二次机会
- 老化算法
- 弱引用
过期特性
- 过期策略添加随机返回
- expireAfterWrite()
- expireAfterAccess()
持久化
- AOF 混合 RDB
统计
- 命中率
- keys 数量
- evict 数量
- expire 数量
- 耗时统计
并发
- 并发安全保障
其他
- 异步 callable 操作
- spring 整合
提供 @Cacheable
系列注解
- 文件压缩
- 独立服务端
提供类似于 redis-server + redis-client 的拆分,便于独立于应用作为服务存在。
拓展阅读
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?
java从零手写实现redis(四)添加监听器
java从零手写实现redis(五)过期策略的另一种实现思路
java从零手写实现redis(六)AOF 持久化原理详解及实现
java从零开始手写redis(七)LRU…