在企业Web应用中,通过缓存技术能够提高请求的响应速度;减少系统IO开销;降低系统数据读写压力...
缓存的意义
首先我们要知道,在我们开发过程中,为什么要使用缓存,缓存能够为我们带来哪些好处!
优点
- 通过缓存承载系统压力,减少对系统或网络资源访问而引起的性能消耗,在流量较大时能够很好地减少系统拥塞。
- 缓存一般都是使用存取非常快的组件实现,通过缓存能够快速响应客户端请求,从而降低客户访问延迟,提审系统响应速度。
- 在配备负载均衡的应用架构中,通过缓存静态资源能够有效减少服务器负载压力。
- 当下游应用故障时,通过返回缓存数据能够在一定程度上增强应用容错性。
缺点
- 缓存数据与实际数据不一致问题问题。
- 高并发场景时存在缓存击穿、缓存穿透、缓存雪崩等问题。
总的来说,缓存主要是针对高频访问但低频更新的数据,从而加快服务器响应与原资源访问压力。
Guava Cache是一个相对比较简单并且容易理解的本地缓存框架,今天主要以此为开端来认识并学习如何使用缓存。
Guava Cache特色
本地缓存我们可以简单的理解为Map,将数据保存到Map(内存)中,下次使用该数据时,通过key直接从Map中取即可。但是使用Map会有一些几个问题需要考虑:
- 缓存的容量。不可能无限制的对数据进行缓存,当数据较大时占用系统资源会导致主业务受影响。
- 缓存的清理。有些缓存使用频率很低,如果一直占用资源也是一种浪费。
- 并发访问时的效率问题。缓存更新时瞬时对系统、网络资源的访问导致故障。
- 缓存使用情况评估
当然以上问题我们通过我们对Map包装下即可实现,当然Guava Cache也就是基于这种思想,底层原理则是基于Map实现,我们看下其有哪些特色:
- 缓存过期和淘汰机制
通过设置Key的过期时间,包括访问过期和创建过期;设置缓存容量大小,采用LRU的方式,选择最近最久的缓存进行删除。
- 并发处理能力
Cache主要基于CurrentHashMap实现线程安全;通过对key的计算,基于分段锁,提高缓存读写效率,降低锁的粒度,提升并发能力。
- 更新锁定
在缓存中查询某个key,如果不存在,则查源数据,并回填缓存。在高并发下会出现,多次查询元数据并重复回填缓存,可能会造成系统故障,最明显的DB服务器宕机,性能下降等。GuavaCache通过在CacheLoader调用load方法时,对同一个key同一时刻只会有一个请求去读源数据并回填缓存,后面的请求则直接继续从缓存读取,有效阻断并发请求对资源服务的影响。
- 集成数据源
一般我们在业务中操作缓存,都会操作缓存和数据源两部分GuavaCache的get可以集成数据源,在从缓存中读取不到时可以从数据源中读取数据并回填缓存。
- 监控统计
监控缓存加载次数、命中率、失误率以及数据加载时长等。
API介绍
- 缓存构建
ManualCache此时Cache相当于一个Map,对数据进行CRUD操作时,需要同步操作缓存Map; 高并发情况时,可以使用get(k,loader)读缓存,通过Cache锁机制,防止对系统资源(DB)的并发访问 通过put方法实现缓存的存入与更新;
- LoadingCache
此时构建的是一个实现了Cache接口的LoadingCache,相比ManualCache,提供了缓存回填机制,即当缓存不存在时,会基于CacheLoader查询数据并将结果回填到缓存, 在高并发时,可以有效地基于缓存锁减少对系统资源的调用。此时仅需要关注缓存的使用,缓存的更新与存入都是基于CacheLoader实现;
- 缓存获取
get(k)
根据key查询,没有则触发load;如果load为空则抛出异常。
getUnchecked(k)
缓存不存在或返回为null会抛出检查异常。
get(k,loader)
根据key查询,没有则调用loader方法,且对结果缓存;如果loader返回null则抛出异常,此时不会调用默认的load方法。
getIfPresent(k)
有缓存则返回,否则返回null,不会触发load。
- 缓存更新
put(k,v)
如果缓存已经存在,则会先进行一次删除。
- 缓存删除
invalidate(k)
根据key使缓存失效。
过期
通过配置的过期参数,比如expireAfterAccess、expireAfterWrite、refreshAfterWrite。
过载
当缓存数据量超过设置的最大值时,根据LRU算法进行删除。
引用
构建缓存时将键值设置为弱引用、软引用,基于GC机制来清理缓存。
- 统计
hitRate()
缓存命中率;
hitMiss()
缓存失误率;
loadCount() 加载次数;
averageLoadPenalty()
加载新值的平均时间,单位为纳秒;
evictionCount() 缓存项被回收的总数,不包括显式清除。
Builder配置
配置 | 描述 |
expireAfterAccess | 多久没有读写则过期 |
expireAfterWrite | 写入后多久没更新自动过期,先删除,后load |
refreshAfterWrite | 上一次更新后多久自动刷新,先reload后删除,并发时会取到老的数据 |
removalListener | 设置缓存删除监听 |
initialCapacity | 缓存初始化大小 |
concurrencyLevel | 最大的并发数,可以理解为并发线程数量 |
maximumSize | 最大缓存数量,超过时会根据策略清除 |
maximumWeight | 最大权重容量数,仅用于确定缓存是否超过容量 |
recordStats | 缓存命中统计 |
简单示例
- ManualCache模式
下面以用户服务为例,我们看下如何在增删改查方法中使用缓存:
private Cache<String, User> cache = CacheBuilder.newBuilder()
.expireAfterWrite(3, TimeUnit.SECONDS)//写入多久没更新自动过期,先删除,后load
.removalListener(new RemovalListener<Object, Object>() {
@Override
public void onRemoval(RemovalNotification<Object, Object> notification) {
LOGGER.info("{} remove {}",LocalDateTime.now().format(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss")),notification.getKey());
}
})
.initialCapacity(20) //初始化容量
.concurrencyLevel(10) // 并发
.maximumSize(100) //最多缓存数量
.recordStats() // 开启统计
.build();
@Override
public User getUser(String id){
// 缓存不存在时,通过LocalCache锁机制,防止对数据库的高频访问
User user;
try {
user = cache.get(id,()-> {
LOGGER.info("缓存不存在,从loader加载数据");
return userDao.get(id);
});
} catch (ExecutionException e) {
throw new RuntimeException(e);
}
return user;
}
@Override
public User saveOrUpdateUser(User user){
userDao.saveOrUpdate(user);
cache.put(user.getId(),user);
return user;
}
@Override
public void removeUser(String id){
userDao.remove(id);
cache.invalidate(id);
}
- LoadingCache模式
private LoadingCache<String, User> cache = CacheBuilder.newBuilder()
// 省略
.build(new CacheLoader<String, User>() {
@Override
public User load(String key) throws Exception {
LOGGER.info("{} load {}",LocalDateTime.now().format(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss")),key);
return userDao.get(key);
}
@Override
public ListenableFuture<User> reload(String key, User oldUser) throws Exception {
LOGGER.info("{} reload {}", LocalDateTime.now().format(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss")),key);
ListenableFutureTask<User> listenableFutureTask = ListenableFutureTask.create(() -> userDao.get(key));
CompletableFuture.runAsync(listenableFutureTask);
return listenableFutureTask;
}
});
@SneakyThrows
@Override
public User getUser(String id){
// 缓存不存在或返回为null会抛出异常
try {
return cache.getUnchecked(id);
} catch (Exception e) {
return null;
}
}
@Override
public User saveOrUpdateUser(User user){
cache.invalidate(user.getId());
return userDao.saveOrUpdate(user);
}
@Override
public void removeUser(String id){
cache.invalidate(id);
userDao.remove(id);
}
总结:第一种写法更像是前面说到的Map,在对数据进行CRUD操作时,需要用户手动对缓存进行同步的更新或删除操作,所以叫ManualCache(手动),当然Guava Cache对Map的加强依然有效,比如过期清除,缓存容量限制。第二种方式写法差不多,主要是引入了CacheLoader接口,在读数据时缓存数据不存在时,通过CacheLoader的load方法先写缓存后返回数据。
注意
- expireAfterWrite、refreshAfterWrite的区别。
在refreshAfterWrite导致缓存失效时,并不会因为更新缓存而阻塞缓存数据的返回,只不过是返回老的数据。
- 不能缓存null
有时候为了将值为null的数据统一缓存,这样就不会因为没有缓存数据而访问数据库造成压力。
- 读写时才进行删除
Guava Cache的缓存数据删除是在更新或写入时才会触发,没有单独的调度服务完成这一工作。
- 本地缓存
类似的本地缓存还有,有兴趣的可以自己尝试,其实实现思想应该也差不多。