java中如何实现本地缓存？
在高性能服务架构设计中，缓存是不可或缺的环节。在实际项目中，我们通常会将一些热点数据存储在Redis或Memcached等缓存中间件中，只有在缓存访问未命中时才查询数据库。
在提高访问速度的同时，还可以减轻数据库的压力。
为什么要使用本地缓存？
随着不断的发展，这个架构也得到了完善。在某些场景下，仅仅使用Redis类的远程缓存可能还不够。需要进一步与本地缓存配合使用，比如Guava或者Caffeine，从而再次提高程序的响应速度和服务性能。
由此，形成了以本地缓存作为一级缓存、远程缓存作为二级缓存的二级缓存架构。
总结：
- 本地缓存基于本地环境的内存，访问速度非常快。对于一些变化频率不高、实时性要求不高的数据，可以放在本地缓存中，以提高访问速度。
- 使用本地缓存可以减少与Redis类的远程缓存的数据交互，减少网络I/O开销，减少这个过程中网络通信的耗时。
本地存储的基本功能
- 它可以存储、读取和写入。
- 原子操作（线程安全），例如ConcurrentHashMap。
- 可以设置缓存的最大限制。
- 超过最大限制有相应的淘汰策略，如LRU、LFU。
- 统计监控。
方案选择
1.使用ConcurrentHashMap。
缓存的本质是KV存储在内存中的数据结构，对应JDK中的线程安全ConcurrentHashMap，但是要实现缓存，需要考虑消除、最大限制、消除缓存过期时间等功能。
优点ConcurrentHashMap是实现简单，不需要引入第三方包，所以比较适合一些简单的业务场景。
缺点是如果需要更多的功能，需要定制开发，成本会比较高，稳定性和可靠性难以保证。
对于更复杂的场景，建议使用相对稳定的开源工具。
2. 使用Guava缓存
Guava是Google团队开源的一个Java核心增强库。它包括集合、并发原语、缓存、IO、反射和其他工具箱。性能和稳定性有保证，应用广泛。
- Guava Cache 支持许多功能：
- 支持最大容量限制。
- 支持两种过期删除策略。
- 支持简单的统计功能。 它是基于LRU算法实现的。
示例代码如下
<dependency><dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>31.1-jre</version>
</dependency>
@Slf4j
public class GuavaCacheTest {
public static void main(String[] args) throws ExecutionException {
Cache<String, String> cache = CacheBuilder.newBuilder()
.initialCapacity(5) // 初始容量
.maximumSize(10) // 缓存的最大数量，超过该数量将被淘汰
.expireAfterWrite(60, TimeUnit.SECONDS) // 过期时间
.build();
String orderId = String.valueOf(123456789);
String orderInfo = cache.get(orderId, () -> getInfo(orderId));
log.info("orderInfo = {}", orderInfo);
}
private static String getInfo(String orderId) {
String info = "";
// 首先查redis
log.info("get data from redis");
// redis不存在 查db
log.info("get data from mysql");
info = String.format("{orderId=%s}", orderId);
return info;
}
}
3. 使用Encache
Encache是一个纯Java进程内缓存框架，快速且精简。它是 Hibernate 中默认的 CacheProvider。 与Caffeine和Guava Cache相比，Encache功能更丰富，可扩展性更强。 支持LRU、LFU、FIFO等多种缓存淘汰算法。
缓存支持三种类型：堆内存储、堆外存储、磁盘存储（支持持久化）。
支持多种集群方案，解决数据共享问题。
使用方法如下:
<dependency><dependency>
<groupId>org.ehcache</groupId>
<artifactId>ehcache</artifactId>
<version>3.9.7</version>
</dependency>
@Slf4j
public class EhcacheTest {
private static final String ORDER_CACHE = "orderCache";
public static void main(String[] args) {
CacheManager cacheManager = CacheManagerBuilder.newCacheManagerBuilder()
// 创建实例
.withCache(ORDER_CACHE, CacheConfigurationBuilder
// 声明一个容量为20的堆内缓存
.newCacheConfigurationBuilder(String.class, String.class, ResourcePoolsBuilder.heap(20)))
.build(true);
// 得到缓存实例
Cache<String, String> cache = cacheManager.getCache(ORDER_CACHE, String.class, String.class);
String orderId = String.valueOf(123456789);
String orderInfo = cache.get(orderId);
if (StrUtil.isBlank(orderInfo)) {
orderInfo = getInfo(orderId);
cache.put(orderId, orderInfo);
}
log.info("orderInfo = {}", orderInfo);
}
private static String getInfo(String orderId) {
String info = "";
// 首先从redis查
log.info("get data from redis");
// 不存在 查db
log.info("get data from mysql");
info = String.format("{orderId=%s}", orderId);
return info;
}
}
本地缓存常见问题
1. 缓存一致性。
二级缓存和数据库中的数据必须一致。一旦数据被修改，本地缓存和远程缓存应在数据库修改的同时同步更新。
解决方案1：使用MQ。
目前的部署一般都是集群部署，不同节点有多个本地缓存。 可以利用MQ的广播模式，在数据修改时向MQ发送消息，由节点监听并消费该消息，删除本地缓存，达到最终一致性。
解决方案二：Canal+MQ。
如果你的业务代码中不想发送MQ消息，也可以应用近年来比较流行的方法：订阅数据库变更日志，然后操作缓存。 Canal订阅Mysql的Binlog日志，当发生变化时向MQ发送消息，从而也实现了数据的一致性。
2.如何提高缓存命中率？
- 根据业务场景设计合理的时效性。
缓存适用于读多写少的场景，尽可能关注访问频率高、时效性要求不高的热点业务。 访问频率越高，点击率越高。 时效性越低，缓存时间越长，相同key、相同请求数下命中率越高。
- 设计合理的缓存粒度。
缓存的粒度越小，缓存命中率越高。 单个key缓存的数据单元越小，被改变的可能性就越小。
- 设计合理的缓存过期策略。
这里的缓存过期策略并不是redis内置的定期删除和惰性删除策略，而是根据业务场景优化了key的过期时间。 例如，如果用户的关键信息同时过期，那么当多个用户同时查询时，都会落入数据库，也就是说避免缓存同时失效。
- 合理的缓存预加载。
redis缓存必须从数据库加载，所以当第一次使用数据时，redis需要从数据库加载数据。 我们可以在用户访问之前将需要的数据提前加载到缓存中，这样用户第一次访问时就可以直接去缓存而不用去查询数据库。
- 防止缓存崩溃和击穿。
缓存击穿和崩溃也会影响缓存命中率。当然，如果发生的话，应用失败的可能性很大。
- 设计合理的缓存容量。
注意缓存容量，如果太小，会触发redis内存淘汰机制。线上redis一般配置maxmemory-policy allkeys-lru算法进行内存消除。
这样就会删除一些key，造成缓存穿透，从而降低缓存命中率，所以需要合理配置缓存容量。
如果喜欢这篇文章，点赞支持一下，微信搜索：京城小人物，关注我第一时间查看更多内容！感谢支持！