caffeine详情

redis和caffeine的区别？

相同点就不用说，广义上都是缓存的方式。咱们就说说不同。

• redis是将数据存储到内存里；caffeine是将数据存储在本地应用里
• caffeine和redis相比，没有了网络IO上的消耗

那么在高并发场景中，一般我们都是结合使用，形成一二级缓存。caffeine作为一级缓存，redis作为二级缓存。
使用流程大致如下：去一级缓存中查找数据（caffeine-本地应用内）如果没有的话，去二级缓存中查找数据（redis-内存）再没有，再去数据库中查找数据（数据库-磁盘）。

caffeine的使用

Caffeine 相当于一个缓存工厂，可以创建出多个缓存实例 Cache。这些缓存实例都继承了 Caffeine 的参数配置，Caffeine 是如何配置的，这些缓存实例就具有什么样的特性和功能。
Caffeine 是目前性能最好的本地缓存，因此，在考虑使用本地缓存时，直接选择 Caffeine 即可。

Caffeine.newBuilder().maximumSize(6000).expireAfterAccess(10, TimeUnit.MINUTES)
				.expireAfterWrite(10, TimeUnit.MINUTES).removalListener(new RemovalListener<String, CacheUserInfo>() {

					@Override
					public void onRemoval(@Nullable String key, @Nullable CacheUserInfo value,
							@NonNull RemovalCause cause) {
						if (value != null) {
							log.info("user profile has removed. uid {}, name {}", key, value.getName());
						}
					}
				}).recordStats().build(new CacheLoader<String, CacheUserInfo>() {

					@Override
					public @Nullable CacheUserInfo load(@NonNull String telephone) throws Exception {

						try {
							return CacheUserInfo.getLoggedUserProfile(telephone, false);
						} catch (Exception e) {
							log.error("load user profile error", e);
							return null;
						}
					}

				});

	}

caffeine缓存属性

initialCapacity 缓存初始容量

整数，表示能存储多少个缓存对象。
为什么要设置初始容量呢？因为如果提前能预估缓存的使用大小，那么可以设置缓存的初始容量，以免缓存不断地进行扩容，致使效率不高。

maximumSize 最大容量

如果缓存中的数据量超过这个数值，Caffeine 会有一个异步线程来专门负责清除缓存，按照指定的清除策略来清除掉多余的缓存。注意：比如最大容量是 2，此时已经存入了2个数据了，此时存入第3个数据，触发异步线程清除缓存，在清除操作没有完成之前，缓存中仍然有3个数据，且 3 个数据均可读，缓存的大小也是 3，只有当缓存操作完成了，缓存中才只剩 2 个数据，至于清除掉了哪个数据，这就要看清除策略了。

maximumWeight 最大权重

存入缓存的每个元素都要有一个权重值，当缓存中所有元素的权重值超过最大权重时，就会触发异步清除。下面给个例子。

class Student{
        Integer score;
        String name;
}

	Caffeine<String, Student> caffeine = Caffeine.newBuilder()
            .maximumWeight(100)
            .weigher((String key, Person value)-> value.getScore());
    Cache<String, Student> cache = caffeine.build();
    cache.put("one", new Student(40, "one"));
    cache.put("two", new Student(60, "two"));
    cache.put("three", new Student(50, "three"));
    Thread.sleep(10);
    System.out.println(cache.estimatedSize());
    System.out.println(cache.getIfPresent("two"));
    

运行结果：

2
null

要使用权重来衡量的话，就要规定权重是什么，每个元素的权重怎么计算，weigher 方法就是设置权重规则的，它的参数是一个函数，函数的参数是 key 和 value，函数的返回值就是元素的权重，比如上述代码中，caffeine 设置了最大权重值为 100，然后将每个 Student对象的 socre成绩作为权重值，所以整个意思就是：缓存中存储的是 Student对象，但是限制所有对象的 score总和不能超过 100，否则就触发异步清除缓存。

特别要注意一点：最大容量 和 最大权重 只能二选一作为缓存空间的限制。

CacheStats 默认的缓存状态收集器

默认情况下，缓存的状态会用一个 CacheStats 对象记录下来，通过访问 CacheStats 对象就可以知道当前缓存的各种状态指标，那究竟有哪些指标呢？
先说一下什么是“加载”，当查询缓存时，缓存未命中，那就需要去第三方数据库中查询，然后将查询出的数据先存入缓存，再返回给查询者，这个过程就是加载。

caffeine 过期策略

在Caffeine中分为两种缓存，一个是有界缓存，一个是无界缓存，无界缓存不需要过期并且没有界限。在有界缓存中提供了三个过期API：

1. expireAfterWrite：代表着写了之后多久过期。（上面列子就是这种方式）
2. expireAfterAccess：代表着最后一次访问了之后多久过期。
3. expireAfter：在expireAfter中需要自己实现Expiry接口，这个接口支持create,update,以及access了之后多久过期。注意这个API和前面两个API是互斥的。这里和前面两个API不同的是，需要你告诉缓存框架，他应该在具体的某个时间过期，也就是通过前面的重写create,update,以及access的方法，获取具体的过期时间。

caffeine 更新策略

何为更新策略？就是在设定多长时间后会自动刷新缓存。

Caffeine提供了refreshAfterWrite()方法来让我们进行写后多久更新策略：

    LoadingCache<String, String> build = CacheBuilder.newBuilder().
   			 refreshAfterWrite(1, TimeUnit.DAYS).build(new CacheLoader<String, String>() {
        @OverridepublicString
        load(String key) {
            return "";
        }
    });
}

caffeine 打点监控

在Caffeine中提供了一些的打点监控策略，通过recordStats()Api进行开启，默认是使用Caffeine自带的，也可以自己进行实现。在StatsCounter接口中，定义了需要打点的方法目前来说有如下几个:

1. recordHits：记录缓存命中
2. recordMisses：记录缓存未命中
3. recordLoadSuccess：记录加载成功(指的是CacheLoader加载成功)
4. recordLoadFailure：记录加载失败
5. recordEviction：记录淘汰数据

通过上面的监听，我们可以实时监控缓存当前的状态，以评估缓存的健康程度以及缓存命中率等，方便后续调整参数。

caffeine 淘汰监听

有很多时候我们需要知道Caffeine中的缓存为什么被淘汰了呢，从而进行一些优化？这个时候我们就需要一个监听器,代码如下所示:

Cache<String, String> cache = Caffeine.newBuilder().removaListener(((key, value, cause) -> {
    System.out.println(cause);
})).build();

在Caffeine中被淘汰的原因有很多种:

1. EXPLICIT: 这个原因是，用户造成的，通过调用remove方法从而进行删除。
2. REPLACED: 更新的时候，其实相当于把老的value给删了。
3. COLLECTED: 用于我们的垃圾收集器，也就是我们上面减少的软引用，弱引用。
4. EXPIRED：过期淘汰。
5. SIZE: 大小淘汰，当超过最大的时候就会进行淘汰。