Caffeine - Caches

本文主要是介绍Caffeine - Caches - Eviction，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Caffeine - Caches - Eviction

- 剔除策略
- - 基于容量的剔除
  - 基于时间的剔除
  - 基于引用的剔除

剔除策略

Caffeine提供了三种类型的提出方式：基于容量的剔除、基于时间的剔除和基于引用的剔除。

基于容量的剔除

// Evict based on the number of entries in the cache
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().maximumSize(10_000).build(key -> createExpensiveGraph(key));// Evict based on the number of vertices in the cache
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().maximumWeight(10_000).weigher((Key key, Graph graph) -> graph.vertices().size()).build(key -> createExpensiveGraph(key));

如果您的缓存不应超过特定大小，使用Caffeine.maximumSize(long)。缓存将尝试剔除最近或很少使用的条目。

或者，如果不同的缓存条目具有不同的权重（例如，如果您的缓存值具有完全不同的内存占用量），你可以使用Caffeine.weigher(Weigher)指定权重函数，并使用Caffeine.maximumWeight(long)指定最大的缓存权重。除了与maximumSize相同的说明外，请注意，权重是在条目创建和更新时计算的，此后是静态的，并且在进行剔除选择时并不考虑权重因素。

基于时间的剔除

// Evict based on a fixed expiration policy
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().expireAfterAccess(5, TimeUnit.MINUTES).build(key -> createExpensiveGraph(key));
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().expireAfterWrite(10, TimeUnit.MINUTES).build(key -> createExpensiveGraph(key));// Evict based on a varying expiration policy
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().expireAfter(new Expiry<Key, Graph>() {public long expireAfterCreate(Key key, Graph graph, long currentTime) {// Use wall clock time, rather than nanotime, if from an external resourcelong seconds = graph.creationDate().plusHours(5).minus(System.currentTimeMillis(), MILLIS).toEpochSecond();return TimeUnit.SECONDS.toNanos(seconds);}public long expireAfterUpdate(Key key, Graph graph, long currentTime, long currentDuration) {return currentDuration;}public long expireAfterRead(Key key, Graph graph,long currentTime, long currentDuration) {return currentDuration;}}).build(key -> createExpensiveGraph(key));

Caffeine提供了三种方法进行基于时间的剔除。

expireAfterAccess(long, TimeUnit): 自条目最后一次读取或写入的时点开始、如果超过了方法指定的时长，标记条目过期。在缓存数据与session绑定并在不交互时过期的场景下使用比较理想。
expireAfterWrite(long, TimeUnit): 自条目创建或最后一次值替换的时点开始、如果超过了方法指定的时长，标记条目过期。如果经过一段时间后缓存数据过时，则可能需要这么做。
expireAfter(Expiry): 在可变持续时间过去之后标记条目过期。在条目的过期时间由外部资源决定的场景下使用比较理想。

过期处理是在写入期间和偶尔的读取期间进行的。到期事件的调度和触发的时间复杂度为 O(1)。

为了迅速到期，而不是依靠其他缓存活动来触发例行维护，请使用Scheduler接口和Caffeine.scheduler(Scheduler)方法在缓存构建器中指定一个调度线程。 Java 9+用户可能更喜欢使用Scheduler.systemScheduler()来利用专用的系统范围的调度线程。

测试过期剔除不需要在挂钟的时间消逝中等待。使用Ticker接口和Caffeine.ticker(Ticker)方法在缓存构建器中指定一个时间源，而不必等待系统时钟。为此，Guava的testlib提供了一个方便的实现FakeTicker。

基于引用的剔除

// Evict when neither the key nor value are strongly reachable
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().weakKeys().weakValues().build(key -> createExpensiveGraph(key));// Evict when the garbage collector needs to free memory
LoadingCache<Key, Graph> graphs = Caffeine.newBuilder().softValues().build(key -> createExpensiveGraph(key));

Caffeine可以对keys或values使用弱引用，可以对values使用软引用，以此设置的缓存可以通过垃圾回收机制实现条目的回收。请注意，AsyncCache不支持弱引用和软引用。

Caffeine.weakKeys() 使用弱引用存储key。如果没有对key的强引用，缓存条目即可被垃圾回收掉。由于垃圾回收仅依赖identity equality，因此在进行key比较时只需要使用 == 即可，而不需要使用 equals()。

Caffeine.weakValues() 使用弱引用存储value。如果没有对value的强引用，缓存条目即可被垃圾回收掉。由于垃圾回收仅依赖identity equality，因此在进行value比较时只需要使用 == 即可，而不需要使用 equals()。

Caffeine.softValues() 使用软引用存储value。响应内存需求，软引用对象会以全局最近最少使用的方式进行垃圾回收。由于使用软引用会对性能产生影响，所以我们通常建议使用更可预测的设置最大缓存大小的方式来替代。使用softValues() 将导致value的比较是基于 == 而不是 equals()。

这篇关于Caffeine - Caches - Eviction的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！