偷偷摘套内射激情视频,久久精品99国产国产精,中文字幕无线乱码人妻,中文在线中文a,性爽19p

淺談本地緩存的幾種方案選型

數(shù)據(jù)庫(kù)
說(shuō)到緩存,面試官基本上會(huì)繞不開(kāi)以下幾個(gè)話題!項(xiàng)目中哪些地方用到了緩存?為什么要使用緩存?怎么使用它的?引入緩存后會(huì)帶來(lái)哪些問(wèn)題?

一、摘要

說(shuō)到緩存,面試官基本上會(huì)繞不開(kāi)以下幾個(gè)話題!

項(xiàng)目中哪些地方用到了緩存?為什么要使用緩存?怎么使用它的?引入緩存后會(huì)帶來(lái)哪些問(wèn)題?

這些問(wèn)題,基本上是互聯(lián)網(wǎng)公司面試時(shí)必問(wèn)的一些問(wèn)題,如果面試的時(shí)候,連緩存都不清楚,那確實(shí)多少顯的有些尷尬!

項(xiàng)目里面為什么要引入緩存?這個(gè)問(wèn)題還得結(jié)合項(xiàng)目中的業(yè)務(wù)來(lái)回答!

引入緩存,其實(shí)主要有兩個(gè)用途:高性能、高并發(fā)!

假設(shè)某個(gè)操作非常頻繁,比如網(wǎng)站的商城首頁(yè),需要頻繁的從數(shù)據(jù)庫(kù)里面獲取商品數(shù)據(jù),可能從數(shù)據(jù)庫(kù)一頓各種亂七八糟的操作下來(lái),平均耗時(shí) 500 ms,隨著請(qǐng)求頻次越高,用戶等待數(shù)據(jù)的返回結(jié)果時(shí)間越來(lái)越長(zhǎng),體驗(yàn)越來(lái)越差。

如果此時(shí),引入緩存,將數(shù)據(jù)庫(kù)里面查詢出來(lái)的商品數(shù)據(jù)信息,放入緩存服務(wù)里面,當(dāng)用戶再此發(fā)起查詢操作的時(shí)候,直接從緩存服務(wù)里面獲取,速度從耗時(shí) 500 ms,可能直接優(yōu)化成 5 ms,體驗(yàn)上瞬間會(huì)上升好幾個(gè)層次!

這就是引入緩存帶來(lái)的高性能體驗(yàn)結(jié)果!

當(dāng)然,除此之外,引入緩存之前,以 mysql 數(shù)據(jù)庫(kù)為例,單臺(tái)機(jī)器一秒內(nèi)的請(qǐng)求次數(shù)到達(dá) 2000 之后就會(huì)開(kāi)始報(bào)警;引入緩存之后,比如以 redis 緩存服務(wù)器為例,單臺(tái)機(jī)器一秒內(nèi)的請(qǐng)求次數(shù)支持 110000 次,兩者支持的并發(fā)量完全不是一個(gè)數(shù)量級(jí)的。

這就是引入緩存帶來(lái)的高并發(fā)體驗(yàn)結(jié)果!

尤其是對(duì)于流量很大的業(yè)務(wù),引入緩存,給系統(tǒng)帶來(lái)的提升是十分顯著的。

可能有的同學(xué)又會(huì)發(fā)出疑問(wèn),緩存和數(shù)據(jù)庫(kù)為啥差距這么大,有啥區(qū)別?

我們都知道在計(jì)算機(jī)領(lǐng)域,數(shù)據(jù)的存儲(chǔ)主要有兩處:一處是內(nèi)存,另一處是磁盤(pán)。

在計(jì)算機(jī)中,內(nèi)存的數(shù)據(jù)讀寫(xiě)性能遠(yuǎn)超磁盤(pán)的讀寫(xiě)性能,盡管如此,其實(shí)兩者也有不同,如果數(shù)據(jù)存儲(chǔ)到內(nèi)存中,雖然讀寫(xiě)性能非常高,但是當(dāng)電腦重啟之后,數(shù)據(jù)會(huì)全部清除;而存入磁盤(pán)的數(shù)據(jù),雖然讀寫(xiě)性能很差,但是電腦重啟之后數(shù)據(jù)不會(huì)丟失。

因?yàn)閮烧叩臄?shù)據(jù)存儲(chǔ)方案不同,造就了不同的實(shí)踐用途!

我們上面講到的緩存服務(wù),其實(shí)本質(zhì)就是將數(shù)據(jù)存儲(chǔ)到內(nèi)存中;而數(shù)據(jù)庫(kù)服務(wù),是將數(shù)據(jù)寫(xiě)入到磁盤(pán),從磁盤(pán)中讀取數(shù)據(jù)。

無(wú)論是哪種方案,沒(méi)有絕對(duì)的好與壞,主要還是取決于實(shí)際的業(yè)務(wù)用途。

在項(xiàng)目中如何引入緩存呢?我們通常的做法如下:

操作步驟:

1.當(dāng)用戶發(fā)起訪問(wèn)某數(shù)據(jù)的操作時(shí),檢查緩存服務(wù)里面是否存在,如果存在,直接返回;如果不存在,走數(shù)據(jù)庫(kù)的查詢服務(wù)。

2.從數(shù)據(jù)庫(kù)里面獲取到有效數(shù)據(jù)之后,存入緩存服務(wù),并返回給用戶。

3.當(dāng)被訪問(wèn)的數(shù)據(jù)發(fā)生更新的時(shí)候,需要同時(shí)刪除緩存服務(wù),以便用戶再次查詢的時(shí)候,能獲取到最新的數(shù)據(jù)。

當(dāng)然以上的緩存處理辦法,對(duì)于簡(jiǎn)單的需要緩存的業(yè)務(wù)場(chǎng)景,能輕松應(yīng)對(duì)。

但是面對(duì)復(fù)雜的業(yè)務(wù)場(chǎng)景和服務(wù)架構(gòu),尤其是對(duì)緩存要求比較高的業(yè)務(wù),引入緩存的方式,也會(huì)跟著一起變化!

從緩存面向的對(duì)象不同,緩存分為:本地緩存、分布式緩存和多級(jí)緩存。

所謂本地緩存,相信大家都能理解,在單個(gè)計(jì)算機(jī)服務(wù)實(shí)例中,直接把數(shù)據(jù)緩存到內(nèi)存中進(jìn)行使用。

但是現(xiàn)在的服務(wù),大多都是以集群的方式來(lái)部署,你也可以這樣理解,同一個(gè)網(wǎng)站服務(wù),同時(shí)在兩臺(tái)計(jì)算機(jī)里面部署,比如你用到的session會(huì)話,就無(wú)法同時(shí)共享,因此需要引入一個(gè)獨(dú)立的緩存服務(wù)來(lái)連接兩臺(tái)服務(wù)器,這個(gè)獨(dú)立部署的緩存服務(wù),我們把這種技術(shù)實(shí)踐方案稱為分布式緩存。

在實(shí)際的業(yè)務(wù)中,本地緩存和分布式緩存會(huì)同時(shí)結(jié)合進(jìn)行使用,當(dāng)收到訪問(wèn)某個(gè)數(shù)據(jù)的操作時(shí),會(huì)優(yōu)先從本地緩存服務(wù)(也叫一級(jí)緩存)查詢,如果沒(méi)有,再?gòu)姆植际骄彺娣?wù)(也叫二級(jí)緩存)里面獲取,如果也沒(méi)有,最后再?gòu)臄?shù)據(jù)庫(kù)里面獲??;從數(shù)據(jù)庫(kù)查詢完成之后,在依次更新分布式緩存服務(wù)、本次緩存服務(wù),我們把這個(gè)技術(shù)實(shí)踐方案叫多級(jí)緩存!

由于篇幅的原因,我們?cè)诤笃诮o大家介紹分布式緩存服務(wù)、多級(jí)緩存服務(wù)。

今天主要圍繞本地緩存服務(wù)的技術(shù)實(shí)現(xiàn),給大家進(jìn)行分享和介紹!

二、方案介紹

如果使用過(guò)緩存的同學(xué),可以很容易想到緩存需要哪些東西,通常我們?cè)谑褂镁彺娴臅r(shí)候,比較關(guān)注兩個(gè)地方,第一是內(nèi)存持久化,第二是支持緩存的數(shù)據(jù)自動(dòng)過(guò)期清楚。

基于以上的要求,我們向介紹以下幾種技術(shù)實(shí)現(xiàn)方案。

2.1、手寫(xiě)一個(gè)緩存服務(wù)

對(duì)于簡(jiǎn)單的數(shù)據(jù)緩存,我們完全可以自行編寫(xiě)一套緩存服務(wù),實(shí)現(xiàn)過(guò)程如下!

首先,創(chuàng)建一個(gè)緩存實(shí)體類(lèi)。

public class CacheEntity {

    /**
     * 緩存鍵
     */
    private String key;

    /**
     * 緩存值
     */
    private Object value;

    /**
     * 過(guò)期時(shí)間
     */
    private Long expireTime;

    //...set、get
}

接著,編寫(xiě)一個(gè)緩存操作工具類(lèi)CacheUtils。

public class CacheUtils {

    /**
     * 緩存數(shù)據(jù)
     */
    private final static Map<String, CacheEntity> CACHE_MAP = new ConcurrentHashMap<>();

    /**
     * 定時(shí)器線程池,用于清除過(guò)期緩存
     */
    private static ScheduledExecutorService executor = Executors.newSingleThreadScheduledExecutor();


    static {
        // 注冊(cè)一個(gè)定時(shí)線程任務(wù),服務(wù)啟動(dòng)1秒之后,每隔500毫秒執(zhí)行一次
        executor.scheduleAtFixedRate(new Runnable() {
            @Override
            public void run() {
                // 清理過(guò)期緩存
                clearCache();
            }
        },1000,500,TimeUnit.MILLISECONDS);
    }

    /**
     * 添加緩存
     * @param key    緩存鍵
     * @param value  緩存值
     */
    public static void put(String key, Object value){
        put(key, value, 0);
    }


    /**
     * 添加緩存
     * @param key    緩存鍵
     * @param value  緩存值
     * @param expire 緩存時(shí)間,單位秒
     */
    public static void put(String key, Object value, long expire){
        CacheEntity cacheEntity = new CacheEntity()
                .setKey(key)
                .setValue(value);
        if(expire > 0){
            Long expireTime = System.currentTimeMillis() + Duration.ofSeconds(expire).toMillis();
            cacheEntity.setExpireTime(expireTime);
        }
        CACHE_MAP.put(key, cacheEntity);
    }


    /**
     * 獲取緩存
     * @param key
     * @return
     */
    public static Object get(String key){
        if(CACHE_MAP.containsKey(key)){
            return CACHE_MAP.get(key).getValue();
        }
        return null;
    }

    /**
     * 移除緩存
     * @param key
     */
    public static void remove(String key){
        if(CACHE_MAP.containsKey(key)){
            CACHE_MAP.remove(key);
        }
    }

    /**
     * 清理過(guò)期的緩存數(shù)據(jù)
     */
    private static void clearCache(){
        if(CACHE_MAP.size() > 0){
            return;
        }
        Iterator<Map.Entry<String, CacheEntity>> iterator = CACHE_MAP.entrySet().iterator();
        while (iterator.hasNext()){
            Map.Entry<String, CacheEntity> entry = iterator.next();
            if(entry.getValue().getExpireTime() != null && entry.getValue().getExpireTime().longValue() > System.currentTimeMillis()){
                iterator.remove();
            }
        }
    }

}

最后,我們來(lái)測(cè)試一下緩存服務(wù)。

// 寫(xiě)入緩存數(shù)據(jù)
CacheUtils.put("userName", "張三", 3);

// 讀取緩存數(shù)據(jù)
Object value1 = CacheUtils.get("userName");
System.out.println("第一次查詢結(jié)果:" + value1);

// 停頓4秒
Thread.sleep(4000);

// 讀取緩存數(shù)據(jù)
Object value2 = CacheUtils.get("userName");
System.out.println("第二次查詢結(jié)果:" + value2);

輸出結(jié)果,與預(yù)期一致!

第一次查詢結(jié)果:張三
第二次查詢結(jié)果:null

實(shí)現(xiàn)思路其實(shí)很簡(jiǎn)單,采用ConcurrentHashMap作為緩存數(shù)據(jù)存儲(chǔ)服務(wù),然后開(kāi)啟一個(gè)定時(shí)調(diào)度,每隔500毫秒檢查一下過(guò)期的緩存數(shù)據(jù),然后清除掉!

2.2、基于 Guava Cache 實(shí)現(xiàn)本地緩存

Guava 是 Google 團(tuán)隊(duì)開(kāi)源的一款 Java 核心增強(qiáng)庫(kù),包含集合、并發(fā)原語(yǔ)、緩存、IO、反射等工具箱,性能和穩(wěn)定性上都有保障,應(yīng)用十分廣泛。

相比自己編寫(xiě)的緩存服務(wù),Guava Cache 要強(qiáng)大的多,支持很多特性如下:

  • 支持最大容量限制
  • 支持兩種過(guò)期刪除策略(插入時(shí)間和讀取時(shí)間)
  • 支持簡(jiǎn)單的統(tǒng)計(jì)功能
  • 基于 LRU 算法實(shí)現(xiàn)

使用方面也很簡(jiǎn)單,首先引入guava庫(kù)包。

<!--guava-->
<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>31.1-jre</version>
</dependency>

案例代碼如下:

// 創(chuàng)建一個(gè)緩存實(shí)例
Cache<String, String> cache = CacheBuilder.newBuilder()
        // 初始容量
        .initialCapacity(5)
        // 最大緩存數(shù),超出淘汰
        .maximumSize(10)
        // 過(guò)期時(shí)間
        .expireAfterWrite(3, TimeUnit.SECONDS)
        .build();

// 寫(xiě)入緩存數(shù)據(jù)
cache.put("userName", "張三");

// 讀取緩存數(shù)據(jù)
String value1 = cache.get("userName", () -> {
    // 如果key不存在,會(huì)執(zhí)行回調(diào)方法
    return "key已過(guò)期";
});
System.out.println("第一次查詢結(jié)果:" + value1);

// 停頓4秒
Thread.sleep(4000);

// 讀取緩存數(shù)據(jù)
String value2 = cache.get("userName", () -> {
    // 如果key不存在,會(huì)執(zhí)行回調(diào)方法
    return "key已過(guò)期";
});
System.out.println("第二次查詢結(jié)果:" + value2);

輸出結(jié)果:

第一次查詢結(jié)果:張三
第二次查詢結(jié)果:key已過(guò)期

2.3、基于 Caffeine 實(shí)現(xiàn)本地緩存

Caffeine 是基于 java8 實(shí)現(xiàn)的新一代緩存工具,緩存性能接近理論最優(yōu),可以看作是 Guava Cache 的增強(qiáng)版,功能上兩者類(lèi)似,不同的是 Caffeine 采用了一種結(jié)合 LRU、LFU 優(yōu)點(diǎn)的算法:W-TinyLFU,在性能上有明顯的優(yōu)越性。

使用方面也很簡(jiǎn)單,首先引入caffeine庫(kù)包。

<!--caffeine-->
<dependency>
    <groupId>com.github.ben-manes.caffeine</groupId>
    <artifactId>caffeine</artifactId>
    <version>2.9.3</version>
</dependency>

案例代碼如下:

// 創(chuàng)建一個(gè)緩存實(shí)例
Cache<String, String> cache = Caffeine.newBuilder()
        // 初始容量
        .initialCapacity(5)
        // 最大緩存數(shù),超出淘汰
        .maximumSize(10)
        // 設(shè)置緩存寫(xiě)入間隔多久過(guò)期
        .expireAfterWrite(3, TimeUnit.SECONDS)
        // 設(shè)置緩存最后訪問(wèn)后間隔多久淘汰,實(shí)際很少用到
        //.expireAfterAccess(3, TimeUnit.SECONDS)
        .build();

// 寫(xiě)入緩存數(shù)據(jù)
cache.put("userName", "張三");

// 讀取緩存數(shù)據(jù)
String value1 = cache.get("userName", (key) -> {
    // 如果key不存在,會(huì)執(zhí)行回調(diào)方法
    return "key已過(guò)期";
});
System.out.println("第一次查詢結(jié)果:" + value1);

// 停頓4秒
Thread.sleep(4000);

// 讀取緩存數(shù)據(jù)
String value2 = cache.get("userName", (key) -> {
    // 如果key不存在,會(huì)執(zhí)行回調(diào)方法
    return "key已過(guò)期";
});
System.out.println("第二次查詢結(jié)果:" + value2);

輸出結(jié)果:

第一次查詢結(jié)果:張三
第二次查詢結(jié)果:key已過(guò)期

2.4、基于 Encache 實(shí)現(xiàn)本地緩存

Encache 是一個(gè)純 Java 的進(jìn)程內(nèi)緩存框架,具有快速、精干等特點(diǎn),是 Hibernate 中默認(rèn)的 CacheProvider。

同 Caffeine 和 Guava Cache 相比,Encache 的功能更加豐富,擴(kuò)展性更強(qiáng),特性如下:

  • 支持多種緩存淘汰算法,包括 LRU、LFU 和 FIFO
  • 緩存支持堆內(nèi)存儲(chǔ)、堆外存儲(chǔ)、磁盤(pán)存儲(chǔ)(支持持久化)三種
  • 支持多種集群方案,解決數(shù)據(jù)共享問(wèn)題

使用方面也很簡(jiǎn)單,首先引入ehcache庫(kù)包。

<!--ehcache-->
<dependency>
    <groupId>org.ehcache</groupId>
    <artifactId>ehcache</artifactId>
    <version>3.9.7</version>
</dependency>

案例代碼如下:

/**
 * 自定義過(guò)期策略實(shí)現(xiàn)
 */
public  class CustomExpiryPolicy<K, V> implements ExpiryPolicy<K, V> {

    private final Map<K, Duration> keyExpireMap = new ConcurrentHashMap();


    public Duration setExpire(K key, Duration duration) {
        return keyExpireMap.put(key, duration);
    }

    public Duration getExpireByKey(K key) {
        return Optional.ofNullable(keyExpireMap.get(key))
                .orElse(null);
    }

    public Duration removeExpire(K key) {
        return keyExpireMap.remove(key);
    }

    @Override
    public Duration getExpiryForCreation(K key, V value) {
        return Optional.ofNullable(getExpireByKey(key))
                .orElse(Duration.ofNanos(Long.MAX_VALUE));
    }

    @Override
    public Duration getExpiryForAccess(K key, Supplier<? extends V> value) {
        return getExpireByKey(key);
    }

    @Override
    public Duration getExpiryForUpdate(K key, Supplier<? extends V> oldValue, V newValue) {
        return getExpireByKey(key);
    }
}
public static void main(String[] args) throws InterruptedException {
    String userCache = "userCache";

    // 自定義過(guò)期策略
    CustomExpiryPolicy<Object, Object> customExpiryPolicy = new CustomExpiryPolicy<>();

    // 聲明一個(gè)容量為20的堆內(nèi)緩存配置
    CacheConfigurationBuilder configurationBuilder = CacheConfigurationBuilder
            .newCacheConfigurationBuilder(String.class, String.class, ResourcePoolsBuilder.heap(20))
            .withExpiry(customExpiryPolicy);

    // 初始化一個(gè)緩存管理器
    CacheManager cacheManager = CacheManagerBuilder.newCacheManagerBuilder()
            // 創(chuàng)建cache實(shí)例
            .withCache(userCache, configurationBuilder)
            .build(true);

    // 獲取cache實(shí)例
    Cache<String, String> cache = cacheManager.getCache(userCache, String.class, String.class);
    // 獲取過(guò)期策略
    CustomExpiryPolicy expiryPolicy = (CustomExpiryPolicy)cache.getRuntimeConfiguration().getExpiryPolicy();

    // 寫(xiě)入緩存數(shù)據(jù)
    cache.put("userName", "張三");
    // 設(shè)置3秒過(guò)期
    expiryPolicy.setExpire("userName", Duration.ofSeconds(3));

    // 讀取緩存數(shù)據(jù)
    String value1 = cache.get("userName");
    System.out.println("第一次查詢結(jié)果:" + value1);

    // 停頓4秒
    Thread.sleep(4000);

    // 讀取緩存數(shù)據(jù)
    String value2 = cache.get("userName");
    System.out.println("第二次查詢結(jié)果:" + value2);
}

輸出結(jié)果:

第一次查詢結(jié)果:張三
第二次查詢結(jié)果:null

三、小結(jié)

從易用性角度看:Guava Cache、Caffeine 和 Encache 都有十分成熟的接入方案,使用簡(jiǎn)單。

從功能性角度看:Guava Cache 和 Caffeine 功能類(lèi)似,都是只支持堆內(nèi)緩存,Encache 相比功能更為豐富,不僅支持堆內(nèi)緩存,還支持磁盤(pán)寫(xiě)入、集群實(shí)現(xiàn)。

從性能角度看:Caffeine 最優(yōu)、GuavaCache 次之,Encache 最差。

以下是網(wǎng)絡(luò)上三者性能對(duì)比的結(jié)果。

對(duì)于本地緩存的技術(shù)選型,推薦采用 Caffeine,性能上毫無(wú)疑問(wèn),遙遙領(lǐng)先。

雖然 Encache 功能非常的豐富,甚至提供了持久化和集群的功能,但是相比更成熟的分布式緩存中間件 redis 來(lái)說(shuō),還是稍遜一些!

關(guān)于 redis 的使用,有興趣的同學(xué)可以查看歷史文章,之前有寫(xiě)過(guò) redis 系列相關(guān)的技術(shù)實(shí)踐介紹。

本文參考了很多其他博主的文章,內(nèi)容難免有描述不對(duì)的地方,歡迎網(wǎng)友留言指出!

責(zé)任編輯:華軒 來(lái)源: Java極客技術(shù)
相關(guān)推薦

2022-08-19 14:06:56

前端架構(gòu)技術(shù)

2022-05-27 09:25:12

攜程酒店本地緩存查詢服務(wù)

2011-06-20 10:36:29

SEO

2016-10-27 21:33:46

ReduxFlux異步方案

2024-09-27 08:57:36

2024-03-14 08:17:33

JVMJava對(duì)象

2017-12-20 16:23:18

抓娃娃

2009-07-21 17:41:58

JDBC數(shù)據(jù)源

2022-06-16 07:31:15

MySQL服務(wù)器服務(wù)

2012-03-22 09:31:14

Java

2024-05-20 08:08:00

分布式系統(tǒng)緩存C#

2019-04-29 11:00:14

架構(gòu)負(fù)載均衡互聯(lián)網(wǎng)

2011-03-21 13:44:38

SQL ServerSQL Server2分頁(yè)

2009-07-28 16:07:40

.NET圖片快速處理

2017-05-15 13:40:20

瀏覽器http緩存機(jī)制

2009-08-03 18:47:12

ASP.NET數(shù)據(jù)緩存

2011-08-02 10:50:56

iOS開(kāi)發(fā) 內(nèi)存緩存

2021-10-12 08:00:00

存儲(chǔ)邊緣緩存邊緣服務(wù)器

2017-04-26 14:15:35

瀏覽器緩存機(jī)制

2012-11-14 09:42:16

Pikacode技術(shù)選項(xiàng)項(xiàng)目
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)