©2020-2024 ioDraw All rights reserved
<>背景
在高性能的服务架构设计中，缓存是一个不可或缺的环节。在实际的项目中，我们通常会将一些热点数据存储到Redis或Memcached
这类缓存中间件中，只有当缓存的访问没有命中时再查询数据库。在提升访问速度的同时，也能降低数据库的压力。
随着不断的发展，这一架构也产生了改进，在一些场景下可能单纯使用Redis类的远程缓存已经不够了，还需要进一步配合本地缓存使用，例如Guava
cache或Caffeine，从而再次提升程序的响应速度与服务性能。于是，就产生了使用本地缓存作为一级缓存，再加上远程缓存作为二级缓存的两级缓存架构。
在先不考虑并发等复杂问题的情况下，两级缓存的访问流程可以用下面这张图来表示：
<>为什么要使用本地缓存
* 本地缓存基于本地环境的内存，访问速度非常快，对于一些变更频率低、实时性要求低的数据，可以放在本地缓存中，提升访问速度
* 使用本地缓存能够减少和Redis类的远程缓存间的数据交互，减少网络I/O开销，降低这一过程中在网络通信上的耗时
<>设计一个本地内存需要有什么功能
* 存储；并可以读、写；
* 原子操作(线程安全)，如ConcurrentHashMap
* 可以设置缓存的最大限制；
* 超过最大限制有对应淘汰策略，如LRU、LFU
* 过期时间淘汰，如定时、懒式、定期；
* 持久化
* 统计监控
<>本地缓存方案选型
<>1. 使用ConcurrentHashMap实现本地缓存
缓存的本质就是存储在内存中的KV数据结构，对应的就是jdk中线程安全的ConcurrentHashMap，但是要实现缓存，还需要考虑淘汰、最大限制、缓存过期时间淘汰等等功能；
优点是实现简单，不需要引入第三方包，比较适合一些简单的业务场景。缺点是如果需要更多的特性，需要定制化开发，成本会比较高，并且稳定性和可靠性也难以保障。对于比较复杂的场景，建议使用比较稳定的开源工具。
<>2. 基于Guava Cache实现本地缓存
Guava是Google团队开源的一款 Java 核心增强库，包含集合、并发原语、缓存、IO、反射等工具箱，性能和稳定性上都有保障，应用十分广泛。Guava
Cache支持很多特性：
* 支持最大容量限制
* 支持两种过期删除策略（插入时间和访问时间）
* 支持简单的统计功能
* 基于LRU算法实现
使用代码如下：
<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) // 最大缓存数，超出淘汰 .expireAfterWrite(60,
TimeUnit.SECONDS) // 过期时间 .build(); String orderId = String.valueOf(123456789);
// 获取orderInfo，如果key不存在，callable中调用getInfo方法返回数据 String orderInfo = cache.get(
orderId, () -> getInfo(orderId)); log.info("orderInfo = {}", orderInfo); }
private static String getInfo(String orderId) { String info = ""; // 先查询redis缓存
log.info("get data from redis"); // 当redis缓存不存在查db log.info("get data from
mysql"); info = String.format("{orderId=%s}", orderId); return info; } }
<>3. Caffeine
Caffeine是基于java8实现的新一代缓存工具，缓存性能接近理论最优。可以看作是Guava
Cache的增强版，功能上两者类似，不同的是Caffeine采用了一种结合LRU、LFU优点的算法：W-TinyLFU，在性能上有明显的优越性
使用代码如下：
<dependency> <groupId>com.github.ben-manes.caffeine</groupId>
<artifactId>caffeine</artifactId> <version>2.9.3</version> </dependency> @Slf4j
public class CaffeineTest { public static void main(String[] args) { Cache<
String, String> cache = Caffeine.newBuilder() .initialCapacity(5) // 超出时淘汰 .
maximumSize(10) //设置写缓存后n秒钟过期 .expireAfterWrite(60, TimeUnit.SECONDS)
//设置读写缓存后n秒钟过期,实际很少用到,类似于expireAfterWrite //.expireAfterAccess(17,
TimeUnit.SECONDS) .build(); String orderId = String.valueOf(123456789); String
orderInfo= cache.get(orderId, key -> getInfo(key)); System.out.println(orderInfo
); } private static String getInfo(String orderId) { String info = ""; //
先查询redis缓存 log.info("get data from redis"); // 当redis缓存不存在查db log.info("get
data from mysql"); info = String.format("{orderId=%s}", orderId); return info; }
}
<>4. Encache
Encache是一个纯Java的进程内缓存框架，具有快速、精干等特点，是Hibernate中默认的CacheProvider。同Caffeine和Guava
Cache相比，Encache的功能更加丰富，扩展性更强：
* 支持多种缓存淘汰算法，包括LRU、LFU和FIFO
* 缓存支持堆内存储、堆外存储、磁盘存储（支持持久化）三种
* 支持多种集群方案，解决数据共享问题
使用代码如下：
<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cache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); // 获取cache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 = ""; // 先查询redis缓存 log.info("get data
from redis"); // 当redis缓存不存在查db log.info("get data from mysql"); info = String.
format("{orderId=%s}", orderId); return info; } }
<>本地缓存问题及解决
<>1. 缓存一致性
两级缓存与数据库的数据要保持一致，一旦数据发生了修改，在修改数据库的同时，本地缓存、远程缓存应该同步更新。
<>解决方案1: MQ
一般现在部署都是集群部署，有多个不同节点的本地缓存; 可以使用MQ的广播模式，当数据修改时向MQ发送消息，节点监听并消费消息，删除本地缓存，达到最终一致性；
<>解决方案2：Canal + MQ
如果你不想在你的业务代码发送MQ消息，还可以适用近几年比较流行的方法：订阅数据库变更日志，再操作缓存。Canal 订阅Mysql的
Binlog日志，当发生变化时向MQ发送消息，进而也实现数据一致性。
<>2. 如何提供本地缓存命中率
<>3. 本地内存的技术选型问题
* 从易用性角度，Guava Cache、Caffeine和Encache都有十分成熟的接入方案，使用简单。
* 从功能性角度，Guava Cache和Caffeine功能类似，都是只支持堆内缓存，Encache相比功能更为丰富
* 从性能上进行比较，Caffeine最优、GuavaCache次之，Encache最差(下图是三者的性能对比结果）
对于本地缓存的方案中，我比较推荐Caffeine，性能上遥遥领先。虽然Encache功能更为丰富，甚至提供了持久化和集群的功能，但是这些功能完全可以依靠其他方式实现。真实的业务工程中，建议使用Caffeine作为本地缓存，另外使用redis或者memcache作为分布式缓存，构造多级缓存体系，保证性能和可靠性。