一个残酷的现实是,我们几乎一定没有足够的内存缓存所有数据。 你你必须决定: 什么时候某个缓存项就不值得保留了? Guava Cache提供了三种基本的缓存回收方式: 基于容量回收、定时回收和基于引用回收。
如果要规定缓存项的数目不超过固定值,只需使用 CacheBuilder.maximumSize(long) 。 缓存将尝试回收最近没有使用或总体上很少使用的缓存项。 ——警告: 在缓存项的数目达到限定值之前,缓存就可能进行回收操作——通常来说,这种情况发生在缓存项的数目逼近限定值时。
另外,不同的缓存项有不同的“权重”(weights)——例如,如果你的缓存值,占据完全不同的内存空间,你可以使用 CacheBuilder.weigher(Weigher) 指定一个权重函数,并且用 CacheBuilder.maximumWeight(long) 指定最大总重。 在权重限定场景中,除了要注意回收也是在重量逼近限定值时就进行了,还要知道重量是在缓存创建时计算的,因此要考虑重量计算的复杂度。
|LoadingCache<Key, Graph> graphs = CacheBuilder.newBuilder()
| .maximumWeight(100000)
| .weigher(new Weigher<Key, Graph>() {
| public int weigh(Key k, Graph g) {
| return g.vertices().size();
| }
| })
| .build(
| new CacheLoader<Key, Graph>() {
| public Graph load(Key key) { // no checked exception
| return createExpensiveGraph(key);
| }
| });
CacheBuilder提供两种定时回收的方法:
expireAfterAccess(long, TimeUnit) : 缓存项在给定时间内没有被读/写访问,则回收。 请注意这种缓存的回收顺序和基于大小回收一样。
expireAfterWrite(long, TimeUnit) : 缓存项在给定时间内没有被写访问(创建或覆盖),则回收。 如果认为缓存数据总是在固定时候后变得陈旧不可用,这种回收方式是可取的。
如下文所讨论,定时回收周期性地在写操作中执行,偶尔在读操作中执行。
测试定时回收
对定时回收进行测试时,不一定非得花费两秒钟去测试两秒的过期。 你可以使用 Ticker 接口和 CacheBuilder.ticker(Ticker) 方法在缓存中自定义一个时间源,而不是非得用系统时钟。
通过使用弱引用的键、或弱引用的值、或软引用的值,Guava Cache可以把缓存设置为允许垃圾回收:
CacheBuilder.weakKeys() : 使用弱引用存储键。 当键没有其它(强或软)引用时,缓存项可以被垃圾回收。 因为垃圾回收仅依赖恒等式(==),使用弱引用键的缓存用==而不是equals比较键。
CacheBuilder.weakValues() : 使用弱引用存储值。 当值没有其它(强或软)引用时,缓存项可以被垃圾回收。 因为垃圾回收仅依赖恒等式(==),使用弱引用值的缓存用==而不是equals比较值。
CacheBuilder.softValues() : 使用软引用存储值。 软引用只有在响应内存需要时,才按照全局最近最少使用的顺序回收。 考虑到使用软引用的性能影响,我们通常建议使用更有性能预测性的缓存大小限定(见上文,基于容量回收)。 使用软引用值的缓存同样用==而不是equals比较值.
任何时候,你都可以显式地清除缓存项,而不是等到它被回收:
个别清除: Cache.invalidate(key)
批量清除: Cache.invalidateAll(keys)
清除所有缓存项: Cache.invalidateAll()
通过 CacheBuilder.removalListener(RemovalListener) ,你可以声明一个监听器,以便缓存项被移除时做一些额外操作。 缓存项被移除时, RemovalListener 会获取移除通知[ RemovalNotification ],其中包含移除原因[ RemovalCause ]、键和值。
请注意,RemovalListener抛出的任何异常都会在记录到日志后被丢弃[swallowed]。
|CacheLoader<Key, DatabaseConnection> loader = new CacheLoader<Key, DatabaseConnection> () {
| public DatabaseConnection load(Key key) throws Exception {
| return openConnection(key);
| }
|};
|
|RemovalListener<Key, DatabaseConnection> removalListener = new RemovalListener<Key, DatabaseConnection>() {
| public void onRemoval(RemovalNotification<Key, DatabaseConnection> removal) {
| DatabaseConnection conn = removal.getValue();
| conn.close(); // tear down properly
| }
|};
|
|return CacheBuilder.newBuilder()
| .expireAfterWrite(2, TimeUnit.MINUTES)
| .removalListener(removalListener)
| .build(loader);
警告: 默认情况下,监听器方法是在移除缓存时同步调用的。 因为缓存的维护和请求响应通常是同时进行的,代价高昂的监听器方法在同步模式下会拖慢正常的缓存请求。 在这种情况下,你可以使用 RemovalListeners.asynchronous(RemovalListener, Executor) 把监听器装饰为异步操作。
使用CacheBuilder构建的缓存不会"自动"执行清理和回收工作,也不会在某个缓存项过期后马上清理,也没有诸如此类的清理机制。 相反,它会在写操作时顺带做少量的维护工作,或者偶尔在读操作时做——如果写操作实在太少的话。
这样做的原因在于: 如果要自动地持续清理缓存,就必须有一个线程,这个线程会和用户操作竞争共享锁。 此外,某些环境下线程创建可能受限制,这样CacheBuilder就不可用了。
相反,我们把选择权交到你手里。 如果你的缓存是高吞吐的,那就无需担心缓存的维护和清理等工作。 如果你的 缓存只会偶尔有写操作,而你又不想清理工作阻碍了读操作,那么可以创建自己的维护线程,以固定的时间间隔调用 Cache.cleanUp() 。 ScheduledExecutorService 可以帮助你很好地实现这样的定时调度。
刷新和回收不太一样。 正如 LoadingCache.refresh(K) 所声明,刷新表示为键加载新值,这个过程可以是异步的。 在刷新操作进行时,缓存仍然可以向其他线程返回旧值,而不像回收操作,读缓存的线程必须等待新值加载完成。
如果刷新过程抛出异常,缓存将保留旧值,而异常会在记录到日志后被丢弃[swallowed]。
重载 CacheLoader.reload(K, V) 可以扩展刷新时的行为,这个方法允许开发者在计算新值时使用旧的值。
|//有些键不需要刷新,并且我们希望刷新是异步完成的
|LoadingCache<Key, Graph> graphs = CacheBuilder.newBuilder()
| .maximumSize(1000)
| .refreshAfterWrite(1, TimeUnit.MINUTES)
| .build(
| new CacheLoader<Key, Graph>() {
| public Graph load(Key key) { // no checked exception
| return getGraphFromDatabase(key);
| }
|
| public ListenableFuture<Key, Graph> reload(final Key key, Graph prevGraph) {
| if (neverNeedsRefresh(key)) {
| return Futures.immediateFuture(prevGraph);
| }else{
| // asynchronous!
| ListenableFutureTask<Key, Graph> task=ListenableFutureTask.create(new Callable<Key, Graph>() {
| public Graph call() {
| return getGraphFromDatabase(key);
| }
| });
| executor.execute(task);
| return task;
| }
| }
| });
CacheBuilder.refreshAfterWrite(long, TimeUnit) 可以为缓存增加自动定时刷新功能。 和expireAfterWrite相反,refreshAfterWrite通过定时刷新可以让缓存项保持可用,但请注意: 缓存项只有在被检索时才会真正刷新(如果CacheLoader.refresh实现为异步,那么检索不会被刷新拖慢)。 因此,如果你在缓存上同时声明expireAfterWrite和refreshAfterWrite,缓存并不会因为刷新盲目地定时重置,如果缓存项没有被检索,那刷新就不会真的发生,缓存项在过期时间后也变得可以回收。
CacheBuilder.recordStats() 用来开启Guava Cache的统计功能。 统计打开后, Cache.stats() 方法会返回 CacheStats 对象以提供如下统计信息:
hitRate() : 缓存命中率;
averageLoadPenalty() : 加载新值的平均时间,单位为纳秒;
evictionCount() : 缓存项被回收的总数,不包括显式清除。
此外,还有其他很多统计信息。 这些统计信息对于调整缓存设置是至关重要的,在性能要求高的应用中我们建议密切关注这些数据。
asMap视图提供了缓存的ConcurrentMap形式,但asMap视图与缓存的交互需要注意:
cache.asMap()包含当前所有加载到缓存的项。 因此相应地,cache.asMap().keySet()包含当前所有已加载键;
asMap().get(key)实质上等同于cache.getIfPresent(key),而且不会引起缓存项的加载。 这和Map的语义约定一致。
所有读写操作都会重置相关缓存项的访问时间,包括Cache.asMap().get(Object)方法和Cache.asMap().put(K, V)方法,但不包括Cache.asMap().containsKey(Object)方法,也不包括在Cache.asMap()的集合视图上的操作。 比如,遍历Cache.asMap().entrySet()不会重置缓存项的读取时间。
缓存加载方法(如Cache.get)不会抛出InterruptedException。 我们也可以让这些方法支持InterruptedException,但这种支持注定是不完备的,并且会增加所有使用者的成本,而只有少数使用者实际获益。 详情请继续阅读。
Cache.get请求到未缓存的值时会遇到两种情况: 当前线程加载值; 或等待另一个正在加载值的线程。 这两种情况下的中断是不一样的。 等待另一个正在加载值的线程属于较简单的情况: 使用可中断的等待就实现了中断支持; 但当前线程加载值的情况就比较复杂了: 因为加载值的CacheLoader是由用户提供的,如果它是可中断的,那我们也可以实现支持中断,否则我们也无能为力。
如果用户提供的CacheLoader是可中断的,为什么不让Cache.get也支持中断? 从某种意义上说,其实是支持的: 如果CacheLoader抛出InterruptedException,Cache.get将立刻返回(就和其他异常情况一样); 此外,在加载缓存值的线程中,Cache.get捕捉到InterruptedException后将恢复中断,而其他线程中InterruptedException则被包装成了ExecutionException。
原则上,我们可以拆除包装,把ExecutionException变为InterruptedException,但这会让所有的LoadingCache使用者都要处理中断异常,即使他们提供的CacheLoader不是可中断的。 如果你考虑到所有非加载线程的等待仍可以被中断,这种做法也许是值得的。 但许多缓存只在单线程中使用,它们的用户仍然必须捕捉不可能抛出的InterruptedException异常。 即使是那些跨线程共享缓存的用户,也只是有时候能中断他们的get调用,取决于那个线程先发出请求。
对于这个决定,我们的指导原则是让缓存始终表现得好像是在当前线程加载值。 这个原则让使用缓存或每次都计算值可以简单地相互切换。 如果老代码(加载值的代码)是不可中断的,那么新代码(使用缓存加载值的代码)多半也应该是不可中断的。
如上所述,Guava Cache在某种意义上支持中断。 另一个意义上说,Guava Cache不支持中断,这使得LoadingCache成了一个有漏洞的抽象: 当加载过程被中断了,就当作其他异常一样处理,这在大多数情况下是可以的; 但如果多个线程在等待加载同一个缓存项,即使加载线程被中断了,它也不应该让其他线程都失败(捕获到包装在ExecutionException里的InterruptedException),正确的行为是让剩余的某个线程重试加载。 为此,我们记录了一个 bug 。 然而,与其冒着风险修复这个bug,我们可能会花更多的精力去实现另一个建议AsyncLoadingCache,这个实现会返回一个有正确中断行为的Future对象。
(全文完)