在这篇博客中，主要把之前看的书的内容记录一下，个人感觉还是可以的，原题是这样的：开发一个高效的缓存。这里指的是单机.
首先我来看当前的一个版本
public interface Computable<T, R> {
R compute(T input) throws InterruptedException;
}
public class Memoizer1<T,R> implements Computable<T,R>{
private final Map<T,R> cache = new HashMap<>();
private final Computable<T,R> computable;
public Memoizer1(Computable<T, R> computable) {
this.computable = computable;
}
public synchronized R compute(T input) throws InterruptedException {
R result= cache.get(input);
if(result ==null){
result = computable.compute(input);
cache.put(input,result);
}
return result;
}
}
在该版本中利用HashMap来保存之前计算的结果，compute方法首先检查缓存中是否有结果，没有则计算，把其结果放入缓存并且返回。大家都知道HashMap不是线程安全的，因此要确保多个线程同时访问的时，Memoizer1采用把对整个方法compute进行同步，这样的结果导致调用该方法被串行化，如果compute的执行时间比较长，那么后面的线程需要等待更长的时间，结果可能比不用缓存更加糟糕。
接着我们对该版本进行进一步的优化，把HashMap改为ConcurrentHashMap,因为ConcurrentHashMao是线程安全的，因此在访问底层的Map的时候不需要进行同步。因此避免了在对compute方法进行同步带来的串行性。
public class Memoizer2<T,R> implements Computable<T,R>{
private final Map<T,R> cache = new ConcurrentHashMap<>();
private final Computable<T,R> computable;
public Memoizer2(Computable<T, R> computable) {
this.computable = computable;
}
public R compute(T input) throws InterruptedException {
R result= cache.get(input);
if(result ==null){
result = computable.compute(input);
cache.put(input,result);
}
return result;
}
}
在该版本也存在一些不足，当两个线程同时调用compute时存在一个漏洞，可能会导致计算相同的值。缓存的目的是避免相同的数据被多次计算。我们知道FutureTask 表示一个计算过程，这个过程可能已经完成，也可能正在进行。如果FutureTask结果可用，调用FutureTask.get()将立即得到结果，否则它会一直阻塞，知道计算结果出来再返回。
public class Memoizer3<T,R> implements Computable<T,R>{
private final Map<T,Future> cache = new ConcurrentHashMap<>();
private final Computable<T,R> computable;
public Memoizer3(Computable<T, R> computable) {
this.computable = computable;
}
public R compute(final T input) throws InterruptedException {
Future<R> future = cache.get(input);
if (future==null){
Callable<R> callable = new Callable<R>() {
@Override
public R call() throws Exception {
return computable.compute(input);
}
};
FutureTask futureTask = new FutureTask(callable);
future=futureTask;
cache.put(input,future);
futureTask.run();
}
try{
return future.get();
} catch (ExecutionException e) {
throw new RuntimeException(e);
}
}
}
在第三个版本Memoizer3的实现几乎是完美的，它表现出非常好的并发性，如果结果已经计算出来则直接返回，如果其他线程正在计算该结果，那么新到的线程将一直等待这个结果被计算出来。它只有一个缺陷，即仍然存在两个线程计算出相同值的漏洞。
但是这个概率将远远小于第二个版本。由于compute方法中的if代码仍然是非原子的“先检查后执行”操作。因此两个线程仍然有可能在同一时间内调用compute来计算相同的值。在该版本中存在该问题的原因是，复合操作在底层Map对象上执行，而这个对象无法通过加锁来确保原子性。那么接着把Map.put()改为Map.putIfAbsent()即可。
public class Memoizer4<T,R> implements Computable<T,R>{
private final ConcurrentMap<T,Future> cache = new ConcurrentHashMap<>();
private final Computable<T,R> computable;
public Memoizer4(Computable<T, R> computable) {
this.computable = computable;
}
public R compute(final T input) throws InterruptedException {
while (true){
Future<R> future = cache.get(input);
if (future==null){
Callable<R> callable = new Callable<R>() {
@Override
public R call() throws InterruptedException {
return computable.compute(input);
}
};
FutureTask futureTask = new FutureTask(callable);
future= cache.putIfAbsent(input, futureTask);//如果原先不存在，返回null
if(future==null){
future=futureTask;
futureTask.run();
}
}
try{
return future.get();
} catch (CancellationException e) {
cache.remove(input,future);
} catch (ExecutionException e) {
throw new RuntimeException(e);
}
}
}
在该版本中应该完美了解决了原先提出的问题。但是还是存在如下问题：没有解决缓存预期的问题，没有解决缓存清理问题。