使用场景
在 Java 应用中，对于访问频率高，更新少的数据，通常的方案是将这类数据加入缓存中。相对从数据库中读取来说，读缓存效率会有很大提升。
在集群环境下，常用的分布式缓存有 Redis 、 Memcached 等。但在某些业务场景上，可能不需要去搭建一套复杂的分布式缓存系统，在单机环境下，通常是会希望使用内部的缓存（ LocalCache ）。
实现
这里提供了两种 LocalCache 的实现，一种是基于 ConcurrentHashMap 实现基本本地缓存，另外一种是基于 LinkedHashMap 实现 LRU 策略的本地缓存。
基于ConcurrentHashMap的实现
|
1
2
3
4
|
static {
timer = new Timer();
map = new ConcurrentHashMap<>();
}
|
以 ConcurrentHashMap 作为缓存的存储结构。因为 ConcurrentHashMap 的线程安全的，所以基于此实现的 LocalCache 在多线程并发环境的操作是安全的。在 JDK1.8 中， ConcurrentHashMap 是支持完全并发读，这对本地缓存的效率也是一种提升。通过调用 ConcurrentHashMap 对 map 的操作来实现对缓存的操作。
私有构造函数
|
1
2
3
|
privateLocalCache(){
}
|
LocalCache 是工具类，通过私有构造函数强化不可实例化的能力。
缓存清除机制
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
/**
* 清除缓存任务类
*/
static classCleanWorkerTaskextendsTimerTask{
private String key;
publicCleanWorkerTask(String key){
this.key = key;
}
publicvoidrun(){
LocalCache.remove(key);
}
}
|
清理失效缓存是由 Timer 类实现的。内部类 CleanWorkerTask 继承于 TimerTask 用户清除缓存。每当新增一个元素的时候，都会调用 timer.schedule 加载清除缓存的任务。
基于LinkedHashMap的实现
以 LinkedHashMap 作为缓存的存储结构。主要是通过 LinkedHashMap 的按照访问顺序的特性来实现 LRU 策略。
LRU
LRU 是 Least Recently Used 的缩写，即最近最久未使用。 LRU 缓存将会利用这个算法来淘汰缓存中老的数据元素，从而优化内存空间。
基于LRU策略的map
这里利用 LinkedHashMap 来实现基于 LRU 策略的 map 。通过调用父类 LinkedHashMap 的构造函数来实例化 map 。参数 accessOrder 设置为 true 保证其可以实现 LRU 策略。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
static classLRUMap<K,V>extendsLinkedHashMap<K,V>{
... // 省略部分代码
publicLRUMap(intinitialCapacity,floatloadFactor){
super(initialCapacity, loadFactor, true);
}
... // 省略部分代码
/**
* 重写LinkedHashMap中removeEldestEntry方法;
* 新增元素的时候,会判断当前map大小是否超过DEFAULT_MAX_CAPACITY,超过则移除map中最老的节点;
*
* @param eldest
* @return
*/
protectedbooleanremoveEldestEntry(Map.Entry<K, V> eldest){
return size() > DEFAULT_MAX_CAPACITY;
}
}
|
线程安全
|
1
2
3
4
5
6
7
8
|
/**
* 读写锁
*/
private final ReadWriteLock readWriteLock = new ReentrantReadWriteLock();
private final Lock rLock = readWriteLock.readLock();
private final Lock wLock = readWriteLock.writeLock();
|
LinkedHashMap 并不是线程安全，如果不加控制的在多线程环境下使用的话，会有问题。所以在 LRUMap 中引入了 ReentrantReadWriteLock 读写锁，来控制并发问题。
缓存淘汰机制
|
1
2
3
|
protectedbooleanremoveEldestEntry(Map.Entry<K, V> eldest){
return size() > DEFAULT_MAX_CAPACITY;
}
|
此处重写 LinkedHashMap 中 removeEldestEntry 方法， 当缓存新增元素的时候,会判断当前 map 大小是否超过 DEFAULT_MAX_CAPACITY ,超过则移除map中最老的节点。
缓存清除机制
缓存清除机制与 ConcurrentHashMap 的实现一致，均是通过 timer 实现。
源码地址： GitHub
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：http://lishuo.me/2017/05/05/Java%E6%9C%AC%E5%9C%B0%E7%BC%93%E5%AD%98%E7%9A%84%E5%AE%9E%E7%8E%B0/?utm_source=tuicool&utm_medium=referral