当前位置：首页 > news >正文

Caffeine介绍

news 2025/9/5 2:54:17

Caffeine‌ 是一个高性能的 Java ‌本地缓存库‌，专为现代应用程序设计，由知名开发者 Ben Manes 开发。它是 Guava Cache 的进化版本，在性能和功能上都有显著提升，特别适合高并发场景。

核心作用：

‌内存缓存管理‌
将频繁访问的数据存储在内存中，避免重复计算或频繁访问外部资源（如数据库、API）
‌加速数据访问‌
相比磁盘/网络 I/O，内存访问速度提升 100-100,000 倍
‌降低系统负载‌
减少对后端资源（数据库、服务）的访问压力

关键特性：

特性	说明	性能影响
‌Window TinyLFU 算法‌	智能淘汰策略（比LRU更高效）	命中率提升 40%+
‌无锁并发设计‌	基于 ConcurrentHashMap 优化	读写性能提升 8 倍 vs Guava
‌异步刷新机制‌	后台自动更新过期数据	避免访问延迟
‌权重控制‌	按对象大小而非数量限制缓存	内存利用率优化
‌统计监控‌	实时命中率/加载时间统计	便于调优

典型使用场景：

javaCopy Code

// 1. 基础缓存示例 Cache<String, User> cache = Caffeine.newBuilder() .maximumSize(10_000) // 最大条目数 .expireAfterWrite(5, TimeUnit.MINUTES) // 写入5分钟后过期 .build(); // 使用缓存 User user = cache.get(userId, id -> userDao.getUser(id)); // 2. 自动刷新（防止缓存击穿） LoadingCache<String, Data> loadingCache = Caffeine.newBuilder() .refreshAfterWrite(1, TimeUnit.MINUTES) // 1分钟后异步刷新 .build(key -> fetchFromDatabase(key));

高性能原理：

‌并发优化‌
plaintextCopy Code
读操作：完全无锁 (基于 ConcurrentHashMap) 写操作：最小化锁竞争 (分段锁技术)
‌内存效率‌
plaintextCopy Code
对象存储优化 - 比 Guava 减少 30% 内存占用避免 GC 压力 - 使用软/弱引用策略可控
‌智能淘汰‌
plaintextCopy Code
TinyLFU 算法流程图：新访问数据 → 进入 Admission Window → 频率统计 → ├─ 高频数据 → 保留 └─ 低频数据 → 对比历史频率 → 淘汰最低频

与同类对比：

特性	Caffeine	Guava Cache	Ehcache
并发吞吐量	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐
内存效率	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐
命中率	⭐⭐⭐⭐	⭐⭐	⭐⭐⭐
集群支持	❌	❌	✅
监控功能	✅	⚠️ 有限	✅

SpringBoot 集成：

yamlCopy Code

# application.yml spring: cache: type: caffeine caffeine: spec: maximumSize=50000,expireAfterWrite=300s

javaCopy Code

@Configuration public class CacheConfig { @Bean public CacheManager cacheManager() { CaffeineCacheManager manager = new CaffeineCacheManager(); manager.setCaffeine(Caffeine.newBuilder() .initialCapacity(1000) .maximumSize(50_000) .expireAfterAccess(10, TimeUnit.MINUTES) .recordStats()); // 开启统计 return manager; } } // 使用缓存 @Service public class UserService { @Cacheable(value = "users", key = "#id") public User getUser(String id) { // DB查询操作 } }

百万 QPS 场景最佳实践：

‌多级缓存架构‌
Caffeine(本地) → Redis(分布式) → DB(持久层)
‌缓存预热策略‌
javaCopy Code
// 启动时加载热点数据 @PostConstruct public void preloadCache() { hotKeys.parallelStream().forEach(key -> cache.get(key, this::loadFromDB) ); }
‌防穿透方案‌
javaCopy Code
.build(key -> { Data data = dbLoader.load(key); return data != null ? data : new EmptyObject(); // 空值缓存 });
‌监控统计‌
javaCopy Code
CacheStats stats = cache.stats(); log.info("命中率: {}%", stats.hitRate() * 100); log.info("平均加载时间: {}ms", stats.averageLoadPenalty() / 1_000_000);