在线网站分析工具中国站长
🌟 引言
在软件开发过程中，缓存是提升系统性能的常用手段。对于基础场景，直接使用 Java集合框架（如Map/Set/List）即可满足需求。然而，当面对更复杂的缓存场景时：
- 需要支持多种过期策略（基于时间、访问频率等）
- 要求自动淘汰机制
- 需要线程安全等高级特性
自行实现这些功能往往复杂度较高。本文将介绍 Java 生态中成熟的两大主流本地缓存解决方案：Caffeine（新一代缓存之王）和Guava Cache（经典缓存方案）。
📊 核心维度对比
| 评估维度 | Caffeine | Guava Cache |
|---|---|---|
| 性能 | ⚡ 读写吞吐量高5-10倍 | 🐢 中等性能 |
| 内存效率 | 🧠 更低内存占用（优化数据结构） | 📦 较高内存消耗 |
| 并发能力 | 🚀 无锁算法，百万级QPS | 🔒 分段锁，十万级QPS |
| 淘汰算法 | 🎯 TinyLFU + LRU 自适应 | ⏳ 标准LRU |
| 监控统计 | 📈 内置详细指标 | 📊 基础统计 |
| JDK兼容性 | Java 8+ | Java 6+ |
| 社区活跃度 | 🌟 持续更新（2023年仍有新版本） | 🛑 维护模式（仅修复bug） |
🚀 Caffeine
Caffeine 是一个性能ISS（In-Space Sizing）的缓存框架，它使用无锁算法和分段锁机制，以更优的方式优化了缓存淘汰算法。Caffeine 的设计目标为极致性能，并针对一些常见的场景进行了优化。
🌟 特性
- 无锁算法和分段锁机制，以更优的方式优化了缓存淘汰算法。
- 高命中率，通过优化淘汰算法，Caffeine 显著提高缓存命中率。
- 更低内存开销，Caffeine 使用更小的内存结构，从而减少内存消耗。
- 线程安全，Caffeine 支持并发操作，保证线程安全。
🌟 如何使用
<dependency><groupId>com.github.ben-manes.caffeine</groupId><artifactId>caffeine</artifactId><version>3.2.0</version>
</dependency>
import com.github.benmanes.caffeine.cache.*;
import java.util.concurrent.TimeUnit;
import java.util.concurrent.CompletableFuture;public class CaffeineDemo {public static void main(String[] args) {basicUsageDemo();loadingCacheDemo();asyncLoadingCacheDemo();evictionDemo();statisticsDemo();}/*** 基础缓存操作示例*/public static void basicUsageDemo() {System.out.println("\n=== 1. 基础缓存操作 ===");Cache<String, String> cache = Caffeine.newBuilder().expireAfterWrite(5, TimeUnit.SECONDS) // 写入5秒后过期.maximumSize(100) // 最大100个条目.build();// 手动写入cache.put("key1", "value1");// 获取值（不存在返回null）String value = cache.getIfPresent("key1");System.out.println("获取key1: " + value); // 输出: value1// 获取或计算（线程安全）String value2 = cache.get("key2", k -> "computed-" + k);System.out.println("获取key2: " + value2); // 输出: computed-key2}/*** 自动加载缓存示例*/public static void loadingCacheDemo() {System.out.println("\n=== 2. 自动加载缓存 ===");LoadingCache<String, String> cache = Caffeine.newBuilder().expireAfterAccess(3, TimeUnit.SECONDS) // 3秒未访问则过期.maximumSize(10).build(key -> {// 模拟从数据库加载System.out.println("正在加载: " + key);return "db-value-" + key;});// 自动触发加载函数System.out.println(cache.get("user1001")); // 输出: db-value-user1001System.out.println(cache.get("user1001")); // 第二次直接从缓存获取}/*** 异步加载缓存示例*/public static void asyncLoadingCacheDemo() {System.out.println("\n=== 3. 异步加载缓存 ===");AsyncLoadingCache<String, String> cache = Caffeine.newBuilder().expireAfterWrite(10, TimeUnit.SECONDS).maximumSize(1000).buildAsync(key -> {// 模拟异步加载return CompletableFuture.supplyAsync(() -> {System.out.println("异步加载: " + key);return "async-value-" + key;});});// 异步获取cache.get("id123").thenAccept(value -> {System.out.println("异步获取结果: " + value); // 输出: async-value-id123});}/*** 淘汰策略示例*/public static void evictionDemo() {System.out.println("\n=== 4. 淘汰策略 ===");Cache<String, String> cache = Caffeine.newBuilder().maximumSize(3) // 测试用的小容量.removalListener((key, value, cause) -> System.out.printf("淘汰事件: key=%s, 原因=%s\n", key, cause)).build();cache.put("k1", "v1");cache.put("k2", "v2");cache.put("k3", "v3");cache.put("k4", "v4"); // 触发淘汰（LRU）System.out.println("当前大小: " + cache.estimatedSize()); // 输出: 3}/*** 统计功能示例*/public static void statisticsDemo() {System.out.println("\n=== 5. 统计功能 ===");Cache<String, String> cache = Caffeine.newBuilder().maximumSize(100).recordStats() // 开启统计.build();cache.put("k1", "v1");cache.getIfPresent("k1");cache.getIfPresent("missingKey");CacheStats stats = cache.stats();System.out.println("命中率: " + stats.hitRate()); // 输出: 0.5System.out.println("命中数: " + stats.hitCount()); // 输出: 1System.out.println("未命中数: " + stats.missCount()); // 输出: 1}
}
🚀 Guava Cache
Guava Cache 是 Google 官方提供的一个缓存框架，它提供了许多高级特性，如自动加载、统计、序列化、并发控制等。与 Caffeine 不同，Guava Cache 的设计目标为简单易用，并支持更多的高级特性。
🌟 特性
- 自动加载、统计、序列化、并发控制等高级特性。
- 更高的并发控制，Guava Cache 使用更复杂的并发控制机制，以更优的方式解决并发问题。
🌟 如何使用
<dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>33.4.8-jre</version>
</dependency>
import java.util.concurrent.ExecutionException;
import java.util.concurrent.TimeUnit;
import com.google.common.cache.*;
import io.vavr.collection.List;
public class GuavaCacheDemo {public static void main(String[] args) throws ExecutionException {basicUsageDemo();loadingCacheDemo();cacheRemovalListenerDemo();cacheStatisticsDemo();advancedEvictionDemo();}/*** 基础缓存操作示例*/public static void basicUsageDemo() {System.out.println("\n=== 1. 基础缓存操作 ===");Cache<String, String> cache = CacheBuilder.newBuilder().expireAfterWrite(5, TimeUnit.SECONDS) // 写入5秒后过期.maximumSize(100) // 最大100个条目.concurrencyLevel(4) // 并发级别.build();// 手动写入cache.put("key1", "value1");// 获取值（不存在返回null）String value = cache.getIfPresent("key1");System.out.println("获取key1: " + value); // 输出: value1// 尝试获取不存在的keyString value2 = cache.getIfPresent("key2");System.out.println("获取不存在的key2: " + value2); // 输出: null}/*** 自动加载缓存示例*/public static void loadingCacheDemo() throws ExecutionException {System.out.println("\n=== 2. 自动加载缓存 ===");LoadingCache<String, String> cache = CacheBuilder.newBuilder().expireAfterAccess(3, TimeUnit.SECONDS) // 3秒未访问则过期.maximumSize(10).build(new CacheLoader<String, String>() {@Overridepublic String load(String key) {// 模拟从数据库加载System.out.println("正在加载: " + key);return "db-value-" + key;}});// 自动触发加载函数System.out.println(cache.get("user1001")); // 输出: db-value-user1001System.out.println(cache.get("user1001")); // 第二次直接从缓存获取// 批量获取System.out.println(cache.getAll(List.of("user1002", "user1003")));}/*** 缓存淘汰监听器示例*/public static void cacheRemovalListenerDemo() {System.out.println("\n=== 3. 淘汰监听器 ===");RemovalListener<String, String> listener = notification -> {System.out.printf("淘汰事件: key=%s, value=%s, 原因=%s\n", notification.getKey(), notification.getValue(),notification.getCause());};Cache<String, String> cache = CacheBuilder.newBuilder().maximumSize(3) // 测试用的小容量.removalListener(listener).build();cache.put("k1", "v1");cache.put("k2", "v2");cache.put("k3", "v3");cache.put("k4", "v4"); // 触发淘汰（LRU）cache.invalidate("k2"); // 手动触发淘汰}/*** 缓存统计示例*/public static void cacheStatisticsDemo() {System.out.println("\n=== 4. 缓存统计 ===");Cache<String, String> cache = CacheBuilder.newBuilder().maximumSize(100).recordStats() // 开启统计.build();cache.put("k1", "v1");cache.getIfPresent("k1");cache.getIfPresent("missingKey");CacheStats stats = cache.stats();System.out.println("命中率: " + stats.hitRate()); // 输出: 0.5System.out.println("命中数: " + stats.hitCount()); // 输出: 1System.out.println("未命中数: " + stats.missCount()); // 输出: 1System.out.println("加载成功数: " + stats.loadSuccessCount());}/*** 高级淘汰策略示例*/public static void advancedEvictionDemo() {System.out.println("\n=== 5. 高级淘汰策略 ===");Cache<String, String> cache = CacheBuilder.newBuilder()// 基于权重的淘汰（假设不同value占用不同空间）.maximumWeight(1000).weigher((String key, String value) -> value.length())// 弱引用key和value（适合缓存大对象）.weakKeys().weakValues()// 定期维护（减少并发开销）.concurrencyLevel(8).build();cache.put("long", "这是一个很长的字符串值");cache.put("short", "小");System.out.println("当前大小: " + cache.size());}
}
🎉 结论
对于大多数现代 Java 应用，Caffeine 无疑是更优选择，其卓越的性能表现和更低的内存开销使其成为新项目的首选。而 Guava Cache 则更适合已有 Guava 生态的遗留系统，或者需要特定功能（如 CacheLoader 深度集成）的场景。
终极建议： 新项目直接采用 Caffeine，老项目若无性能瓶颈可继续使用 Guava Cache，在遇到性能问题时再考虑迁移。两者 API 相似，迁移成本较低。