触点数字孪生,揭秘它的独特魅力
949
2022-10-18
新一代缓存Caffeine,速度确实比Guava的Cache快
我想把记忆缓存起来,等再次见到你,就能够很快认出你。
能够说出这么有哲理的话,得益于我对缓存的理解,以及对它的看重。没有了缓存,我的人生就没有了意义。
缓存是非常重要的,工作中大部分工作可以说是和缓存打交道。由于使用广泛,所以针对缓存系统的任何优化,如果能够提高一丁点儿性能,就会让人无比兴奋。
很长一段时间,我都在用Guava的LoadingCache。它和ConcurrentHashMap是非常像的,但在其上封装了一些好用的逐出策略和并发优化,就显得好用的多。
今天主要说的是Caffeine,中文名就是咖啡因,一种容易让人精神亢奋的物质。它可以说是Guava的重写,但是效率却非常的高,青出于蓝而胜于蓝。
下图是Caffeine的一张性能测试图。可以看到它的性能,甩了GuavaCache老远。这是为什么呢?
localfile://media/15938442367524/15938448827543.jpg
首先要从它的作者开始说起。作者的github是( github.com/ben-manes ),曾经写了ConcurrentLinkedHashMap这个类,而这个类又是GuavaCache的基础。Ben Manes 一拍脑袋,决定更上层楼。
为什么说Caffeine好?
后浪Caffeine一来,GuavaCache就已经OUT了。
Caffeine支持异步加载方式,直接返回CompletableFutures,相对于GuavaCache的同步方式,它不用阻塞等待数据的载入。另外,它的编程模型是友好的,省去了很多重复的工作。
GuavaCache是基于LRU的,而Caffeine是基于LRU和LFU的,结合了两者的优点。对这两个算法不太清楚的同学,可以参考xjjdog之前的文章:《3种堆内缓存算法,赠源码和设计思路》
两者合体之后,变成了新的W-TinyLFU算法,它的命中率非常高,内存占用更加的小,这是主要原因所在。
Caffeine另外一个比较快的原因,就是很多操作都使用了异步,把这些事件提交到队列里。队列使用的RingBuffer,看到这个名词,我不自觉的想到了lmax的Disruptor,它已经成了无锁高并发的代名词。
测试命中率
我们决定拿线上的数据进行验证一下。事实上,大部分比较重要的Cache,我都已经使用Caffeine替换了,完成了骚气的升级。
由于它们的API长得非常像,这个过程是无痛的,连麻药都不需要打。
其中有个业务,有一个大的堆内缓存,缓存了用户数据。里面包含用户名、性别、地址、积分等属性,形成了一个JSON对象,但大小不超过1KB。通过灰度,根据不同的策略,我们测试了它的实际命中率。
策略1
最大缓存1w用户数据进入缓存后,5分钟失效(需要重新读取)
命中率:
Caffeine 29.22 %Guava 21.95%
策略2
加大缓存数据量到6w用户数据进入缓存后,20分钟失效,这个和Session有的一拼了
命中率(依然是高一筹):
Caffeine 56.04 %Guava 50.01%
策略3
直接加大缓存到15w用户数据进入缓存后,30分钟失效
此时的命中率:
Caffeine 71.10 %Guava 62.76%
Caffeine的命中率一直是领先的。命中率高,效率自然也就高。调整到50%以上,我们的缓存作用就很大了。
异步载入
再放上官方的两张测试图:
(1) Read (75%) / Write (25%)localfile://media/15938442367524/15938463845793.jpg
(2) Write (100%)localfile://media/15938442367524/15938464259214.jpg
(3) Read (100%)localfile://media/15938442367524/15938464366776.jpg
我们一直在提Caffeine的异步加载。那代码到底长什么样子呢?异步加载缓存使用了响应式编程模型,返回的是CompletableFuture对象。说实话,代码长得和Guava很像。
public static void main(String[] args) { AsyncLoadingCache
我记得前段时间翻Spring的源码时,也看到过它。localfile://media/15938442367524/15938479597151.jpg
在SpringBoot里,通过提供一个CacheManager的Bean,即可与Springboot-cache进行集成,可以说是很方便了。
关键代码。
//bean生成@Bean("caffeineCacheManager")public CacheManager cacheManager() { CaffeineCacheManager cacheManager = new CaffeineCacheManager(); cacheManager.setCaffeine(Caffeine.newBuilder() .maximumSize(1000)); return cacheManager;}//使用注入@CacheConfig(cacheNames = "caffeineCacheManager")//信息缓存@Cacheable(key = "#id")
技术框架这么多,何时是尽头。
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。