内容简介:跟开涛学架构六【应用级缓存】
- 基于空间:指缓存设置了存储空间,如果设置为10MB,当达到存储空间上限时,按照一定的策略移除数据。
- 基于容量:指缓存设置了最大大小,当缓存的条目超过最大大小时,按照一定的策略移除旧数据。
-
基于时间
TTL(Time To Live):存活期,即缓存数据从创建开始直到到期的一个时间段。
TTI(Time To Idle):空闲期,即缓存数据多久没有被访问后移除缓存的时间。 -
基于 Java 对象引用
软引用:如果一个对象是软引用,那么当JVM堆内存不足时,垃圾回收器可以回收这些对象。
弱引用:当垃圾回收器回收内存时,如果发现弱引用,则将它立即回收。相对于软引用,弱引用有更短的生命周期。
注意:只有在没有其他强引用对象引用软引用/弱引用对象时,垃圾回收时才会回收该引用。 -
回收算法
使用基于空间和基于容量的缓存会使用一定的策略移除旧数据,常见如下:
FIFO(First In First Out):先进先出算法,即先放入的缓存先被删除。
LRU(Least Recently Used):最近最少使用算法,使用时间距离现在最久的被移除。
LFU(Lease Frequently Used):最不常用算法,一定时间段内使用频率最少的呗移除。
Java缓存类型
- 堆缓存:使用java堆内存来存储对象,好处是不需要序列化/反序列化,速度快,缺点是受GC影响。可以使用Guava Cache、Ehcache 3.x、MapDB实现。
- 堆外缓存:缓存数据存储在堆外,突破了JVM的枷锁,读取数据时需要序列化/反序列化,比对堆内缓存慢很多。可以使用Ehcache 3.x、MapDB实现。
- 磁盘缓存:在JVM重启时数据还在,而堆缓存/堆外缓存数据会丢失,需要重新加载。可以使用Ehcache 3.x、MapDB实现。
- 分布式缓存:没啥好说的了,Redis…
对于上述缓存类型的使用,可以采用存储最热的数据到堆缓存,相对热的数据到堆外缓存,全量数据到分布式缓存。下面就来看下每一种类型怎么使用,示例写在real_server_1项目中。
堆缓存
<!-- guava版本 --> <dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>23.0</version> </dependency> private static void guavaHeap() throws InterruptedException { Cache<String, String> myCache = CacheBuilder.newBuilder() .concurrencyLevel(4) // 并发级别,即ConcurrentHashMap segment数量,越大并发能力越强 .expireAfterWrite(10, TimeUnit.SECONDS) // 设置过期TTL .maximumSize(10000) // 设置缓存的容量,当超出时,按照LRU进行回收 .build(); myCache.put("guava", "heap_guava"); while (true) { String value = myCache.getIfPresent("guava"); if (value == null) { System.out.println("Cache expired"); return; } else { System.out.println(value); } Thread.sleep(1000); } }
堆外缓存
<!-- mapdb --> <dependency> <groupId>org.mapdb</groupId> <artifactId>mapdb</artifactId> <version>3.0.5</version> </dependency> private static void mapdbDirect() throws InterruptedException { HTreeMap myCache = DBMaker.memoryDirectDB() .concurrencyScale(16) .make().hashMap("myCache") .expireStoreSize(64 * 1024 * 1024) .expireMaxSize(10000) .expireAfterCreate(10, TimeUnit.SECONDS) .expireAfterUpdate(10, TimeUnit.SECONDS) .expireAfterGet(10, TimeUnit.SECONDS) .create(); myCache.put("mapdb", "direct_mapdb"); System.out.println(myCache.get("mapdb")); Thread.sleep(15000); System.out.println(myCache.get("mapdb")); }
磁盘缓存
private static void mapdbDisk(){ DB db = DBMaker.fileDB("/Users/zhangjing/mpdb.data") .fileMmapEnable() // 启用mmap .fileMmapEnableIfSupported() // 在支持的平台上启用mmap .fileMmapPreclearDisable() // 让mmap更快 .cleanerHackEnable() // 一些BUG处理 .transactionEnable() // 启用事务 .closeOnJvmShutdown() .concurrencyScale(16).make(); HTreeMap myCache = db.hashMap("myCache") .expireMaxSize(10000) .expireAfterCreate(10, TimeUnit.SECONDS) .expireAfterUpdate(10, TimeUnit.SECONDS) .expireAfterGet(10, TimeUnit.SECONDS) .createOrOpen(); myCache.put("mapdb", "disk_mapdb"); db.commit(); }
分布式缓存
上面简单地过下集中缓存的皮毛,在具体使用过程中还得逐个深入研究。
缓存使用模式实践
已经有前人给我们总结了模式的使用场景,主要分为两大类:Cache-Aside和Cache-As-SoR(Read-through、Write-through、Write-behind)。首先介绍三个名词:
- SoR(system-of-record):记录系统,或者可以叫做数据源,即实际存储原始数据的系统。
- Cache:缓存,是SoR快照数据,Cache的访问速度比SoR要快,放入Cache的目的是提升访问速度,减少回源到SoR的次数。
- 回源:即回到数据源头获取数据,Cache没有命中时,需要从SoR读取数据,这叫做回源。
Cache-Aside
Cache-Aside即业务代码围绕着Cache写,是由业务代码直接维护缓存:
- 读场景:先从缓存获取数据,如果没有命中,则回源到SoR并将源数据放入缓存供下次读取使用。
- 写场景:先将数据写入SoR,写入成功后立即将数据同步写入缓存;或者先将数据写入SoR,写入成功后将缓存数据过期,下次读取时再加载缓存。
Cache-Aside可以用AOP模式去实现。
Cache-As-SoR
Cache-As-SoR即把Cache看做SoR,所有操作都是对Cache进行,然后Cache再委托给SoR进行真是的读/写。即业务代码中只看到Cache的操作,看不到关于SoR的相关代码。有三种实现:Read-Through、Write-Through、Write-Behind。
Read-Through
Read-through,业务代码首先调用Cache,如果Cache不命中由Cache回源到SoR,而不是业务代码(即由Cache读SoR)。使用Read-through模式,需要配置一个CacheLoader组件用来回源SoR加载源数据。
Write-Through
Write-Through被称为穿透写模式/直写模式,业务代码首先调用Cache写(新增/修改)数据,然后由Cache负责写缓存和写SoR,而不是由业务代码。使用Write-Through模式需要配置一个CacheWriter组件来回写SoR。
Write-Behind
Write-Behind也叫做 Write-Back,我们称之为回写模式。不同于Write-Through是同步写SoR和Cache,Write-Behind是异步写。异步之后可以实现批量写、合并写、延时写和限流。
这部分代码就不贴出来了,可以选择适合自己的缓存方式再深入研究。
以上所述就是小编给大家介绍的《跟开涛学架构六【应用级缓存】》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 如果20万用户同时访问一个热点缓存,如何优化你的缓存架构?【石杉的架构笔记】
- 架构真经 | 缓存为王
- 缓存架构设计,从此不再发愁
- memcached架构及缓存策略
- LAMP架构中Memcached缓存应用
- 架构设计笔记(十一):关键模式_缓存
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。