基于springboot使用Caffeine

Caffeine 是一个基于 Java 的高性能、现代化的缓存库。它由 Ben Manes 开发，受 Google Guava 缓存库的启发，但具有更好的性能和更多的功能。

Caffeine 的核心特点

高性能
- 基于 Java 8 的现代化设计，利用高级并发算法，提供极低的延迟和高吞吐量。
- 相比于 Guava Cache 和其他缓存库，Caffeine 在性能测试中表现出色。
灵活的缓存策略
- 支持多种缓存过期策略：
  - 基于时间的过期（expireAfterWrite 和 expireAfterAccess）。
  - 基于大小的自动清除（maximumSize 和 maximumWeight）。
- 支持基于权重的缓存淘汰（需要自定义权重计算函数）。
自适应淘汰策略
- 使用 Window TinyLFU 算法，该算法结合了频率和最近使用（LRU 和 LFU）的优点，能够更高效地淘汰缓存项。
强大的异步支持
- 提供异步缓存接口，可以异步加载缓存数据（Caffeine.asyncCache）。
- 特别适合高并发场景。
完全可定制
- 提供丰富的 API，可根据需求灵活配置缓存行为。
- 支持监听器功能，可以监控缓存的命中率、缓存项的添加和移除。
与 Spring 的良好集成
- Caffeine 可以通过 spring-boot-starter-cache 与 Spring Cache 机制无缝集成，作为 Spring 的缓存提供者。

Caffeine 的基本用法

引入依赖

Maven：

<dependency><groupId>com.github.ben-manes.caffeine</groupId><artifactId>caffeine</artifactId><version>3.1.8</version>
</dependency>

Gradle：

implementation 'com.github.ben-manes.caffeine:caffeine:3.1.8'

创建缓存

同步缓存示例：

import com.github.benmanes.caffeine.cache.Cache;
import com.github.benmanes.caffeine.cache.Caffeine;import java.util.concurrent.TimeUnit;public class CaffeineExample {public static void main(String[] args) {// 配置缓存Cache<String, String> cache = Caffeine.newBuilder().maximumSize(100) // 最大条目数.expireAfterWrite(10, TimeUnit.MINUTES) // 写入后10分钟过期.build();// 使用缓存cache.put("key1", "value1");String value = cache.getIfPresent("key1"); // 获取缓存项System.out.println(value); // 输出: value1}
}

异步缓存示例：

import com.github.benmanes.caffeine.cache.AsyncCache;
import com.github.benmanes.caffeine.cache.Caffeine;import java.util.concurrent.CompletableFuture;
import java.util.concurrent.TimeUnit;public class AsyncCaffeineExample {public static void main(String[] args) {// 配置异步缓存AsyncCache<String, String> asyncCache = Caffeine.newBuilder().maximumSize(100).expireAfterWrite(10, TimeUnit.MINUTES).buildAsync();// 异步加载asyncCache.get("key1", key -> fetchFromDatabase(key)).thenAccept(value -> {System.out.println("Loaded value: " + value);});}// 模拟从数据库加载private static String fetchFromDatabase(String key) {return "FetchedValueFor-" + key;}
}

常用 API

缓存大小和权重限制

Caffeine.newBuilder().maximumSize(500)  // 最大缓存条目数.maximumWeight(1000) // 最大缓存权重（需指定权重函数）.weigher((key, value) -> value.toString().length()) // 权重函数.build();

缓存过期策略

按时间过期：

Caffeine.newBuilder().expireAfterWrite(10, TimeUnit.MINUTES) // 写入后10分钟过期.expireAfterAccess(5, TimeUnit.MINUTES) // 访问后5分钟过期.build();

自定义过期：

Caffeine.newBuilder().expireAfter(new Expiry<String, String>() {@Overridepublic long expireAfterCreate(String key, String value, long currentTime) {return TimeUnit.MINUTES.toNanos(10); // 10分钟后过期}@Overridepublic long expireAfterUpdate(String key, String value, long currentTime, long currentDuration) {return currentDuration; // 不更新过期时间}@Overridepublic long expireAfterRead(String key, String value, long currentTime, long currentDuration) {return currentDuration; // 不更新过期时间}}).build();

统计信息
启用缓存统计，便于监控缓存命中率和性能：

Cache<String, String> cache = Caffeine.newBuilder().maximumSize(100).recordStats() // 启用统计.build();System.out.println(cache.stats()); // 打印统计信息

监听器
注册监听器以捕获缓存项的添加、更新和移除事件：

Caffeine.newBuilder().maximumSize(100).removalListener((key, value, cause) ->System.out.printf("Key %s removed due to %s%n", key, cause)).build();

适用场景

API 调用结果缓存：减少重复的网络或服务调用。
数据查询缓存：缓存数据库查询结果，提升查询性能。
会话数据缓存：在用户访问期间缓存会话相关的数据。
实时性要求较高的应用：需要高效、低延迟的缓存系统。

与其他缓存库的比较

特性	Caffeine	Guava Cache	Ehcache	Redis
本地缓存	✅	✅	✅	❌
分布式缓存	❌	❌	✅	✅
性能（低延迟）	非常高	中等	中等	取决于网络
灵活性	高	中等	高	高
异步支持	✅	❌	❌	✅