分布式系統緩存系列之guava cache


    guava是google的一個開源java框架,其github地址是 https://github.com/google/guava。guava工程包含了若干被Google的 Java項目廣泛依賴的核心庫,例如:集合 [collections] 、緩存 [caching] 、原生類型支持 [primitives support] 、並發庫 [concurrency libraries] 、通用注解 [common annotations] 、字符串處理 [string processing] 、I/O 等等。 所有這些工具每天都在被Google的工程師應用在產品服務中。 其中caching這一塊是我常用的模塊的之一,今天就來分享一下我對guava cache的一些見解。

 

   guava cache使用簡介

     guava cache 是利用CacheBuilder類用builder模式構造出兩種不同的cache加載方式CacheLoader,Callable,共同邏輯都是根據key是加載value。不同的地方在於CacheLoader的定義比較寬泛,是針對整個cache定義的,可以認為是統一的根據key值load value的方法,而Callable的方式較為靈活,允許你在get的時候指定load方法。看以下代碼

Cache<String,Object> cache = CacheBuilder.newBuilder()
                .expireAfterWrite(10, TimeUnit.SECONDS).maximumSize(500).build();

         cache.get("key", new Callable<Object>() { //Callable 加載
            @Override
            public Object call() throws Exception {
                return "value";
            }
        });

        LoadingCache<String, Object> loadingCache = CacheBuilder.newBuilder()
                .expireAfterAccess(30, TimeUnit.SECONDS).maximumSize(5)
                .build(new CacheLoader<String, Object>() {
                    @Override
                    public Object load(String key) throws Exception {
                        return "value";
                    }
                });

 

    這里面有幾個參數expireAfterWrite、expireAfterAccess、maximumSize其實這幾個定義的都是過期策略。expireAfterWrite適用於一段時間cache可能會發先變化場景。expireAfterAccess是包括expireAfterWrite在內的,因為read和write操作都被定義的access操作。另外expireAfterAccess,expireAfterAccess都是受到maximumSize的限制。當緩存的數量超過了maximumSize時,guava cache會要據LRU算法淘汰掉最近沒有寫入或訪問的數據。這里的maximumSize指的是緩存的個數並不是緩存占據內存的大小。 如果想限制緩存占據內存的大小可以配置maximumWeight參數。

      看代碼:

  CacheBuilder.newBuilder().weigher(new Weigher<String, Object>() {

              @Override
              public int weigh(String key, Object value) {
                  return 0;  //the value.size()
              }
          }).expireAfterWrite(10, TimeUnit.SECONDS).maximumWeight(500).build();

   weigher返回每個cache value占據內存的大小,這個大小是由使用者自身定義的,並且put進內存時就已經確定后面就再不會發生變動。maximumWeight定義了所有cache value加起的weigher的總和不能超過的上限。

    注意一點就是maximumWeight與maximumSize兩者只能生效一個是不能同時使用的!

 

   guava cache的設計

    guava cache作為一個被廣泛使用的緩存組件,設計上它有哪些過人之處?

    先看下cache的類實現定義

class LocalCache<K, V> extends AbstractMap<K, V> implements ConcurrentMap<K, V> {....} 

    我們看到了ConcurrentMap,所以我們知道了一點guava cache基於ConcurrentHashMap的基礎上設計。所以ConcurrentHashMap的優點它也具備。既然實現了      ConcurrentMap那再看下guava cache中的Segment的實現是怎樣?

 

   我們看到guava cache 中的Segment本質是一個ReentrantLock。內部定義了table,wirteQueue,accessQueue定義屬性。其中table是一個ReferenceEntry原子類數組,里面就存放了cache的內容。wirteQueue存放的是對table的寫記錄,accessQueue是訪問記錄。guava cache的expireAfterWrite,expireAfterAccess就是借助這個兩個queue來實現的。

  了解了guava cache的大概存儲結構,下面看通過對cache的操作來進行更深入的了解。

   put(key,val)操作。

  public V put(K key, V value) {
    checkNotNull(key);
    checkNotNull(value);
    int hash = hash(key);
    return segmentFor(hash).put(key, hash, value, false);
  }

  設置緩存大概的過程:根據key 哈希到對應的segment,然后對segment加鎖lock(),然后獲取segment.table對應的結點

int index = hash & (table.length() - 1);
ReferenceEntry<K, V> first = table.get(index);

  之后入隊的過程和hashMap的入隊過程類似。入隊完之后還會進行相關操作比如更新accessQueue和wiriteQueue,累加totalWeight

 void recordWrite(ReferenceEntry<K, V> entry, int weight, long now) {
      // we are already under lock, so drain the recency queue immediately
      drainRecencyQueue();
      totalWeight += weight;

      if (map.recordsAccess()) {
        entry.setAccessTime(now);
      }
      if (map.recordsWrite()) {
        entry.setWriteTime(now);
      }
      accessQueue.add(entry);
      writeQueue.add(entry);
    }

  get(key)操作 。

     第一步也是先定位到所在segment

V get(K key, CacheLoader<? super K, V> loader) throws ExecutionException {
    int hash = hash(checkNotNull(key));
    return segmentFor(hash).get(key, hash, loader);
  }

   判斷key對應的ReferenceEntry存在

  ReferenceEntry<K, V> e = getEntry(key, hash);
          if (e != null) {
            long now = map.ticker.read();
            V value = getLiveValue(e, now);
            if (value != null) {
              recordRead(e, now);
              statsCounter.recordHits(1);
              return scheduleRefresh(e, key, hash, value, now, loader);
            }
            ValueReference<K, V> valueReference = e.getValueReference();
            if (valueReference.isLoading()) {
              return waitForLoadingValue(e, key, valueReference);
            }
          
getLiveValue(e, now)如果返回了null就表示當前cache已經過期了,不為null時recordRead(e, now)記錄最新訪問時間為now,然后統計命中率。scheduleRefresh(e, key, hash, value, now, loader)相當於一個雙重檢查,再次檢查cache需不需要刷新,如果需要刷新看不看不能馬上拿到新值。
如果可以返回新值,否直接拿原值返回。
這時注意valueReference.isLoading()為true的時候就表示有其它線程正在更新該cache,其它所有線程都要wait到這個線程loading完
才能返回。

key對應的ReferenceEntry不存在:緩存沒有加載進來或者已經被remove掉。
      return lockedGetOrLoad(key, hash, loader);

  lockedGetOrLoad執行邏輯是先加鎖lock(),判斷當前是否有其它線程在loading該cache,如果有等待其加載完畢然后返回。否自己執行loader把值設進cache中然后返回。   

try {
          // Synchronizes on the entry to allow failing fast when a recursive load is
          // detected. This may be circumvented when an entry is copied, but will fail fast most
          // of the time.
          synchronized (e) {
            return loadSync(key, hash, loadingValueReference, loader);
          }
        } finally {
          statsCounter.recordMisses(1);
        }

  

    guava cache的淘汰策略

     guava cache總體來說有四種淘汰策略。

     1、size-based 基本於使用量。

      當緩存個數超過CacheBuilder.maximumSize(long)設置的值時,優先淘汰最近沒有使用或者不常用的元素。同理CacheBuilder.maximumWeight(long)也是一樣邏輯。

     2、timed eviction 基於時間驅逐。

       expireAfterAccess(long, TimeUnit)僅在指定上一次讀/更新操作過了指定持續時間之后才考慮淘汰,淘汰邏輯與size-based是類似的。優先淘汰最近沒有使用或者不常用的元素

     expireAfterWrite(long, TimeUnit) 僅在指定上一次寫/更新操作過了指定持續時間之后才考慮淘汰,淘汰邏輯與size-based是類似的。優先淘汰最近沒有使用或者不常用的元素

    3、Reference-based Eviction 基本於引用驅逐

        在JDK1.2之后,Java對引用的概念進行了擴充,將引用分為強引用(Strong Reference)、軟引用(Soft Reference)、弱引用(Weak Refernce)、虛引用(Phantom Reference)。四種引用強度依次減弱。這四種引用除了強引用(Strong Reference)之外,其它的引用所對應的對象來JVM進行GC時都是可以確保被回收的。所以通過使用弱引用的鍵、或弱引用的值、或軟引用的值,Guava Cache可以把緩存設置為允許垃圾回收:

  • CacheBuilder.weakKeys():使用弱引用存儲鍵。當鍵沒有其它(強或軟)引用時,緩存項可以被垃圾回收。因為垃圾回收僅依賴恆等式(==),使用弱引用鍵的緩存用==而不是equals比較鍵。
  • CacheBuilder.weakValues():使用弱引用存儲值。當值沒有其它(強或軟)引用時,緩存項可以被垃圾回收。因為垃圾回收僅依賴恆等式(==),使用弱引用值的緩存用==而不是equals比較值。
  • CacheBuilder.softValues():使用軟引用存儲值。軟引用只有在響應內存需要時,才按照全局最近最少使用的順序回收。考慮到使用軟引用的性能影響,我們通常建議使用更有性能預測性的緩存大小限定(使用軟引用值的緩存同樣用==而不是equals比較值)

        這樣的好處就是當內存資源緊張時可以釋放掉到緩存的內存。注意!CacheBuilder如果沒有指明默認是強引用的,GC時如果沒有元素到達指定的過期時間,內存是不能被回收的。

   4、顯示刪除

   任何時候,你都可以顯式地清除緩存項,而不是等到它被回收:

       提一下guava cache 是怎么觸發元素回收的。guava的元素回收與其它的一些框架不一樣比如redis,redis是起額外的線程去回收元素。而guava是進行get,put操作的時候順便把元素回收的。這樣比一般的緩存另起線程監控清理相比,可以減少開銷,但如果長時間沒有調用方法的話,會導致不能及時的清理釋放內存空間的問題。回收時主要處理四個Queue:1. keyReferenceQueue;2. valueReferenceQueue;3. writeQueue;4. accessQueue。前兩個queue是因為WeakReference、SoftReference被垃圾回收時加入的,清理時只需要遍歷整個queue,將對應的項從LocalCache中移除即可,這里keyReferenceQueue存放ReferenceEntry,而valueReferenceQueue存放的是ValueReference。而對后面兩個Queue,只需要檢查是否配置了相應的expire時間,然后從頭開始查找已經expire的Entry,將它們移除即可。

     總的來說,guava cache基於ConcurrentHashMap的優秀設計借鑒,在高並發場景支持線程安全,使用Reference引用命令,保證了GC的可回收到相應的數據,有效節省空間;同時write鏈和access鏈的設計,能更靈活、高效的實現多種類型的緩存清理策略,包括基於容量的清理、基於時間的清理、基於引用的清理等;

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM