序:使用java的Map做緩存，你是否考慮過容量導致的OOM問題，是否考慮命中率對性能的影響？？
應用系統開發中，我們經常會使用redis,memcache等第三方框架做緩存的解決方案，有的時候我們的需求以及應用場景並不是那么復雜，而且交付日期已經秒計了。我們怎么敢在現有的應用中引入第三方框架，火都把頭頂燒禿咯。這個時候怎么辦，績效啊，年終獎啊。
關於緩存我們應該考慮什么？-intsmaze
可能大部分人使用緩存都僅僅是取和存操作，但是呢！如果對計算機操作系統有所了解，其實不用看redis的配置文件就知道要考慮容量的問題。比如操作系統中的頁面調度的各種FIFO，LRU算法都是為了提高命中率。同樣我們在應用中使用緩存也應該考慮命中率和容量問題。尤其是我們使用Java的map做簡單的緩存，更是應該考慮。
女神：容量是嗎？說的那么高大上，不就new的時候指定一下容量嘛，這么簡單
new HashMap<Integer, Byte[]>(100);
intsmaze:您好，你可以嘗試往map里面添加101個元素，然后遍歷map看看遍歷的數據個數是100還是101，HashMap內部有一個數組，會自動擴容的親。
女神:哎呀，確實。那么我就把HashMap封裝一下吧。
private Map<String,String> map=new HashMap<String,String>();
private int len;
public intsmaze(int len)
{
this.len=len;
}
boolean put(String key,String value)
{
if(map.size()==len)
{
return false;
}
else
{
map.put(key, value);
return true;
}
}
intsmaze：您好，這樣確實解決了OOM問題，但是我有一個問題不知當講不當講，這樣做的話，是不是put len次后，后面的數據都不會存儲了，get的時候永遠只能從get到錢len次的數據，其他的數據要走硬盤去讀了?
女神:是的，我把len的大小設置大一點，然后每隔一個小時清空一下map里面的值，不就行了，你為什么要針對我啊？
intsmaze: 額，你這樣也可以，但是要在前期花時間調試Map大小，選擇一個合適的大小，而且每隔一個小時，mysql等存儲都會面臨大量的請求，容易引發緩存雪崩。而且如果最求性能的話，這里其實還是有提高的，命中率的高低決定了性能的高低。
女神: 那你想怎么樣？咋滴啥？
intsmaze: 這個時候你可以了解一下FIFO，LRU等。如果你用過redis，你應該知道，不你可能知道，redis關於命中率三種策略（FIFO 、LRU、LFU）。所以我們如果要使用Map做緩存，我們也應該考慮一下命中率。后面編不下去了，直接講這篇文章的重點吧。
WeakHashMap弱引用-intsmaze
WeakHashMap實現了Map接口，使用弱引用作為內部數據的存儲方案。WeakHashMap是弱引用的典型應用，可以作為簡單的緩存表解決方案。WeakHashMap會在系統內存范圍內，保存所有表項目，一旦內存不夠，在GC時，沒有被引用的表項很快會被清除掉，從而避免系統內存溢出。
關於弱引用我就不講啦，百度一大堆
Map<Integer, Byte[]> map = null;
map = new WeakHashMap<Integer, Byte[]>();
for (int i = 0; i < 10000; i++) {
Integer integer = new Integer(i);
map.put(integer, new Byte[i]);
}
//-Xmx5M 這個時候發現沒有OOM
// -Xmx5M java.lang.OutOfMemoryError: Java heap space
map = new HashMap<Integer, Byte[]>(10);
for (int i = 0; i < 100; i++) {
Integer integer = new Integer(i);
map.put(integer, new Byte[i]);
}
//如果存放在WeakHashMap中的key都存在強引用，那么WeakHashMap就會退化為HashMap。
// -Xmx5M java.lang.OutOfMemoryError: Java heap space
// at cn.intsmaze.collection.MapCase.testWeakHash(MapCase.java:119)
map = new WeakHashMap<Integer, Byte[]>();
List list = new ArrayList();
for (int i = 0; i < 10000; i++) {
Integer integer = new Integer(i);
map.put(integer, new Byte[i]);// 如果你看不起我，你可以把這行注釋，你將會發現姜還是老的辣，內存溢出是WeakHashMap而不是List導致.
list.add(integer);
}
如果希望在系統中通過WeakHashMap自動清理數據，盡量不要在系統的其他地方強引用WeakHashMap的key,否則，這些key就不會被回收，WeakHashMap也就無法正常釋放他們所占用的表項。
線程安全問題-intsmaze
前面已經知道，使用WeakHashMap可以忽略容量問題，提升緩存容量。只是當容量不夠時，不會OOM，內部數據會被GC回收。命中率好像沒有辦法，容我掉一片頭發換來深度思考后給出方案。
使用WeakHashMap一般是全局變量，局部變量的應用場景應該沒有吧。
觀察WeakHashMap源碼可以發現，它是線程不安全的，所以在多線程場景該怎么辦嘞？
Collections-intsmaze
WeakHashMap<String, String> weakHashMapintsmaze=new WeakHashMap<String, String>();
Map<String, String> intsmaze=Collections.synchronizedMap(weakHashMapintsmaze);
就問你服不服。
ThreadLocal-intsmaze
一個ThreadLocal記錄一個weakHashMap,良好的系統是不會不斷的創建銷毀線程的，而是有線程池進行維護，那么就用ThreadLocal吧。不懂，你可以先關注我，再去百度。
我的博客即將搬運同步至騰訊雲+社區，邀請大家一同入駐：https://cloud.tencent.com/developer/support-plan?invite_code=2mx7vvis5a80k