在什么場景下需要使用緩存呢？
緩存在很多場景下都是需要使用的。比如在需要一個值的過程和代價特別高的情況下，而且對這個值的需要不止一次的情況下，我們可能就需要考慮使用緩存了。
在什么場景下需要使用本地緩存呢？
一般來說要使用本地緩存，首先，是緩存中的數據總量不會超過內存的容量。並且你願意消耗一些內存來提升速度。
那怎么實現本地緩存呢？
一般來說我們可以直接使用jdk里提供的數據結構來作為緩存，但這樣有個問題就是緩存的一些機制，比如緩存過期的淘汰策略，緩存的初始化，緩存最大容量的設置，緩存的共享等等一些列的問題需要自己去考慮和實現。
第二種方法就是我們可以使用一些業界開源的，成熟的一些第三方的工具來幫助我們實現緩存。這其中有：EHCache,cahce4j等等好多框架和工具。但從我使用的來看我認為google里guava包內的緩存工具是我使用過的最方便，簡單的緩存框架。
下面就來介紹這個Guava包內的CacheBuilder。
加載（初始化）
使用Cacheloder自動加載
LoadingCache是附帶CacheLoader構建而成的緩存實現。創建自己的CacheLoader通常只需要簡單地實現V load(K key) throws Exception方法。（當然你也可以重新實現Cacheloder里的其他方法，來擴展你緩存的功能，比如loadAll,reload等。）
簡單的一個例子：
LoadingCache<Key, String> graphs = CacheBuilder.newBuilder().maximumSize(2000).build( new CacheLoader<Key, String>() { public Graph load(Key key) throws AnyException { return createExpensiveGraph(key); } }); ... ... try { return graphs.get(key); } catch (ExecutionException e) { throw new OtherException(e.getCause()); } 由於CacheLoader可能拋出異常，LoadingCache.get(K)也聲明為拋出ExecutionException異常。如果你定義的CacheLoader沒有聲明任何檢查型異常，則可以通過getUnchecked(K)查找緩存；但必須注意，一旦CacheLoader聲明了檢查型異常，就不可以調用getUnchecked(K)。
ImmutableMap<K, V> getAll(Iterable<? extends K> keys) throws ExecutionException;這個方法用來執行批量查詢。默認情況下，對每個不在緩存中的鍵，getAll方法會單獨調用CacheLoader.load來加載緩存項。如果批量的加載比多個單獨加載更高效，你可以重載CacheLoader.loadAll來利用這一點。getAll(Iterable)的性能也會相應提升。
獲取緩存-如果沒有-則計算（get-if-absent-compute）
get(K, Callable<V>)這個方法不論有沒有實現自動加載都可以使用。代碼用例如下：
Cache<Key, Graph> cache = CacheBuilder.newBuilder()
.maximumSize(1000) .build(); // look Ma, no CacheLoader ... try { // If the key wasn't in the "easy to compute" group, we need to // do things the hard way. cache.get(key, () -> doThingsTheHardWay(key)); } catch (ExecutionException e) { throw new OtherException(e.getCause()); } tip：在整個加載方法完成前，緩存項相關的可觀察狀態都不會更改。這個方法簡便地實現了模式"如果有緩存則返回；否則運算、緩存、然后返回"。
顯示插入
使用cache.put(key, value)方法可以直接向緩存中插入值，這會直接覆蓋掉給定鍵之前映射的值。使用Cache.asMap()視圖提供的任何方法也能修改緩存。但請注意，asMap視圖的任何方法都不能保證緩存項被原子地加載到緩存中。進一步說，asMap視圖的原子運算在Guava Cache的原子加載范疇之外，所以相比於Cache.asMap().putIfAbsent(K,
V)，Cache.get(K, Callable<V>) 應該總是優先使用。
緩存的回收
Guava Cache提供了三種基本的緩存回收方式：基於容量回收、定時回收和基於引用回收。
基於容量的回收（size-based eviction）
如果要規定緩存項的數目不超過固定值，只需使用CacheBuilder.maximumSize(long)
緩存將嘗試回收最近沒有使用或總體上很少使用的緩存項。——警告：在緩存項的數目達到限定值之前，緩存就可能進行回收操作——通常來說，這種情況發生在緩存項的數目逼近限定值時。
另外，不同的緩存項有不同的“權重”（weights）——例如，如果你的緩存值，占據完全不同的內存空間，你可以使用CacheBuilder.weigher(Weigher)指定一個權重函數，並且用CacheBuilder.maximumWeight(long)指定最大總重。在權重限定場景中，除了要注意回收也是在重量逼近限定值時就進行了，還要知道重量是在緩存創建時計算的，因此要考慮重量計算的復雜度。。
當cache中所有的“weight”總和達到maxKeyWeight時，將會觸發“剔除策略”。
定時回收（Timed Eviction）
CacheBuilder提供兩種定時回收的方法：
-
expireAfterAccess(long, TimeUnit)：緩存項在給定時間內沒有被讀/寫訪問，則回收。請注意這種緩存的回收順序和基於大小回收一樣。 -
expireAfterWrite(long, TimeUnit)：緩存項在給定時間內沒有被寫訪問（創建或覆蓋），則回收。如果認為緩存數據總是在固定時候后變得陳舊不可用，這種回收方式是可取的。
基於引用的回收（Reference-based Eviction）
通過弱引用的鍵或者弱引用的值，或者軟引用的值，guava Cache可以把緩存設置為允許垃圾回收
- CacheBuilder.weakKeys():使用過弱引用存儲鍵值。當被垃圾回收的時候，當前鍵值沒有其他引用的時候緩存項可以被垃圾回收。
- CacheBuilder.weakValues():使用弱引用存儲值。
- CacheBuilder.softValues():使用軟引用存儲值。軟引用就是在內存不夠是才會按照順序回收。
顯示清除
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：
- 個別清除：Cache.invalidate(key)
- 批量清除：Cache.invalidateAll(keys)
- 清除所有緩存項：Cache.invalidateAll()
移除監聽器
通過CacheBuilder.removalListener(RemovalListener)，你可以聲明一個監聽器，以便緩存項被移除時做一些額外操作。緩存項被移除時，RemovalListener會獲取移除通知[RemovalNotification]，其中包含移除原因[RemovalCause]、鍵和值。
請注意，RemovalListener拋出的任何異常都會在記錄到日志后被丟棄
警告：默認情況下，監聽器方法是在移除緩存時同步調用的。因為緩存的維護和請求響應通常是同時進行的，代價高昂的監聽器方法在同步模式下會拖慢正常的緩存請求。在這種情況下，你可以使用RemovalListeners.asynchronous(RemovalListener, Executor)把監聽器裝飾為異步操作。
清理什么時候發生？
使用CacheBuilder構建的緩存不會"自動"執行清理和回收工作，也不會在某個緩存項過期后馬上清理，也沒有諸如此類的清理機制。相反，它會在寫操作時順帶做少量的維護工作，或者偶爾在讀操作時做——如果寫操作實在太少的話。
這樣做的原因在於：如果要自動地持續清理緩存，就必須有一個線程，這個線程會和用戶操作競爭共享鎖。此外，某些環境下線程創建可能受限制，這樣CacheBuilder就不可用了。
相反，我們把選擇權交到你手里。如果你的緩存是高吞吐的，那就無需擔心緩存的維護和清理等工作。如果你的 緩存只會偶爾有寫操作，而你又不想清理工作阻礙了讀操作，那么可以創建自己的維護線程，以固定的時間間隔調用Cache.cleanUp()。ScheduledExecutorService可以幫助你很好地實現這樣的定時調度。
刷新
刷新和回收不太一樣。正如LoadingCache.refresh(K)所聲明，刷新表示為鍵加載新值，這個過程可以是異步的。在刷新操作進行時，緩存仍然可以向其他線程返回舊值，而不像回收操作，讀緩存的線程必須等待新值加載完成。
如果刷新過程拋出異常，緩存將保留舊值，而異常會在記錄到日志后被丟棄[swallowed]。
重載CacheLoader.reload(K, V)可以擴展刷新時的行為，這個方法允許開發者在計算新值時使用舊的值。
//有些鍵不需要刷新，並且我們希望刷新是異步完成的 LoadingCache<Key, Graph> graphs = CacheBuilder.newBuilder() .maximumSize(1000) .refreshAfterWrite(1, TimeUnit.MINUTES) .build( new CacheLoader<Key, Graph>() { public Graph load(Key key) { // no checked exception return getGraphFromDatabase(key); } public ListenableFuture<Key, Graph> reload(final Key key, Graph prevGraph) { if (neverNeedsRefresh(key)) { return Futures.immediateFuture(prevGraph); }else{ // asynchronous! ListenableFutureTask<Key, Graph> task=ListenableFutureTask.create(new Callable<Key, Graph>() { public Graph call() { return getGraphFromDatabase(key); } }); executor.execute(task); return task; } } }); 其他特性
統計
CacheBuilder.recordStats()用來開啟Guava Cache的統計功能。統計打開后，Cache.stats()方法會返回CacheStats對象以提供如下統計信息：
- hitRate()：緩存命中率；
- averageLoadPenalty()：加載新值的平均時間，單位為納秒；
- evictionCount()：緩存項被回收的總數，不包括顯式清除。
此外，還有其他很多統計信息。這些統計信息對於調整緩存設置是至關重要的，在性能要求高的應用中我們建議密切關注這些數據。
asMap視圖
asMap視圖提供了緩存的ConcurrentMap形式，但asMap視圖與緩存的交互需要注意：
- cache.asMap()包含當前所有加載到緩存的項。因此相應地，cache.asMap().keySet()包含當前所有已加載鍵;
- asMap().get(key)實質上等同於cache.getIfPresent(key)，而且不會引起緩存項的加載。這和Map的語義約定一致。
- 所有讀寫操作都會重置相關緩存項的訪問時間，包括Cache.asMap().get(Object)方法和Cache.asMap().put(K, V)方法，但不包括Cache.asMap().containsKey(Object)方法，也不包括在Cache.asMap()的集合視圖上的操作。比如，遍歷Cache.asMap().entrySet()不會重置緩存項的讀取時間。