前言
平時我們都會封裝一些處理緩存或其他的小工具。但每個人都封裝一次，重復造輪子，有點費時間。有沒有一些好的工具庫推薦-guava。guava是谷歌基於java封裝好的開源庫，它的性能、實用性，比我們自己造的輪子更好，畢竟谷歌出品，下面介紹下幾個常用的guava工具類
- LoadingCache（本地緩存）
- Multimap 和 Multiset
- BiMap
- Table（表）
- Sets和Maps（交並差）
- EventBus（事件）
- StopWatch（秒表）
- Files（文件操作）
- RateLimiter（限流器）
- Guava Retry（重試）
關注公眾號，一起交流，微信搜一搜: 潛行前行
guava的maven配置引入
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>27.0-jre</version>
</dependency>
LoadingCache
- LoadingCache 在實際場景中有着非常廣泛的使用，通常情況下如果遇到需要大量時間計算或者緩存值的場景，就應當將值保存到緩存中。LoadingCache 和 ConcurrentMap 類似，但又不盡相同。最大的不同是 ConcurrentMap 會永久的存儲所有的元素值直到他們被顯示的移除，但是 LoadingCache 會為了保持內存使用合理會根據配置自動將過期值移除
- 通常情況下，Guava caching 適用於以下場景：
- 花費一些內存來換取速度
- 一些 key 會被不止一次被調用
- 緩存內容有限，不會超過內存空間的值，Guava caches 不會存儲內容到文件或者到服務器外部，如果有此類需求考慮使用 Memcached, Redis
- LoadingCache 不能緩存 null key
- CacheBuilder 構造 LoadingCache 參數介紹
| CacheBuilder 方法參數 |
描述 |
| initialCapacity(int initialCapacity) |
緩存池的初始大小 |
| concurrencyLevel(int concurrencyLevel) |
設置並發數 |
| maximumSize(long maximumSize) |
緩存池大小，在緩存項接近該大小時， Guava開始回收舊的緩存項 |
| weakValues() |
設置value的存儲引用是虛引用 |
| softValues() |
設置value的存儲引用是軟引用 |
| expireAfterWrite(long duration, TimeUnit unit) |
設置時間對象沒有被寫則對象從內存中刪除(在另外的線程里面不定期維護) |
| expireAfterAccess(long duration, TimeUnit unit) |
設置時間對象沒有被讀/寫訪問則對象從內存中刪除(在另外的線程里面不定期維護) |
| refreshAfterWrite(long duration, TimeUnit unit) |
和expireAfterWrite類似，不過不立馬移除key，而是在下次更新時刷新，這段時間可能會返回舊值 |
| removalListener( RemovalListener<? super K1, ? super V1> listener) |
監聽器，緩存項被移除時會觸發 |
| build(CacheLoader<? super K1, V1> loader) |
當數據不存在時，則使用loader加載數據 |
- LoadingCache
V get(K key), 獲取緩存值，如果鍵不存在值，將調用CacheLoader的load方法加載新值到該鍵中
- 示例
LoadingCache<Integer,Long> cacheMap = CacheBuilder.newBuilder().initialCapacity(10)
.concurrencyLevel(10)
.expireAfterAccess(Duration.ofSeconds(10))
.weakValues()
.recordStats()
.removalListener(new RemovalListener<Integer,Long>(){
@Override
public void onRemoval(RemovalNotification<Integer, Long> notification) {
System.out.println(notification.getValue());
}
})
.build(new CacheLoader<Integer,Long>(){
@Override
public Long load(Integer key) throws Exception {
return System.currentTimeMillis();
}
});
cacheMap.get(1);
Multimap 和 MultiSet
- Multimap的特點其實就是可以包含有幾個重復Key的value，可以put進入多個不同value但是相同的key，但是又不會覆蓋前面的內容
- 示例
//Multimap: key-value key可以重復，value也可重復
Multimap<String, String> multimap = ArrayListMultimap.create();
multimap.put("csc","1");
multimap.put("lwl","1");
multimap.put("csc","1");
multimap.put("lwl","one");
System.out.println(multimap.get("csc"));
System.out.println(multimap.get("lwl"));
---------------------------
[1, 1]
[1, one]
- MultiSet 有一個相對有用的場景，就是跟蹤每種對象的數量，所以可以用來進行數量統計
- 示例
//MultiSet: 無序+可重復 count()方法獲取單詞的次數 增強了可讀性+操作簡單
Multiset<String> set = HashMultiset.create();
set.add("csc");
set.add("lwl");
set.add("csc");
System.out.println(set.size());
System.out.println(set.count("csc"));
---------------------------
3
2
BiMap
- BiMap的鍵必須唯一，值也必須唯一，可以實現value和key互轉
- 示例
BiMap<Integer,String> biMap = HashBiMap.create();
biMap.put(1,"lwl");
biMap.put(2,"csc");
BiMap<String, Integer> map = biMap.inverse(); // value和key互轉
map.forEach((v, k) -> System.out.println(v + "-" + k));
Table
Table<R,C,V> table = HashBasedTable.create();，由泛型可以看出，table由雙主鍵R（行）,C（列）共同決定，V是存儲值- 新增數據：
table.put(R,C,V)
- 獲取數據：
V v = table.get(R,C)
- 遍歷數據:
Set<R> set = table.rowKeySet(); Set<C> set = table.columnKeySet();
- 示例
// 雙鍵的Map Map--> Table-->rowKey+columnKey+value
Table<String, String, Integer> tables = HashBasedTable.create();
tables.put("csc", "lwl", 1);
//row+column對應的value
System.out.println(tables.get("csc","lwl"));
Sets和Maps
// 不可變集合的創建
ImmutableList<String> iList = ImmutableList.of("csc", "lwl");
ImmutableSet<String> iSet = ImmutableSet.of("csc", "lwl");
ImmutableMap<String, String> iMap = ImmutableMap.of("csc", "hello", "lwl", "world");
set的交集, 並集, 差集
HashSet setA = newHashSet(1, 2, 3, 4, 5);
HashSet setB = newHashSet(4, 5, 6, 7, 8);
//並集
SetView union = Sets.union(setA, setB);
//差集 setA-setB
SetView difference = Sets.difference(setA, setB);
//交集
SetView intersection = Sets.intersection(setA, setB);
map的交集，並集，差集
HashMap<String, Integer> mapA = Maps.newHashMap();
mapA.put("a", 1);mapA.put("b", 2);mapA.put("c", 3);
HashMap<String, Integer> mapB = Maps.newHashMap();
mapB.put("b", 20);mapB.put("c", 3);mapB.put("d", 4);
MapDifference<String, Integer> mapDifference = Maps.difference(mapA, mapB);
//mapA 和 mapB 相同的 entry
System.out.println(mapDifference.entriesInCommon());
//mapA 和 mapB key相同的value不同的 entry
System.out.println(mapDifference.entriesDiffering());
//只存在 mapA 的 entry
System.out.println(mapDifference.entriesOnlyOnLeft());
//只存在 mapB 的 entry
System.out.println(mapDifference.entriesOnlyOnRight());;
-------------結果-------------
{c=3}
{b=(2, 20)}
{a=1}
{d=4}
EventBus
- EventBus是Guava的事件處理機制，是設計模式中的觀察者模式（生產/消費者編程模型）的優雅實現。對於事件監聽和發布訂閱模式
- EventBus內部實現原理不復雜，EventBus內部會維護一個Multimap<Class<?>, Subscriber> map，key就代表消息對應的類(不同消息不同類，區分不同的消息)、value是一個Subscriber，Subscriber其實就是對應消息處理者。如果有消息發布就去這個map里面找到這個消息對應的Subscriber去執行
- 使用示例
@Data
@AllArgsConstructor
public class OrderMessage {
String message;
}
//使用 @Subscribe 注解,表明使用dealWithEvent 方法處理 OrderMessage類型對應的消息
//可以注解多個方法,不同的方法 處理不同的對象消息
public class OrderEventListener {
@Subscribe
public void dealWithEvent(OrderMessage event) {
System.out.println("內容：" + event.getMessage());
}
}
-------------------------------------
// new AsyncEventBus(String identifier, Executor executor);
EventBus eventBus = new EventBus("lwl");
eventBus.register(new OrderEventListener());
// 發布消息
eventBus.post(new OrderMessage("csc"));
StopWatch
Stopwatch stopwatch = Stopwatch.createStarted();
for(int i=0; i<100000; i++){
// do some thing
}
long nanos = stopwatch.elapsed(TimeUnit.MILLISECONDS);
System.out.println("邏輯代碼運行耗時："+nanos);
Files文件操作
File newFile = new File("D:/text.txt");
Files.write("this is a test".getBytes(), newFile);
//再次寫入會把之前的內容沖掉
Files.write("csc".getBytes(), newFile);
//追加寫
Files.append("lwl", newFile, Charset.defaultCharset());
File newFile = new File("E:/text.txt");
List<String> lines = Files.readLines(newFile, Charset.defaultCharset());
| 方法 |
描述 |
| Files.copy(File from, File to) |
復制文件 |
| Files.deleteDirectoryContents(File directory) |
刪除文件夾下的內容(包括文件與子文件夾) |
| Files.deleteRecursively(File file) |
刪除文件或者文件夾 |
| Files.move(File from, File to) |
移動文件 |
| Files.touch(File file) |
創建或者更新文件的時間戳 |
| Files.getFileExtension(String file) |
獲得文件的擴展名 |
| Files.getNameWithoutExtension(String file) |
獲得不帶擴展名的文件名 |
| Files.map(File file, MapMode mode) |
獲取內存映射buffer |
RateLimiter
//RateLimiter 構造方法，每秒限流permitsPerSecond
public static RateLimiter create(double permitsPerSecond)
//每秒限流 permitsPerSecond，warmupPeriod 則是數據初始預熱時間，從第一次acquire 或 tryAcquire 執行開時計算
public static RateLimiter create(double permitsPerSecond, Duration warmupPeriod)
//獲取一個令牌，阻塞，返回阻塞時間
public double acquire()
//獲取 permits 個令牌，阻塞，返回阻塞時間
public double acquire(int permits)
//獲取一個令牌，超時返回
public boolean tryAcquire(Duration timeout)
////獲取 permits 個令牌，超時返回
public boolean tryAcquire(int permits, Duration timeout)
RateLimiter limiter = RateLimiter.create(2, 3, TimeUnit.SECONDS);
System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");
System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");
System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");
System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");
System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");
System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");
System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");
System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");
--------------- 結果 -------------------------
get one permit cost time: 0.0s
get one permit cost time: 1.331672s
get one permit cost time: 0.998392s
get one permit cost time: 0.666014s
get one permit cost time: 0.498514s
get one permit cost time: 0.498918s
get one permit cost time: 0.499151s
get one permit cost time: 0.488548s
- 因為RateLimiter滯后處理的，所以第一次無論取多少都是零秒
- 可以看到前四次的acquire，花了三秒時間去預熱數據，在第五次到第八次的acquire耗時趨於平滑
Guava Retry
<dependency>
<groupId>com.github.rholder</groupId>
<artifactId>guava-retrying</artifactId>
<version>2.0.0</version>
</dependency>
| RetryerBuilder方法 |
描述 |
| withRetryListener |
重試監聽器 |
| withWaitStrategy |
失敗后重試間隔時間 |
| withStopStrategy |
停止策略 |
| withBlockStrategy |
阻塞策略BlockStrategy |
| withAttemptTimeLimiter |
執行時間限制策略 |
| retryIfException |
發生異常，則重試 |
| retryIfRuntimeException |
發生RuntimeException異常，則重試 |
| retryIfExceptionOfType(Class<? extends Throwable> ex) |
發生ex異常，則重試 |
| retryIfException(Predicate<Throwable> exceptionPredicate) |
對異常判斷，是否重試 |
| retryIfResult(Predicate<V> resultPredicate) |
對返回結果判斷，是否重試 |
Retryer<Boolean> retryer = RetryerBuilder.<Boolean>newBuilder()
.retryIfException()
.retryIfResult(Predicates.equalTo(false))
.withAttemptTimeLimiter(AttemptTimeLimiters.fixedTimeLimit(1, TimeUnit.SECONDS))
.withStopStrategy(StopStrategies.stopAfterAttempt(5))
.build();
//Retryer調用
retryer.call(() -> true);
參考文章
