MyCache 用于实现一个可拓展的本地缓存。
-
fluent 流式编程
-
支持 cache 固定大小
-
支持自定义 map 实现策略
-
支持 expire 过期特性
-
支持自定义 evict 驱除策略
内置 FIFO 和 LRU 驱除策略
-
支持自定义删除监听器
-
日志整合框架，自适应常见日志
-
支持 load 初始化和 persist 持久化
RDB 和 AOF 两种模式
JDK1.8 及其以上版本
Maven 3.X 及其以上版本
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.size(2)
.build();
cache.put("1", "1");
cache.put("2", "2");
cache.put("3", "3");
cache.put("4", "4");
Assert.assertEquals(2, cache.size());默认为先进先出的策略，此时输出 keys，内容如下：
[3, 4]
CacheBs 作为缓存的引导类，支持 fluent 写法，编程更加优雅便捷。
上述配置等价于：
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.map(Maps.<String,String>hashMap())
.evict(CacheEvicts.<String, String>fifo())
.size(2)
.build();目前内置了几种淘汰策略，可以直接通过 CacheEvicts 工具类创建。
| 策略 | 说明 |
|---|---|
| none | 没有任何淘汰策略 |
| fifo | 先进先出（默认策略） |
| lru | 最基本的朴素 LRU 策略，性能一般 |
| lruDoubleListMap | 基于双向链表+MAP 实现的朴素 LRU，性能优于 lru |
| lruLinkedHashMap | 基于 LinkedHashMap 实现的朴素 LRU，与 lruDoubleListMap 差不多 |
| lru2Q | 基于 LRU 2Q 的改进版 LRU 实现，命中率优于朴素LRU |
| lru2 | 基于 LRU-2 的改进版 LRU 实现，命中率优于 lru2Q |
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.size(3)
.build();
cache.put("1", "1");
cache.put("2", "2");
cache.expire("1", 10);
Assert.assertEquals(2, cache.size());
TimeUnit.MILLISECONDS.sleep(50);
Assert.assertEquals(1, cache.size());
System.out.println(cache.keySet());cache.expire("1", 10); 指定对应的 key 在 10ms 后过期。
淘汰和过期，这些都是缓存的内部行为。
如果用户也关心的话，可以自定义删除监听器。
直接实现 ICacheRemoveListener 接口即可。
public class MyRemoveListener<K,V> implements ICacheRemoveListener<K,V> {
@Override
public void listen(ICacheRemoveListenerContext<K, V> context) {
System.out.println("【删除提示】可恶，我竟然被删除了！" + context.key());
}
}ICache<String, String> cache = CacheBs.<String,String>newInstance()
.size(1)
.addRemoveListener(new MyRemoveListener<String, String>())
.build();
cache.put("1", "1");
cache.put("2", "2");- 测试日志
【删除提示】 2被删除了
redis 中会存储慢操作的相关日志信息，主要是由两个参数构成：
（1）slowlog-log-slower-than 预设阈值,它的单位是毫秒(1秒=1000000微秒)默认值是10000
（2）slowlog-max-len 最多存储多少条的慢日志记录
不过 redis 是直接存储到内存中，而且有长度限制。
根据实际工作体验，如果我们可以添加慢日志的监听，然后有对应的存储或者报警，这样更加方便问题的分析和快速反馈。
所以我们引入类似于删除的监听器。
实现接口 ICacheSlowListener
这里每一个监听器都可以指定自己的慢日志阈值，便于分级处理。
public class MySlowListener implements ICacheSlowListener {
@Override
public void listen(ICacheSlowListenerContext context) {
System.out.println("【慢日志】name: " + context.methodName());
}
@Override
public long slowerThanMills() {
return 0;
}
}ICache<String, String> cache = CacheBs.<String,String>newInstance()
.addSlowListener(new MySlowListener())
.build();
cache.put("1", "2");
cache.get("1");- 测试效果
[DEBUG] [2020-09-30 17:40:11.547] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.before] - Cost start, method: put
[DEBUG] [2020-09-30 17:40:11.551] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.after] - Cost end, method: put, cost: 10ms
【慢日志】name: put
[DEBUG] [2020-09-30 17:40:11.554] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.before] - Cost start, method: get
[DEBUG] [2020-09-30 17:40:11.554] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.after] - Cost end, method: get, cost: 1ms
【慢日志】name: get
实际工作中，我们可以针对慢日志数据存储，便于后期分析。
也可以直接接入报警系统，及时反馈问题。
有时候我们需要在 cache 初始化的时候，添加对应的数据初始化。
后期可以从文件等地方加载数据。
实现 ICacheLoad 接口即可。
public class MyCacheLoad implements ICacheLoad<String,String> {
@Override
public void load(ICache<String, String> cache) {
cache.put("1", "1");
cache.put("2", "2");
}
}我们在缓存初始化的时候，放入 2 个元素。
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.load(new MyCacheLoad())
.build();
Assert.assertEquals(2, cache.size());如果我们只是把文件放在内存中，应用重启信息就丢失了。
有时候我们希望这些 key/value 信息可以持久化，存储到文件或者 database 中。
CachePersists.<String, String>dbJson("1.rdb") 指定将数据文件持久化到文件中。
定期执行，暂时全量持久化的间隔为 10min，后期考虑支持更多配置。
public void persistTest() throws InterruptedException {
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.load(new MyCacheLoad())
.persist(CachePersists.<String, String>dbJson("1.rdb"))
.build();
Assert.assertEquals(2, cache.size());
TimeUnit.SECONDS.sleep(5);
}- 1.rdb
文件内容如下：
{"key":"2","value":"2"}
{"key":"1","value":"1"}
存储之后，可以使用对应的加载器读取文件内容：
ICache<String, String> cache = CacheBs.<String,String>newInstance()
.load(CacheLoads.<String, String>dbJson("1.rdb"))
.build();
Assert.assertEquals(2, cache.size());
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent