先说结论：本地缓存优先选用caffeine，因为性能比guava cache快，api风格与之兼容、能轻松地平滑迁移，并且在spring/spring boot最新版本中已经是默认本地缓存了。下面展开讲讲本地缓存和Spring cache。

本文讨论堆内缓存，暂不讨论堆外缓存。堆内缓存是指缓存与应用程序在一个JVM应用中，会受GC影响，一般业务层面的应用开发用不到堆外缓存。

1、什么场景使用本地缓存

并非所有的缓存场景，redis都适用，以下情况应当优先考虑本地缓存。

• 数据量不大
• 修改频率低、甚至是静态的数据
• 查询qps极高：通过纯内存操作，避免网络请求
• 对性能有极致要求，速度比redis更快

如：秒杀热点商品缓存、地域信息缓存。

2、缓存基本原理

先简单回顾一下缓存的基本原理。

语义

• get：根据key查询value，缓存未命中时查询底层数据并设置缓存
• put：设置缓存
• evict：删除key
• ttl：kv键值对过期失效

淘汰策略

缓存有大小上限，超过后需要淘汰掉冷数据，保留真正的热数据，以确保缓存命中率。有2种常见算法：LRU和LFU。

LRU（Least Recently Used）

优先淘汰掉最近最少使用的数据，该算法假设最近访问的数据，将来也会频繁地使用。

• 优点 容易理解和实现
• 链表占用空间小

public class LRUCache extends LinkedHashMap {
// 缓存最大条目数
private int maxSize;

public LRUCache(int maxSize) {
// 初始大小为16，loadFactor为0.75，accessOrder按访问顺序排列为true
super(16, 0.75f, true);
this.maxSize = maxSize;
}

@Override
protected boolean removeEldestEntry(Map.Entry eldest) {
// 大小超过maxSize时，删除最久远的数据
return size() > maxSize;
}
}

// 泛型支持
public class LRUCache<K, V> {
private int maxSize;
private Map<K, V> map = new HashMap<>();
// 双端队列，用于记录访问的远近；LinkedList是Deque的子类
private LinkedList<K> recencyList = new LinkedList<>();

public LRUCache(int maxSize) {
this.maxSize = maxSize;
}

public V get(K key) {
if (map.containsKey(key)) {
moveToTail(key);
return map.get(key);
} else {
return null;
}
}

public void put(K key, V value) {
if (map.containsKey(key)) {
moveToTail(key);
} else {
addToTail(key);
}

map.put(key, value);

if (map.size() > maxSize) {
removeEldest();
}
}

private void moveToTail(K key) {
recencyList.remove(key);
recencyList.add(key);
}

private void addToTail(K key) {
recencyList.add(key);
}

private void removeEldest(K key) {
recencyList.removeFirst(key);
}
}

public class LFUCache {
// 容量大小
int cap;
// 最小的频次
int minFreq;
// key到val的映射
HashMap<Integer, Integer> key2Val;
// key到freq的映射
HashMap<Integer, Integer> key2Freq;
// freq到key列表的映射
HashMap<Integer, LinkedHashSet<Integer>> freq2Keys;

public LFUCache(int capacity) {
this.cap = capacity;
this.minFreq = 0;
key2Val = new HashMap<>();
key2Freq = new HashMap<>();
freq2Keys = new HashMap<>();
}

public int get(int key) {
if (!key2Val.containsKey(key)) {
return -1;
}
// 增加访问频次
increaseFreq(key);
return key2Val.get(key);
}

public void put(int key, int value) {
if (this.cap == 0) {
return;
}

// 判断是否包含key，包含直接增加访问频次，更新值
if (key2Val.containsKey(key)) {
// 增加访问频次
increaseFreq(key);
key2Val.put(key, value);
return;
}
// 不包含，判断是否达到容量，达到容量删除最少频次，最先访问的元素
if (key2Val.size() >= this.cap) {
removeMinFreqKey();
}
// 保存数据，更新频次
key2Val.put(key, value);
// 设置key热度
key2Freq.put(key, 1);
freq2Keys.putIfAbsent(1, new LinkedHashSet<>());
// 热度与key关联
freq2Keys.get(1).add(key);
this.minFreq = 1;
}

private void increaseFreq(Integer key) {
int freq =  key2Freq.get(key);
// 增加热度
key2Freq.put(key, freq + 1);
freq2Keys.putIfAbsent(freq + 1, new LinkedHashSet<>());
freq2Keys.get(freq + 1).add(key);
// 调整热度与key关系的数据
freq2Keys.get(freq).remove(key);
if (freq2Keys.get(freq).size() == 0) {
freq2Keys.remove(freq);
if (freq == this.minFreq) {
this.minFreq++;
}
}
}

private void removeMinFreqKey() {
// 查看最小的热度
// 找到最先访问的key
int oldKey = freq2Keys.get(this.minFreq).iterator().next();
// 删除key及val
key2Val.remove(oldKey);
key2Freq.remove(oldKey);
// 删除热度与key的关系
freq2Keys.get(this.minFreq).remove(oldKey);
if (freq2Keys.get(this.minFreq).size() == 0) {
freq2Keys.remove(this.minFreq);
}
}
}

3、Guava cache大致原理

• 淘汰策略使用LRU算法
• 使用了2个队列accessQueue、writeQueue，分别记录读、写缓存时数据访问和写入的顺序，更加精细
• 惰性删除：访问缓存的时候判断数据是否过期，如果过期才将其删除，并没有专门的后台线程来删除过期数据
• 并发：map数据结构类似ConcurrentHashMap，有多个segment，不同segment之间的读写可并发；

4、caffeine大致原理

• 淘汰策略使用window tiny-lfu算法，是一种高效的近似LFU算法
• 使用3个队列：WindowDeque作为前置的LRU，ProbationDeque（试用期队列）、ProtectedDeque（受保护队列），当WindowDeque满时，会进入Segmented LRU中的ProbationDeque，在后续被访问到时，它会被提升到ProtectedDeque。当ProtectedDeque满时，会有数据降级到ProbationDeque
• 异步淘汰数据

下面是从github wiki和高性能缓存 Caffeine 原理及实战 摘抄的。

5、Spring cache使用示例

通过Spring可以很方便地集成本地缓存，先介绍基本概念。有2个核心类，Cache、CacheManager。 Cache是缓存的抽象接口，提供put、putIfAbsent（不存在时才设置kv）、get、evict（删除kv）、clear（清空所有kv）、getName（获取缓存名称）等操作。 CacheManager是一个包含了一至多个相同配置的Cache的集合，提供getCache（获取Cache对象），getCacheNames（获取包含的所有Cache对象的名称）操作。

配置

以Caffeine为例，Guava cache类似。 需注意：在@Configuration修饰的Spring配置类上，加上@EnableCaching，相当于Spring cache的总开关。

@Configuration
@EnableCaching
public class CacheConfig {
@Bean
public Caffeine cacheConfig() {
return Caffeine.newBuilder()  // 默认配置，kv强引用类型（strong reference，相对于软引用、弱引用）
// 写入10秒后过期
.expireAfterWrite(10, TimeUnit.SECONDS)
// 缓存kv个数上限
.maximumSize(10000)
// 统计
.recordStats();
}

@Bean
public CacheManager cacheManager() {
// 该CacheManager包括2个缓存userCache、orderCache
CaffeineCacheManager cacheManager = new CaffeineCacheManager("userCache", "orderCache");
// 使用cacheConfig bean的配置
cacheManager.setCaffeine(cacheConfig());
return cacheManager;
}
}

注解声明

• @Cacheable：优先查缓存，如果查不到再通过执行方法逻辑查询，最后塞到缓存中。key用SpEL表达式，如果不指定默认是所有参数作为整体的key
• @CachePut：立即更新缓存，而不是等待key失效
• @CacheEvict：显式删除kv

// 使用的cache名为userCache，cacheManager是cacheManager，key为userDetail拼上user对象的id字段
@Cacheable(value="userCache", cacheManager="cacheManager", key="'userDetail' + #user.id")
public UserDetail queryUserDetail(User user) {
// 查询实际逻辑
return userDetailResult;
}