Guava LoadingCache本地缓存的正确使用姿势——异步加载
2024-09-08 15:16:59
1. 【背景】AB实验SDK耗时过高
同事在使用我写的实验平台sdk之后，吐槽耗时太高，获取实验数据分流耗时达到700ms，严重影响了主业务流程的执行
2. 【分析】缓存为何不管用
我记得之前在sdk端加了本地缓存（使用了LoadingCache），不应该这样慢
通过分析，只有在缓存失效之后的那一次请求耗时会比较高，又因为随着实验数据的增加，获取实验确实会花费这么多时间
那如何解决呢？如果不解决，每次缓存失效，至少会有一个请求阻塞获取实验数据导致超时
3. 【工具】Guava LoadingCache
Guava是一个谷歌开源Java工具库，提供了一些非常实用的工具。LoadingCache就是其中一个，是一个本地缓存工具，支持配置加载函数，定时失效
基本用法：
- 其中的CacheLoader是当key对应value不存在时，会使用重载的load方法取并放入cache
- cache.get从缓存获取数据
LoadingCache<Long, String> cache
// CacheBuilder的构造函数是私有的，只能通过其静态方法newBuilder()来获得CacheBuilder的实例
= CacheBuilder.newBuilder()
// 设置并发级别为3，并发级别是指可以同时写缓存的线程数
.concurrencyLevel(3)
// 过期
.expireAfterWrite(5, TimeUnit.SECONDS)
// 初始容量
.initialCapacity(1000)
// 最大容量，超过LRU
.maximumSize(2000).build(new CacheLoader<Long, String>() {
@Override
@Nonnull
public String load(@Nonnull Long key) throws Exception {
Thread.sleep(1000);
return DATE_FORMATER.format(Instant.now());
}
});
// 获取数据
cache.get(1L)
3.1 LoadingCache的失效和刷新
既然用到缓存，避免不了的问题就是如何更新缓存中的值，使其不能太旧，又能兼顾性能
LoadingCache常用两个方法来实现失效：
expireAfterWrite(long, TimeUnit)refreshAfterWrite(long, TimeUnit)
官方文档给出的区别
Refreshing is not quite the same as eviction. As specified in LoadingCache.refresh(K), refreshing a key loads a new value for the key, possibly asynchronously. The old value (if any) is still returned while the key is being refreshed, in contrast to eviction, which forces retrievals to wait until the value is loaded anew
- refresh期间会返回旧值
- expire会等待load方法的新值
我们的场景就是某个请求会阻塞等待数据返回，所以如果我们用refresh方法过期的话，就能使耗时变低，带来的问题是当时获取的数据是旧的，对于当前这个场景是可以接受的
3.2 refreshAfterWrite如何异步加载
3.2.1 验证expireAfterWrite
public static void testExpireAfterWrite() throws ExecutionException, InterruptedException {
LoadingCache<Long, String> cache
// CacheBuilder的构造函数是私有的，只能通过其静态方法newBuilder()来获得CacheBuilder的实例
= CacheBuilder.newBuilder()
// 设置并发级别为3，并发级别是指可以同时写缓存的线程数
.concurrencyLevel(3)
// 过期
.expireAfterWrite(5, TimeUnit.SECONDS)
// 初始容量
.initialCapacity(1000)
// 最大容量，超过LRU
.maximumSize(2000).build(new CacheLoader<Long, String>() {
@Override
@Nonnull
public String load(@Nonnull Long key) throws Exception {
Thread.sleep(1000);
return DATE_FORMATER.format(Instant.now());
}
});
log.info("cache get");
String rs = cache.get(10L);
log.info("cache rs:{}", rs);
Thread.sleep(6000);
log.info("cache get");
rs = cache.get(10L);
log.info("cache rs:{}", rs);
}
输出结果，从打印的时间可以看出，第二次get同步等待结果
15:33:44.160 [main] INFO cache.LoadingCacheTest - cache get
15:33:45.192 [main] INFO cache.LoadingCacheTest - cache rs:2022-11-08 15:33:45
15:33:51.199 [main] INFO cache.LoadingCacheTest - cache get
15:33:52.225 [main] INFO cache.LoadingCacheTest - cache rs:2022-11-08 15:33:52
3.2.2 验证refreshAfterWrite
public static void testRefreshAfterWrite() throws ExecutionException, InterruptedException {
LoadingCache<Long, String> cache
// CacheBuilder的构造函数是私有的，只能通过其静态方法newBuilder()来获得CacheBuilder的实例
= CacheBuilder.newBuilder()
// 设置并发级别为3，并发级别是指可以同时写缓存的线程数
.concurrencyLevel(3)
// 过期
.refreshAfterWrite(5, TimeUnit.SECONDS)
// 初始容量
.initialCapacity(1000)
// 最大容量，超过LRU
.maximumSize(2000).build(new CacheLoader<Long, String>() {
@Override
@Nonnull
public String load(@Nonnull Long key) throws Exception {
Thread.sleep(1000);
return DATE_FORMATER.format(Instant.now());
}
});
log.info("cache get");
String rs = cache.get(10L);
log.info("cache rs:{}", rs);
Thread.sleep(6000);
log.info("cache get");
rs = cache.get(10L);
log.info("cache rs:{}", rs);
}
输出结果，从打印的时间可以看出，第二次也get同步等待结果
15:35:31.064 [main] INFO cache.LoadingCacheTest - cache get
15:35:32.090 [main] INFO cache.LoadingCacheTest - cache rs:2022-11-08 15:35:32
15:35:38.099 [main] INFO cache.LoadingCacheTest - cache get
15:35:39.147 [main] INFO cache.LoadingCacheTest - cache rs:2022-11-08 15:35:39
3.2.3 验证refreshAfterWrite加线程池
public static void testRefreshAfterWriteWithReload() throws ExecutionException, InterruptedException {
ExecutorService executorService = Executors.newFixedThreadPool(10);
LoadingCache<Long, String> cache
// CacheBuilder的构造函数是私有的，只能通过其静态方法newBuilder()来获得CacheBuilder的实例
= CacheBuilder.newBuilder()
// 设置并发级别为3，并发级别是指可以同时写缓存的线程数
.concurrencyLevel(3)
// 过期
.refreshAfterWrite(5, TimeUnit.SECONDS)
// 初始容量
.initialCapacity(1000)
// 最大容量，超过LRU
.maximumSize(2000).build(new CacheLoader<Long, String>() {
@Override
@Nonnull
public String load(@Nonnull Long key) throws Exception {
Thread.sleep(1000);
return DATE_FORMATER.format(Instant.now());
}
@Override
@Nonnull
public ListenableFuture<String> reload(@Nonnull Long key, @Nonnull String oldValue) throws Exception {
ListenableFutureTask<String> futureTask = ListenableFutureTask.create(() -> {
Thread.sleep(1000);
return DATE_FORMATER.format(Instant.now());
});
executorService.submit(futureTask);
return futureTask;
}
});
log.info("cache get");
String rs = cache.get(10L);
log.info("cache rs:{}", rs);
Thread.sleep(6000);
log.info("cache get");
rs = cache.get(10L);
log.info("cache rs:{}", rs);
Thread.sleep(3000);
log.info("cache get");
rs = cache.get(10L);
log.info("cache rs:{}", rs);
}
输出结果，从打印的时间可以看出，第二次不同步等待结果，获取旧值，第三次获取了第二次提交的异步任务的值
15:41:45.194 [main] INFO cache.LoadingCacheTest - cache get
15:41:46.224 [main] INFO cache.LoadingCacheTest - cache rs:2022-11-08 15:41:46
15:41:52.230 [main] INFO cache.LoadingCacheTest - cache get
15:41:52.279 [main] INFO cache.LoadingCacheTest - cache rs:2022-11-08 15:41:46
15:41:55.284 [main] INFO cache.LoadingCacheTest - cache get
15:41:55.284 [main] INFO cache.LoadingCacheTest - cache rs:2022-11-08 15:41:53
3.2.4 更加优雅的写法
如果觉的上面的写法比较啰嗦，可以这样写，效果一样
CacheLoader<Long, String> cacheLoader = CacheLoader.asyncReloading(new CacheLoader<Long, String>() {
@Override
@Nonnull
public String load(@Nonnull Long key) throws Exception {
Thread.sleep(1000);
return DATE_FORMATER.format(Instant.now());
}
}, executorService);
LoadingCache<Long, String> cache
// CacheBuilder的构造函数是私有的，只能通过其静态方法newBuilder()来获得CacheBuilder的实例
= CacheBuilder.newBuilder()
// 设置并发级别为3，并发级别是指可以同时写缓存的线程数
.concurrencyLevel(3)
// 过期
.refreshAfterWrite(5, TimeUnit.SECONDS)
// 初始容量
.initialCapacity(1000)
// 最大容量，超过LRU
.maximumSize(2000).build(cacheLoader);
refreshAfterWrite的缺点：到了指定时间不过期，而是延迟到下一次查询，所以数据有可能过期了很久（假如这一段时间一直没有查询）
所以可以使用efreshAfterWrite和expireAfterWrite配合使用：
比如说控制缓存每1s进行refresh，如果超过2s没有访问，那么则让缓存失效，下次访问时不会得到旧值，而是必须得待新值加载
4. 【总结】异步加载缓存是可行的
最终我们使用了LoadingCache的refreshAfterWrite加线程池的方法实现了异步加载缓存数据，并且没有阻塞用户的线程
- 这种方法类似CopyOnWrite，在写操作的同时复制一份，读的时候先使用旧值
不过这种做法也有缺点，会导致缓存数据不是最新的，最新数据会延迟到下次查询之后的查询，需要根据场景综合考虑
参考
[1] Github Guava Doc
[2] 深入理解guava-cache的refresh和expire刷新机制
最新文章
- 基于NPOI导出和导入Excel
- 玩转动态编译 - 高级篇：二,IL设置静态属性,字段和类型转换
- 01JavaIO详解_File类
- SQL Server 中的触发器（trigger）
- Gao Big 深圳行
- QWidget 键盘事件 焦点（源代码级别研究）
- robotlegs2.0框架实例源码带注释
- 磁盘文件I/O，SSD结构，局部性原理 笔记
- cookie记住浏览位置
- 关于instrinsicContentSize， ContentHuggingPriority， ContentcompressionResistancePriority的理解
- Java之GC
- 开机出现loading （hd0）／ntldr。。。
- qml demo分析(customgeometry-贝塞尔曲线)
- python 数据分析基础
- Powershell批量安装SNMP服务
- iframe跨域解决方案
- cpp 区块链模拟示例(四) 区块链工作量证明
- js后退
- Ubuntu下安装hbase
- more 命令