本文共 1600 字，大约阅读时间需要 5 分钟。

Caffeine 高绩优化 本地缓存手册

一、简介

Caffeine 是基于 Java 8 开发的本地缓存组件，因其高效的性能和最佳的命中率在近年来成为 Java 开源社区的宠儿。自从 Spring 5 发布以来，Caffeine 取代 Guava Cache，凭借其强大的性能优势越来越多地被应用于高并发场景。

二、Caffeine 原理

Caffeine 内置了一种高效的缓存淘汰算法 W-TinyLFU（小型最近最少频率使用），该算法优化了传统 LRU（最近最久未使用）和 LFU（最近最少频率使用）的不足。W-TinyLFU 由 Count–Min Sketch 算法降低内存占用，同时通过 ProbationDeque、ProtectedDeque 和 WindowDeque 组成的三级队列机制，确保新热点数据不会被过早淘汰。

2.1.1 常见算法

• FIFO：先进先出，简单易行但命中率低。
• LRU：最近最久未使用，无法应对突发流量。
• LFU：最近最少频率使用，需频率字段冗余。

W-TinyLFUEliminate � devise-queue 三级队列机制显著提升性能，通过动态调整淘汰策略，平衡热点数据和冷数据管理。

2.1.2 W-TinyLFU 实现

• Count–Min Sketch：通过概率化降低频率记录的内存占用。
• ProbationDeque：新数据进入的ibble区，负责检测异常热点。
• ProtectedDeque：稳定状态的数据区。
• WindowDeque：/'

通过动态调整机制，W-TinyLFU 实现了低内存占用、高命中率和快速访问速度。

2.2 性能优化

Caffeine 采用异步线程池处理读写操作，利用 RingBuffer 和 MpscGrowableArrayQueue 进行优化：

• 读缓冲：按序存入 RingBuffer定长缓冲区，以少量锁块并发读取。

• 写缓冲：采用 MpscGrowableArrayQueue 阻塞队列，确保多线程写入时内存安全。

2.3 高性能设计

• Expiration.policy：支持基于时间的过期策略，可与 refreshAfterWrite 结合使用。
• EagerLoad：异步线程主动更新访问频率，提前加热数据。

通过优化访问队列结构，Caffeine 实现了毫秒级响应速度和高并发处理能力。

III. 项目实战

3.1 配置参数

Caffeine 配置基于建造者模式，支持多种缓存策略：

• maximumSize：缓存容量上限。
• expireAfterWrite：写入后过期时间。
• softValues：使用软引用优化内存管理。

代码示例：

Cache cache = Caffeine.newBuilder()    .maximumSize(1000)    .expireAfterWrite(6, TimeUnit.MINUTES)    .softValues()    .build();

3.2 应用场景

Caffeine 高效处理本地缓存需求，可根据项目需要配置存储策略。

• 配置中心：统一管理Cache配置，平滑过渡到动态环境。
• 分布式锁：配合 Redis 实现分布式场景下的缓存锁。

3.2.1 回源机制

cache.get(key, () -> {    // 回源逻辑});

通过 Manual缓存机制，确保进程内单线程访问，减少锁竞争。

IV. 实战经验

Caffeine 在项目实践中表现优异，尤其在高并发场景下。

• 性能提升：TPS 增加 25% 左右。
• 响应时间：平均降低24%。
• 资源占用：CPU 利用率降低10%。

推荐对比 Ehcache，实验数据表明 Caffeine 性能更优，同时内存占用更低。

通过合理配置，Caffeine 可快速实践于项目中，提升开发效率和系统性能。

转载地址：http://qhlkk.baihongyu.com/