Caffeine缓存库中RemovalListener异步通知机制解析
2025-05-13 08:30:08作者:何举烈Damon
背景介绍
Caffeine是一个高性能的Java缓存库,广泛应用于需要高效缓存的场景。在缓存使用过程中,当缓存项被移除时,开发者经常需要监听这些移除事件以执行一些后续操作。Caffeine提供了RemovalListener接口来实现这一功能。
问题现象
在单元测试中,开发者发现当向已满的缓存中添加新条目时,RemovalListener有时不会被立即调用。具体表现为:当缓存大小限制为2时,连续添加3个条目后,预期会有一个条目被移除并触发监听器,但测试中经常出现监听器未被调用的情况。
原因分析
这种现象的根本原因在于Caffeine的设计机制:
- 异步通知机制:Caffeine默认将移除通知任务提交给一个独立的Executor执行,而不是在调用线程中同步执行
- cleanUp方法的局限性:cleanUp()方法会触发缓存维护操作,但不会等待通知任务完成
- 测试线程与通知线程的竞态条件:测试线程可能在通知任务执行前就进行了断言检查
解决方案
针对这一问题,Caffeine提供了多种解决方案:
方案一:使用同步执行器
在测试环境中,可以配置Caffeine使用调用线程直接执行通知任务:
Cache<String, String> cache = Caffeine.newBuilder()
.maximumSize(2)
.executor(Runnable::run) // 使用调用线程同步执行
.removalListener((key, value, cause) -> removed.add(key))
.build();
这种方式简单直接,适合大多数测试场景。
方案二:使用Awaitility等待条件满足
对于需要验证异步行为的测试,可以使用Awaitility库等待预期状态:
await().until(cache::asMap, is(aMapWithSize(2)));
await().until(() -> removed, hasSize(1));
这种方法更贴近真实异步场景,能更好地验证系统行为。
方案三:结合cleanUp与等待
在明确需要触发维护操作时,可以先调用cleanUp(),然后等待结果:
cache.cleanUp();
await().until(() -> removed, hasSize(1));
最佳实践建议
- 在测试环境中优先考虑使用同步执行器,简化测试逻辑
- 在生产环境中保留默认的异步机制,保证性能
- 对于复杂的并发场景测试,使用专门的等待工具如Awaitility
- 注意使用线程安全的集合来收集移除通知,如ConcurrentLinkedQueue
技术原理深入
Caffeine采用这种设计主要基于以下考虑:
- 性能优化:异步执行避免阻塞缓存操作的主路径
- 资源隔离:防止用户回调代码影响缓存内部运作
- 可扩展性:允许用户自定义Executor以适应不同场景
理解这一机制对于正确使用Caffeine至关重要,特别是在需要严格保证数据一致性的场景中。开发者应当根据具体需求选择合适的通知处理方式,并在测试中充分考虑并发场景下的各种可能性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781