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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
暂无描述
Dockerfile
710
4.51 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
578
99
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++
958
955
deepin linux kernel
C
28
16
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
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
414
339
暂无简介
Dart
952
235
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
2