Caffeine缓存库中RemovalListener异步通知机制解析
2025-05-13 13:14:24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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
642
🎉 (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
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
642