首页
/ Caffeine缓存库中expireAfter与expireAfterWrite的行为差异分析

Caffeine缓存库中expireAfter与expireAfterWrite的行为差异分析

2025-05-13 02:01:05作者:伍霜盼Ellen

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管理的场景。在实际使用中,开发者经常需要配置缓存的过期策略来优化系统性能。本文通过一个实际案例,分析Caffeine中两种不同过期策略的行为差异。

问题场景

在Kotlin项目中,开发者最初使用expireAfterWrite配置缓存,设置固定10分钟的过期时间。这种配置下,缓存项会在写入后10分钟统一过期,导致系统在同一时间点面临大量缓存重建请求,形成"缓存雪崩"效应。

为了缓解这个问题,开发者尝试改用expireAfter策略,期望实现缓存项在5-15分钟之间随机过期。然而实际运行中发现,缓存项似乎永远不会过期,与预期行为不符。

技术实现分析

初始配置

最初的缓存配置使用expireAfterWrite

Caffeine.newBuilder()
    .maximumSize(10_000)
    .expireAfterWrite(10.minutes)
    .recordStats()
    .buildAsync { k, _ -> coroutineScope.future { Box(loader(k)) } }

这种配置简单直接,所有缓存项在写入10分钟后统一过期。

改进尝试

开发者尝试改用随机过期时间的策略:

fun expireRandomDurationAfterCreate(min: Duration, max: Duration) = object : Expiry<String, Boolean> {
    override fun expireAfterCreate(key: String, value: Boolean, currentTime: Long) =
        randomDurationNanos(min, max)
    override fun expireAfterUpdate(key: String, value: Boolean, currentTime: Long, currentDuration: Long) =
        currentDuration
    override fun expireAfterRead(key: String, value: Boolean, currentTime: Long, currentDuration: Long) =
        currentDuration
}

Caffeine.newBuilder()
    .maximumSize(10_000)
    .expireAfter(expireRandomDurationAfterCreate(5.minutes, 15.minutes))
    .scheduler(Scheduler.systemScheduler())
    .recordStats()
    .buildAsync { k, _ -> coroutineScope.future { Box(loader(k)) } }

问题根源

经过深入排查,发现问题出在Expiry接口的泛型参数类型不匹配。虽然代码能够编译通过,但由于类型不匹配导致过期策略未能正确应用。

正确的实现应该匹配缓存值的实际类型Box<Boolean>

object : Expiry<String, Box<Boolean>> {
    // 方法实现保持不变
}

技术要点解析

  1. expireAfterWrite与expireAfter的区别

    • expireAfterWrite:所有缓存项使用相同的固定过期时间
    • expireAfter:允许为每个缓存项定制不同的过期策略
  2. Expiry接口的正确使用

    • 必须确保泛型参数与实际缓存值类型完全匹配
    • 需要实现三个关键方法:创建后、更新后和读取后的过期时间计算
  3. 缓存雪崩的预防

    • 随机过期时间是防止缓存集体失效的有效手段
    • 也可以考虑使用refreshAfterWrite实现后台刷新

最佳实践建议

  1. 在使用自定义Expiry策略时,务必仔细检查泛型参数类型
  2. 对于需要分散过期时间的场景,除了随机过期策略,还可以考虑:
    • 分层缓存策略
    • 提前刷新机制
    • 批量加载优化
  3. 建议使用Ticker进行单元测试,验证过期行为是否符合预期

总结

通过这个案例我们可以看到,Caffeine提供了灵活的缓存过期策略配置,但需要开发者正确理解和使用。特别是当使用高级特性如自定义Expiry时,类型系统的严格匹配是保证功能正常的关键。合理配置缓存过期策略不仅能提升系统性能,还能有效避免缓存雪崩等问题。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K
kernelkernel
deepin linux kernel
C
22
6
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
981
395
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
RuoYi-Vue3RuoYi-Vue3
🎉 (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
932
555
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
nop-entropynop-entropy
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
8
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
519
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0