Bucket4j 8.10.1版本新增Hazelcast灵活过期策略支持
2025-07-01 10:14:43作者:冯梦姬Eddie
在分布式限流场景中,过期键的自动清理是一个重要功能。Bucket4j作为Java领域知名的限流库,在8.10.1版本中为Hazelcast后端存储新增了灵活的键过期策略支持,使其功能与Redis后端保持了一致。
背景与需求
在之前的版本中,Bucket4j的Redis实现通过AbstractRedisProxyManagerBuilder.withExpirationStrategy方法提供了便捷的过期策略配置,而Hazelcast用户则需要手动配置Map的TTL参数。这种不一致性给开发者带来了额外的适配工作。
技术实现
新版本通过在HazelcastEntryProcessor中利用Hazelcast的ExtendedMapEntry接口,实现了与Redis相同的灵活过期机制。核心改进包括:
- 统一了所有分布式后端的过期策略API
- 支持基于每个条目的独立过期时间配置
- 自动处理过期键的清理工作
使用方式
开发者现在可以通过统一的构建器模式配置Hazelcast的过期策略:
ProxyManager<String> proxyManager = Bucket4jHazelcast.entryProcessorBasedBuilder(hazelcastInstance)
.withExpirationStrategy(ExpirationStrategy.afterWrite(Duration.ofDays(1)))
.build();
技术价值
这一改进带来了三个主要优势:
- 一致性:所有分布式后端现在都提供相同的过期策略API
- 灵活性:支持按写入时间或访问时间设置不同的过期策略
- 易用性:简化了Hazelcast集成的配置工作
最佳实践
对于需要精细控制存储开销的场景,建议:
- 根据业务特点选择afterWrite或afterAccess策略
- 合理设置过期时间平衡内存使用和性能
- 监控实际存储使用情况调整配置
该改进已在Bucket4j 8.10.1版本中发布,为Hazelcast用户提供了更完善的限流解决方案。
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-5.1GLM-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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
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++
941
868
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
394
292
暂无简介
Dart
911
219
🎉 (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
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
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
1.07 K
557