缓存的简单实现

用户1148394

发布于 2018-01-09 17:48:33

7300

发布于 2018-01-09 17:48:33

文章被收录于专栏：余林丰

//此文基于《Java并发编程实践》

我们都知道在应用程序中合理地使用缓存，能更快的访问我们之前的计算结果，从而提高吞吐量。例如Redis和Memcached基于内存的数据存储系统等。此篇文章介绍如何实现简单缓存。

首先定义一个Computable接口A是输入，V是输出。

1 package simplecache;
2 
3 /**
4  * Created by yulinfeng on 12/25/16.
5  */
6 public interface Computable<A, V> {
7     V compute(A arg) throws InterruptedException;
8 }

实现这个接口，也即是在ExpensiveFunction做具体的计算过程。

 1 package simplecache;
 2 
 3 /**
 4  * Created by yulinfeng on 12/25/16.
 5  */
 6 public class ExpensiveFunction implements Computable<String, Integer> {
 7     @Override
 8     public Integer compute(String arg) throws InterruptedException {
 9         //计算
10         return new Integer(arg);
11     }
12 }

接着将创建一个Computable包装器，帮助记住之前的计算结果，并将缓存过程封装起来（Memoization）。

1.利用简单HashMap实现缓存

 1 package simplecache;
 2 
 3 import java.util.HashMap;
 4 import java.util.Map;
 5 
 6 /**
 7  * Created by yulinfeng on 12/25/16.
 8  */
 9 public class Memoizer1<A, V> implements Computable<A, V> {
10     private final Map<A, V> cache = new HashMap<A, V>();
11     private final Computable<A, V> c;
12 
13     public Memoizer1(Computable<A, V> c){
14         this.c = c;
15     }
16 
17     @Override
18     public synchronized V compute(A arg) throws InterruptedException {
19         V result = cache.get(arg);
20         if (null == result){
21             result = c.compute(arg);
22             cache.put(arg, result);
23         }
24         return result;
25     }
26 }

我们首先利用最简单的HashMap实现缓存，由于HashMap并不是线程安全的，所以在compute方法使用synchronized关键字，同步以实现线程安全。可见使用synchronized同步方法如此大粒度的同步必然会带来并发性的降低，因为每次只有一个线程执行compute方法，其余线程只能排队等待。

2.利用并发容器ConcurrentHashMap

第1种方法能实现缓存，且能实现线程安全的缓存，不过带来的问题就是并发性降低。我们使用并发包中的ConcurrentHashMap并发容器。

 1 package simplecache;
 2 
 3 import java.util.Map;
 4 import java.util.concurrent.ConcurrentHashMap;
 5 
 6 /**
 7  * Created by yulinfeng on 12/25/16.
 8  */
 9 public class Memoizer2<A, V> implements Computable<A, V> {
10     private final Map<A, V> cache = new ConcurrentHashMap<A, V>();
11     private final Computable<A, V> c;
12 
13     public Memoizer2(Computable<A, V> c){
14         this.c = c;
15     }
16 
17     @Override
18     public V compute(A arg) throws InterruptedException {
19         V result = cache.get(arg);
20         if (null == result){
21             result = c.compute(arg);
22             cache.put(arg, rsult);
23         }
24         return result;
25     }
26 }

毫无疑问，利用ConcurrentHashMap会比简单HashMap带来更好的并发性，同时它也是线程安全的。不过在有一种条件下，这种方式会带来一个新的问题，当这个计算过程比较复杂，计算时间比较长时，线程T1正在计算没有结束，此时线程T2并不知道此时T1已经在计算了，所以它同样会再次进行计算，这种条件下相当于一个值被计算了2次。我们应该想要达到的效果应该是T1正在计算，而此时T2能发现T1正在计算相同值，此时应该阻塞等待T1计算完毕返回计算结果，而不是T2也去做一次计算。FutureTask表示一个计算过程，这个计算过程可能已经计算完成，也有可能正在计算。如果有结果可用，那么FutureTask.get将立即返回结果，否则会一直阻塞直到计算结束返回结果。这正好我们想要达到的效果。

3.缓存的最佳实践——ConcurrentHashMap+FutureTask

 1 package simplecache;
 2 
 3 import java.util.Map;
 4 import java.util.concurrent.ExecutionException;
 5 import java.util.concurrent.Future;
 6 
 7 /**
 8  * Created by yulinfeng on 12/25/16.
 9  */
10 public class Memoizer3<A, V> implements Computable<A, V> {
11     private final Map<A, Future<V>> cache = new ConcurrentHashMap<A, Future<V>>();
12     private final Computable<A, V> c;
13 
14     public Memoizer3(Computable<A, V> c) {
15         this.c = c;
16     }
17 
18     @Override
19     public V compute(final A arg) throws InterruptedException {
20         Future<V> f = cache.get(arg);
21         if (null == f){
22             Callable<V> eval = new Callable<V>() {
23                 @Override
24                 public V call() throws InterruptedException {
25                     return c.compute(arg);
26                 }
27             };
28             FutureTask<V> ft = new FutureTask<V>(eval);
29             cache.put(arg, ft);
30             ft.run();   //调用执行c.compute
31         }
32         try {
33             return f.get();
34         } catch (ExecutionException e) {
35             e.printStackTrace();
36         }
37     }
38 }

不了解FutureTask可以去补补了，但记住上面所说“FutureTask表示一个计算过程，这个计算过程可能已经计算完成，也有可能正在计算。如果有结果可用，那么FutureTask.get将立即返回结果，否则会一直阻塞直到计算结束返回结果。”，但这并不算是最完美的实现，在compute方法中出现了if的复合操作，也就是说在期间还是很有可能出现如同ConcurrentHashMap一样的重复计算，只是概率降低了而已。幸好，ConcurrentHashMap为我们提供了putIfAbsent的原子方法，从而完美的避免了这个问题。

 1 package simplecache;
 2 
 3 import java.util.concurrent.*;
 4 
 5 /**
 6  * Created by yulinfeng on 12/25/16.
 7  */
 8 public class Memoizer<A, V> implements Computable<A, V> {
 9     private final ConcurrentHashMap<A, Future<V>> cache = new ConcurrentHashMap<A, Future<V>>();
10     private final Computable<A, V> c;
11 
12     public Memoizer(Computable<A, V> c){
13         this.c = c;
14     }
15 
16     @Override
17     public V compute(final A arg) throws InterruptedException {
18         while (true) {
19             Future<V> f = cache.get(arg);
20             if (null == f) {
21                 Callable<V> eval = new Callable<V>() {
22                     @Override
23                     public V call() throws Exception {
24                         return c.compute(arg);
25                     }
26                 };
27                 FutureTask<V> ft = new FutureTask<V>(eval);
28                 f = cache.putIfAbsent(arg, ft);
29                 if (null == f){
30                     f = ft;
31                     ft.run();
32                 }
33             }
34             try {
35                 return f.get();
36             } catch (CancellationException e){
37                 e.printStackTrace();
38             } catch (ExecutionException e) {
39                 e.printStackTrace();
40             }
41         }
42     }
43 }

这样我们利用ConcurrentHashMap的并发性已经putIfAbsent原子性，以及FutureTask的特性实现了一个简单缓存。

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2016-12-25 ，如有侵权请联系 cloudcommunity@tencent.com 删除

云数据库 Redis®