一、摘要
说到缓存，面试官基本上会绕不开以下几个话题！
项目中哪些地方用到了缓存？为什么要使用缓存？怎么使用它的？引入缓存后会带来哪些问题？
这些问题，基本上是互联网公司面试时必问的一些问题，如果面试的时候，连缓存都不清楚，那确实多少显的有些尴尬！
项目里面为什么要引入缓存？这个问题还得结合项目中的业务来回答！
引入缓存，其实主要有两个用途：高性能、高并发！
假设某个操作非常频繁，比如网站的商城首页，需要频繁的从数据库里面获取商品数据，可能从数据库一顿各种乱七八糟的操作下来，平均耗时 500 ms，随着请求频次越高，用户等待数据的返回结果时间越来越长，体验越来越差。
如果此时，引入缓存，将数据库里面查询出来的商品数据信息，放入缓存服务里面，当用户再此发起查询操作的时候，直接从缓存服务里面获取，速度从耗时 500 ms，可能直接优化成 5 ms，体验上瞬间会上升好几个层次！
这就是引入缓存带来的高性能体验结果！
当然，除此之外，引入缓存之前，以 mysql 数据库为例，单台机器一秒内的请求次数到达 2000 之后就会开始报警；引入缓存之后，比如以 redis 缓存服务器为例，单台机器一秒内的请求次数支持 110000 次，两者支持的并发量完全不是一个数量级的。
这就是引入缓存带来的高并发体验结果！
尤其是对于流量很大的业务，引入缓存，给系统带来的提升是十分显著的。
可能有的同学又会发出疑问，缓存和数据库为啥差距这么大，有啥区别？
我们都知道在计算机领域，数据的存储主要有两处：一处是内存，另一处是磁盘。
在计算机中，内存的数据读写性能远超磁盘的读写性能，尽管如此，其实两者也有不同，如果数据存储到内存中，虽然读写性能非常高，但是当电脑重启之后，数据会全部清除；而存入磁盘的数据，虽然读写性能很差，但是电脑重启之后数据不会丢失。
因为两者的数据存储方案不同，造就了不同的实践用途！
我们上面讲到的缓存服务，其实本质就是将数据存储到内存中；而数据库服务，是将数据写入到磁盘，从磁盘中读取数据。
无论是哪种方案，没有绝对的好与坏，主要还是取决于实际的业务用途。
在项目中如何引入缓存呢？我们通常的做法如下：
操作步骤：
1.当用户发起访问某数据的操作时，检查缓存服务里面是否存在，如果存在，直接返回；如果不存在，走数据库的查询服务。
2.从数据库里面获取到有效数据之后，存入缓存服务，并返回给用户。
3.当被访问的数据发生更新的时候，需要同时删除缓存服务，以便用户再次查询的时候，能获取到最新的数据。
当然以上的缓存处理办法，对于简单的需要缓存的业务场景，能轻松应对。
但是面对复杂的业务场景和服务架构，尤其是对缓存要求比较高的业务，引入缓存的方式，也会跟着一起变化！
从缓存面向的对象不同，缓存分为：本地缓存、分布式缓存和多级缓存。
所谓本地缓存，相信大家都能理解，在单个计算机服务实例中，直接把数据缓存到内存中进行使用。
但是现在的服务，大多都是以集群的方式来部署，你也可以这样理解，同一个网站服务，同时在两台计算机里面部署，比如你用到的session会话，就无法同时共享，因此需要引入一个独立的缓存服务来连接两台服务器，这个独立部署的缓存服务，我们把这种技术实践方案称为分布式缓存。
在实际的业务中，本地缓存和分布式缓存会同时结合进行使用，当收到访问某个数据的操作时，会优先从本地缓存服务（也叫一级缓存）查询，如果没有，再从分布式缓存服务（也叫二级缓存）里面获取，如果也没有，最后再从数据库里面获取；从数据库查询完成之后，在依次更新分布式缓存服务、本次缓存服务，我们把这个技术实践方案叫多级缓存！
由于篇幅的原因，我们在后期给大家介绍分布式缓存服务、多级缓存服务。
今天主要围绕本地缓存服务的技术实现，给大家进行分享和介绍！
二、方案介绍
如果使用过缓存的同学，可以很容易想到缓存需要哪些东西，通常我们在使用缓存的时候，比较关注两个地方，第一是内存持久化，第二是支持缓存的数据自动过期清楚。
基于以上的要求，我们向介绍以下几种技术实现方案。
2.1、手写一个缓存服务
对于简单的数据缓存，我们完全可以自行编写一套缓存服务，实现过程如下！
首先，创建一个缓存实体类。
public class CacheEntity {
/**
* 缓存键
*/
private String key;
/**
* 缓存值
*/
private Object value;
/**
* 过期时间
*/
private Long expireTime;
//...set、get
}接着，编写一个缓存操作工具类CacheUtils。
public class CacheUtils {
/**
* 缓存数据
*/
private final static Map CACHE_MAP = new ConcurrentHashMap();
/**
* 定时器线程池，用于清除过期缓存
*/
private static ScheduledExecutorService executor = Executors.newSingleThreadScheduledExecutor();
static {
// 注册一个定时线程任务，服务启动1秒之后，每隔500毫秒执行一次
executor.scheduleAtFixedRate(new Runnable() {
@Override
public void run() {
// 清理过期缓存
clearCache();
}
},1000,500,TimeUnit.MILLISECONDS);
}
/**
* 添加缓存
* @param key 缓存键
* @param value 缓存值
*/
public static void put(String key, Object value){
put(key, value, 0);
}
/**
* 添加缓存
* @param key 缓存键
* @param value 缓存值
* @param expire 缓存时间，单位秒
*/
public static void put(String key, Object value, long expire){
CacheEntity cacheEntity = new CacheEntity()
.setKey(key)
.setValue(value);
if(expire > 0){
Long expireTime = System.currentTimeMillis() + Duration.ofSeconds(expire).toMillis();
cacheEntity.setExpireTime(expireTime);
}
CACHE_MAP.put(key, cacheEntity);
}
/**
* 获取缓存
* @param key
* @return
*/
public static Object get(String key){
if(CACHE_MAP.containsKey(key)){
return CACHE_MAP.get(key).getValue();
}
return null;
}
/**
* 移除缓存
* @param key
*/
public static void remove(String key){
if(CACHE_MAP.containsKey(key)){
CACHE_MAP.remove(key);
}
}
/**
* 清理过期的缓存数据
*/
private static void clearCache(){
if(CACHE_MAP.size() > 0){
return;
}
Iterator iterator = CACHE_MAP.entrySet().iterator();
while (iterator.hasNext()){
Map.Entry entry = iterator.next();
if(entry.getValue().getExpireTime() != null && entry.getValue().getExpireTime().longValue() > System.currentTimeMillis()){
iterator.remove();
}
}
}
}最后，我们来测试一下缓存服务。
// 写入缓存数据
CacheUtils.put("userName", "张三", 3);
// 读取缓存数据
Object value1 = CacheUtils.get("userName");
System.out.println("第一次查询结果：" + value1);
// 停顿4秒
Thread.sleep(4000);
// 读取缓存数据
Object value2 = CacheUtils.get("userName");
System.out.println("第二次查询结果：" + value2);输出结果，与预期一致！
第一次查询结果：张三
第二次查询结果：null实现思路其实很简单，采用ConcurrentHashMap作为缓存数据存储服务，然后开启一个定时调度，每隔500毫秒检查一下过期的缓存数据，然后清除掉！
2.2、基于 Guava Cache 实现本地缓存
Guava 是 Google 团队开源的一款 Java 核心增强库，包含集合、并发原语、缓存、IO、反射等工具箱，性能和稳定性上都有保障，应用十分广泛。
相比自己编写的缓存服务，Guava Cache 要强大的多，支持很多特性如下：
- 支持最大容量限制
- 支持两种过期删除策略（插入时间和读取时间）
- 支持简单的统计功能
- 基于 LRU 算法实现
使用方面也很简单，首先引入guava库包。
com.google.guava
guava
31.1-jre
案例代码如下：
// 创建一个缓存实例
Cache cache = CacheBuilder.newBuilder()
// 初始容量
.initialCapacity(5)
// 最大缓存数，超出淘汰
.maximumSize(10)
// 过期时间
.expireAfterWrite(3, TimeUnit.SECONDS)
.build();
// 写入缓存数据
cache.put("userName", "张三");
// 读取缓存数据
String value1 = cache.get("userName", () -> {
// 如果key不存在，会执行回调方法
return "key已过期";
});
System.out.println("第一次查询结果：" + value1);
// 停顿4秒
Thread.sleep(4000);
// 读取缓存数据
String value2 = cache.get("userName", () -> {
// 如果key不存在，会执行回调方法
return "key已过期";
});
System.out.println("第二次查询结果：" + value2);输出结果：
第一次查询结果：张三
第二次查询结果：key已过期2.3、基于 Caffeine 实现本地缓存
Caffeine 是基于 java8 实现的新一代缓存工具，缓存性能接近理论最优，可以看作是 Guava Cache 的增强版，功能上两者类似，不同的是 Caffeine 采用了一种结合 LRU、LFU 优点的算法：W-TinyLFU，在性能上有明显的优越性。
使用方面也很简单，首先引入caffeine库包。
com.github.ben-manes.caffeine
caffeine
2.9.3
案例代码如下：
// 创建一个缓存实例
Cache cache = Caffeine.newBuilder()
// 初始容量
.initialCapacity(5)
// 最大缓存数，超出淘汰
.maximumSize(10)
// 设置缓存写入间隔多久过期
.expireAfterWrite(3, TimeUnit.SECONDS)
// 设置缓存最后访问后间隔多久淘汰，实际很少用到
//.expireAfterAccess(3, TimeUnit.SECONDS)
.build();
// 写入缓存数据
cache.put("userName", "张三");
// 读取缓存数据
String value1 = cache.get("userName", (key) -> {
// 如果key不存在，会执行回调方法
return "key已过期";
});
System.out.println("第一次查询结果：" + value1);
// 停顿4秒
Thread.sleep(4000);
// 读取缓存数据
String value2 = cache.get("userName", (key) -> {
// 如果key不存在，会执行回调方法
return "key已过期";
});
System.out.println("第二次查询结果：" + value2);输出结果：
第一次查询结果：张三
第二次查询结果：key已过期2.4、基于 Encache 实现本地缓存
Encache 是一个纯 Java 的进程内缓存框架，具有快速、精干等特点，是 Hibernate 中默认的 CacheProvider。
同 Caffeine 和 Guava Cache 相比，Encache 的功能更加丰富，扩展性更强，特性如下：
- 支持多种缓存淘汰算法，包括 LRU、LFU 和 FIFO
- 缓存支持堆内存储、堆外存储、磁盘存储（支持持久化）三种
- 支持多种集群方案，解决数据共享问题
使用方面也很简单，首先引入ehcache库包。
org.ehcache
ehcache
3.9.7
案例代码如下：
/**
* 自定义过期策略实现
*/
public class CustomExpiryPolicy implements ExpiryPolicy {
private final Map keyExpireMap = new ConcurrentHashMap();
public Duration setExpire(K key, Duration duration) {
return keyExpireMap.put(key, duration);
}
public Duration getExpireByKey(K key) {
return Optional.ofNullable(keyExpireMap.get(key))
.orElse(null);
}
public Duration removeExpire(K key) {
return keyExpireMap.remove(key);
}
@Override
public Duration getExpiryForCreation(K key, V value) {
return Optional.ofNullable(getExpireByKey(key))
.orElse(Duration.ofNanos(Long.MAX_VALUE));
}
@Override
public Duration getExpiryForAccess(K key, Supplier
