Caffeine

Caffeine 是java中的高性能本地缓存，提供了丰富的缓存功能。Caffeine 的目标是提供一个高吞吐量、低延迟、并发友好的缓存实现。

特点

• 高性能：Caffeine 是基于内存的本地缓存，访问速度非常快，并且在高并发环境下表现优秀。
• 低延迟：由于数据直接存储在应用程序的本地内存中，访问延迟几乎为零。
• 近乎零GC开销：设计上非常高效，垃圾回收（GC）开销非常小。
• 配置灵活：支持多种缓存失效策略，如基于时间的过期、基于容量的过期等。
• 易用性：简单易用的API，非常适合在Java应用程序中快速集成。

缓存策略配置

Caffeine 提供了多种缓存策略和配置选项，可以灵活地满足各种需求：

• 缓存过期策略：写入后过期expireAfterWrite、访问后过期expireAfterAccess
• 容量配置
• 自定义缓存加载：同步加载、异步加载
• 统计信息：监控缓存的使用情况和性能指标 

使用

<dependency><groupId>com.github.ben-manes.caffeine</groupId><artifactId>caffeine</artifactId><version>3.0.4</version> <!-- 请根据实际需要选择版本 -->
</dependency>

    private static Cache<String, String> localCache = Caffeine.newBuilder().initialCapacity(5000).maximumSize(100000).expireAfterWrite(60, TimeUnit.SECONDS).softValues().build();

Caffeine和Redis对比

	Redis	Caffeine
概述	类型: 分布式缓存和NoSQL数据库 语言: 多语言支持，主要基于 C 语言 特点: 高可用、持久化、丰富的数据结构、多种部署模式	类型: 本地缓存库 语言: Java 特点: 高性能、低延迟、内存缓存
优点	分布式支持：可以作为分布式缓存，支持多个应用实例共享缓存数据。 多种数据结构：支持字符串、哈希、列表、集合、有序集合、位图、HyperLogLog 等多种数据结构。 持久化：支持数据持久化到磁盘，防止数据丢失。 高可用：支持主从复制、哨兵模式和集群模式，提供高可用性和规模化扩展能力。 丰富功能：如发布/订阅、Lua 脚本、事务等。	高性能：Caffeine 是基于内存的本地缓存，访问速度非常快，并且在高并发环境下表现优秀。 低延迟：由于数据直接存储在应用程序的本地内存中，访问延迟几乎为零。 近乎零GC开销：设计上非常高效，垃圾回收（GC）开销非常小。 配置灵活：支持多种缓存失效策略，如基于时间的过期、基于容量的过期等。 易用性：简单易用的API，非常适合在Java应用程序中快速集成。
缺点	网络开销：由于Redis在分布式环境中使用，访问需要通过网络，不如本地缓存那么低延迟。 配置和运维复杂：需要安装和维护Redis服务器，相对于本地缓存库，运维复杂度高。 内存开销：高频访问大数据量时，内存占用较大，需要合理配置和管理。	局限于单个应用节点：只能在单个应用实例中使用，无法在多个应用实例之间共享缓存数据。 内存有限制：缓存数据受限于应用服务器的内存大小，适合不需要大规模数据缓存的应用场景。 无持久化支持：数据仅存储在内存中，应用重启或崩溃时，缓存数据丢失。
使用场景	分布式系统，需要多个应用实例共享缓存数据。 大规模缓存需求，单台服务器内存无法满足。 需要数据高可用、持久化、跨节点共享。 需要复杂数据结构和功能支持，如发布/订阅、计数等。	单节点应用，需要快速访问本地缓存。 高并发、高性能要求的应用。 小规模缓存需求，不需要跨节点共享数据。 缓存数据在应用生命周期内有效，无需持久化。

 

联系：

一般将两者结合起来，形成一二级缓存。使用流程大致如下：

• 1.一级缓存：先去本地缓存caffeine中查找数据（本地）
• 2.二级缓存：如果没有的话，去redis中查找数据（远程）
• 3.数据库：都没有，再去数据库中查找数据（磁盘）