基于CurrentHashMap实现本地缓存

简介: 基于CurrentHashMap实现本地缓存
使用map进行一个本地的缓存处理;以下是简单实现
public class LocalMemory {
    private static Logger logger = LogManager.getLogger(LocalMemory.class);
    public static CacheData get(String key) {
        SoftReference<CacheData> cacheDataSoftReference = localData.get(key);
        CacheData cacheData = cacheDataSoftReference.get();
        return cacheData;
    }
    // 数据
    static class CacheData {
        // 过期时间
        private Long invalidTime;
        private Object data;
        public Long getInvalidTime() {
            return invalidTime;
        }
        public void setInvalidTime(Long invalidTime) {
            this.invalidTime = invalidTime;
        }
        public Object getData() {
            return data;
        }
        public void setData(Object data) {
            this.data = data;
        }
        @Override
        public String toString() {
            return "CacheData{" +
                    "invalidTime=" + invalidTime +
                    ", data=" + data +
                    '}';
        }
    }
    // 存储本地缓存数据.用软引用避免OutOfMemoryError
    static Map<String, SoftReference<CacheData>> localData = new ConcurrentHashMap<String, SoftReference<CacheData>>();
    public static final int MAX_SIZE = 10000;
    public static final int WARN_VALUE = 8000;
    /**
     * @param key     缓存KEY
     * @param value   缓存数据
     * @param timeOut 超时时间,单位秒
     */
    public static void put(String key, Object value, Long timeOut) {
        if (localData.size() >= WARN_VALUE) {
            logger.warn("注意:本地缓存已经达到临界值,size:" + localData.size());
        }
        if (localData.size() > MAX_SIZE) {
            logger.error("超出最大值:" + localData.size());
            return;
        }
        CacheData cacheData = new CacheData();
        long now = System.currentTimeMillis();
        long invalidTime = now + (timeOut * 1000);
        cacheData.setData(value);
        cacheData.setInvalidTime(invalidTime);
        SoftReference<CacheData> refCacheData = new SoftReference<CacheData>(cacheData);
        localData.put(key, refCacheData);
    }
    public static void main(String[] args) throws InterruptedException {
        String key = "test";
        Object value = "hello world";
        LocalMemory.put("test", value, 1l);
        System.out.println(LocalMemory.get(key));
        Thread.sleep(2000);
        System.out.println(LocalMemory.get(key));
    }
}
相关文章
|
10月前
|
缓存
基于CurrentHashMap实现本地缓存
基于CurrentHashMap实现本地缓存
120 1
|
缓存
基于CurrentHashMap实现本地缓存
基于CurrentHashMap实现本地缓存
431 0
|
6天前
|
缓存 NoSQL Java
Redis应用—8.相关的缓存框架
本文介绍了Ehcache和Guava Cache两个缓存框架及其使用方法,以及如何自定义缓存。主要内容包括:Ehcache缓存框架、Guava Cache缓存框架、自定义缓存。总结:Ehcache适合用作本地缓存或与Redis结合使用,Guava Cache则提供了更灵活的缓存管理和更高的并发性能。自定义缓存可以根据具体需求选择不同的数据结构和引用类型来实现特定的缓存策略。
Redis应用—8.相关的缓存框架
|
2天前
|
存储 缓存 NoSQL
Redis缓存设计与性能优化
Redis缓存设计与性能优化涵盖缓存穿透、击穿、雪崩及热点key重建等问题。针对缓存穿透,可采用缓存空对象或布隆过滤器;缓存击穿通过随机设置过期时间避免集中失效;缓存雪崩需确保高可用性并使用限流熔断组件;热点key重建利用互斥锁防止大量线程同时操作。此外,开发规范强调键值设计、命令使用和客户端配置优化,如避免bigkey、合理使用批量操作和连接池管理。系统内核参数如vm.swappiness、vm.overcommit_memory及文件句柄数的优化也至关重要。慢查询日志帮助监控性能瓶颈。
27 9
|
1月前
|
缓存 NoSQL 中间件
Redis,分布式缓存演化之路
本文介绍了基于Redis的分布式缓存演化,探讨了分布式锁和缓存一致性问题及其解决方案。首先分析了本地缓存和分布式缓存的区别与优劣,接着深入讲解了分布式远程缓存带来的并发、缓存失效(穿透、雪崩、击穿)等问题及应对策略。文章还详细描述了如何使用Redis实现分布式锁,确保高并发场景下的数据一致性和系统稳定性。最后,通过双写模式和失效模式讨论了缓存一致性问题,并提出了多种解决方案,如引入Canal中间件等。希望这些内容能为读者在设计分布式缓存系统时提供有价值的参考。感谢您的阅读!
130 6
Redis,分布式缓存演化之路
|
3月前
|
存储 缓存 NoSQL
解决Redis缓存数据类型丢失问题
解决Redis缓存数据类型丢失问题
206 85
|
5月前
|
消息中间件 缓存 NoSQL
Redis 是一个高性能的键值对存储系统,常用于缓存、消息队列和会话管理等场景。
【10月更文挑战第4天】Redis 是一个高性能的键值对存储系统,常用于缓存、消息队列和会话管理等场景。随着数据增长,有时需要将 Redis 数据导出以进行分析、备份或迁移。本文详细介绍几种导出方法:1)使用 Redis 命令与重定向;2)利用 Redis 的 RDB 和 AOF 持久化功能;3)借助第三方工具如 `redis-dump`。每种方法均附有示例代码,帮助你轻松完成数据导出任务。无论数据量大小,总有一款适合你。
107 6
|
2月前
|
存储 缓存 NoSQL
云端问道21期方案教学-应对高并发,利用云数据库 Tair(兼容 Redis®*)缓存实现极速响应
云端问道21期方案教学-应对高并发,利用云数据库 Tair(兼容 Redis®*)缓存实现极速响应
|
2月前
|
缓存 NoSQL 关系型数据库
云端问道21期实操教学-应对高并发,利用云数据库 Tair(兼容 Redis®)缓存实现极速响应
本文介绍了如何通过云端问道21期实操教学,利用云数据库 Tair(兼容 Redis®)缓存实现高并发场景下的极速响应。主要内容分为四部分:方案概览、部署准备、一键部署和完成及清理。方案概览中,展示了如何使用 Redis 提升业务性能,降低响应时间;部署准备介绍了账号注册与充值步骤;一键部署详细讲解了创建 ECS、RDS 和 Redis 实例的过程;最后,通过对比测试验证了 Redis 缓存的有效性,并指导用户清理资源以避免额外费用。
|
3月前
|
缓存 监控 NoSQL
Redis经典问题:缓存穿透
本文详细探讨了分布式系统和缓存应用中的经典问题——缓存穿透。缓存穿透是指用户请求的数据在缓存和数据库中都不存在,导致大量请求直接落到数据库上,可能引发数据库崩溃或性能下降。文章介绍了几种有效的解决方案,包括接口层增加校验、缓存空值、使用布隆过滤器、优化数据库查询以及加强监控报警机制。通过这些方法,可以有效缓解缓存穿透对系统的影响,提升系统的稳定性和性能。