前言
咱们在 从零手写 cache 框架(一)实现固定大小的缓存 中曾经初步实现了咱们的 cache。
本节,让咱们来一起学习一下如何实现相似 redis 中的 expire 过期性能。
过期是一个十分有用的个性,比方我心愿登录信息放到 redis 中,30min 之后生效;或者单日的累计信息放在 redis 中,在每天的凌晨主动清空。
代码实现
接口
咱们首先来定义一下接口。
次要有两个:一个是多久之后过期,一个是在什么时候过期。
public interface ICache<K, V> extends Map<K, V> { /** * 设置过期工夫 * (1)如果 key 不存在,则什么都不做。 * (2)临时不提供新建 key 指定过期工夫的形式,会毁坏原来的办法。 * * 会做什么: * 相似于 redis * (1)惰性删除。 * 在执行上面的办法时,如果过期则进行删除。 * {@link ICache#get(Object)} 获取 * {@link ICache#values()} 获取所有值 * {@link ICache#entrySet()} 获取所有明细 * * 【数据的不一致性】 * 调用其余办法,可能失去的不是使用者的预期后果,因为此时的 expire 信息可能没有被及时更新。 * 比方 * {@link ICache#isEmpty()} 是否为空 * {@link ICache#size()} 以后大小 * 同时会导致以 size() 作为过期条件的问题。 * * 解决方案:思考增加 refresh 等办法,临时不做一致性的思考。 * 对于理论的应用,咱们更关怀 K/V 的信息。 * * (2)定时删除 * 启动一个定时工作。每次随机抉择指定大小的 key 进行是否过期判断。 * 相似于 redis,为了简化,能够思考设定超时工夫,频率与超时工夫成反比。 * * 其余拓展性思考: * 前期思考提供原子性操作,保障事务性。临时不做思考。 * 此处默认应用 TTL 作为比拟的基准,临时不想反对 LastAccessTime 的淘汰策略。会减少复杂度。 * 如果减少 lastAccessTime 过期,本办法能够不做批改。 * * @param key key * @param timeInMills 毫秒工夫之后过期 * @return this * @since 0.0.3 */ ICache<K, V> expire(final K key, final long timeInMills); /** * 在指定的工夫过期 * @param key key * @param timeInMills 工夫戳 * @return this * @since 0.0.3 */ ICache<K, V> expireAt(final K key, final long timeInMills);}
代码实现
为了便于解决,咱们将多久之后过期,进行计算。将两个问题变成同一个问题,在什么时候过期的问题。
外围的代码,次要还是看 cacheExpire 接口。
@Overridepublic ICache<K, V> expire(K key, long timeInMills) { long expireTime = System.currentTimeMillis() + timeInMills; return this.expireAt(key, expireTime);}@Overridepublic ICache<K, V> expireAt(K key, long timeInMills) { this.cacheExpire.expire(key, timeInMills); return this;}
缓存过期
这里为了便于前期拓展,对于过期的解决定义为接口,便于前期灵便替换。
接口
其中 expire(final K key, final long expireAt);
就是咱们办法中调用的中央。
refershExpire 属于惰性删除,须要进行刷新时才思考,咱们前面解说。
public interface ICacheExpire<K,V> { /** * 指定过期信息 * @param key key * @param expireAt 什么时候过期 * @since 0.0.3 */ void expire(final K key, final long expireAt); /** * 惰性删除中须要解决的 keys * @param keyList keys * @since 0.0.3 */ void refreshExpire(final Collection<K> keyList);}
expire 实现原理
其实过期的实思路也比较简单:咱们能够开启一个定时工作,比方 1 秒钟做一次轮训,将过期的信息清空。
过期信息的存储
/** * 过期 map * * 空间换工夫 * @since 0.0.3 */private final Map<K, Long> expireMap = new HashMap<>();@Overridepublic void expire(K key, long expireAt) { expireMap.put(key, expireAt);}
咱们定义一个 map,key 是对应的要过期的信息,value 存储的是过期工夫。
轮询清理
咱们固定 100ms 清理一次,每次最多清理 100 个。
/** * 单次清空的数量限度 * @since 0.0.3 */private static final int LIMIT = 100;/** * 缓存实现 * @since 0.0.3 */private final ICache<K,V> cache;/** * 线程执行类 * @since 0.0.3 */private static final ScheduledExecutorService EXECUTOR_SERVICE = Executors.newSingleThreadScheduledExecutor();public CacheExpire(ICache<K, V> cache) { this.cache = cache; this.init();}/** * 初始化工作 * @since 0.0.3 */private void init() { EXECUTOR_SERVICE.scheduleAtFixedRate(new ExpireThread(), 100, 100, TimeUnit.MILLISECONDS);}
这里定义了一个单线程,用于执行清空工作。
清空工作
这个非常简单,遍历过期数据,判断对应的工夫,如果曾经到期了,则执行清空操作。
为了防止单次执行工夫过长,最多只解决 100 条。
/** * 定时执行工作 * @since 0.0.3 */private class ExpireThread implements Runnable { @Override public void run() { //1.判断是否为空 if(MapUtil.isEmpty(expireMap)) { return; } //2. 获取 key 进行解决 int count = 0; for(Map.Entry<K, Long> entry : expireMap.entrySet()) { if(count >= LIMIT) { return; } expireKey(entry); count++; } }}/** * 执行过期操作 * @param entry 明细 * @since 0.0.3 */private void expireKey(Map.Entry<K, Long> entry) { final K key = entry.getKey(); final Long expireAt = entry.getValue(); // 删除的逻辑解决 long currentTime = System.currentTimeMillis(); if(currentTime >= expireAt) { expireMap.remove(key); // 再移除缓存,后续能够通过惰性删除做弥补 cache.remove(key); }}
清空的优化思路
如果过期的利用场景不多,那么常常轮训的意义理论不大。
比方咱们的工作 99% 都是在凌晨清空数据,白天无论怎么轮询,纯正是浪费资源。
那有没有什么办法,能够疾速的判断有没有须要解决的过期元素呢?
答案是有的,那就是排序的 MAP。
咱们换一种思路,让过期的工夫做 key,雷同工夫的须要过期的信息放在一个列表中,作为 value。
而后对过期工夫排序,轮询的时候就能够疾速判断出是否有过期的信息了。
public class CacheExpireSort<K,V> implements ICacheExpire<K,V> { /** * 单次清空的数量限度 * @since 0.0.3 */ private static final int LIMIT = 100; /** * 排序缓存存储 * * 应用依照工夫排序的缓存解决。 * @since 0.0.3 */ private final Map<Long, List<K>> sortMap = new TreeMap<>(new Comparator<Long>() { @Override public int compare(Long o1, Long o2) { return (int) (o1-o2); } }); /** * 过期 map * * 空间换工夫 * @since 0.0.3 */ private final Map<K, Long> expireMap = new HashMap<>(); /** * 缓存实现 * @since 0.0.3 */ private final ICache<K,V> cache; /** * 线程执行类 * @since 0.0.3 */ private static final ScheduledExecutorService EXECUTOR_SERVICE = Executors.newSingleThreadScheduledExecutor(); public CacheExpireSort(ICache<K, V> cache) { this.cache = cache; this.init(); } /** * 初始化工作 * @since 0.0.3 */ private void init() { EXECUTOR_SERVICE.scheduleAtFixedRate(new ExpireThread(), 1, 1, TimeUnit.SECONDS); } /** * 定时执行工作 * @since 0.0.3 */ private class ExpireThread implements Runnable { @Override public void run() { //1.判断是否为空 if(MapUtil.isEmpty(sortMap)) { return; } //2. 获取 key 进行解决 int count = 0; for(Map.Entry<Long, List<K>> entry : sortMap.entrySet()) { final Long expireAt = entry.getKey(); List<K> expireKeys = entry.getValue(); // 判断队列是否为空 if(CollectionUtil.isEmpty(expireKeys)) { sortMap.remove(expireAt); continue; } if(count >= LIMIT) { return; } // 删除的逻辑解决 long currentTime = System.currentTimeMillis(); if(currentTime >= expireAt) { Iterator<K> iterator = expireKeys.iterator(); while (iterator.hasNext()) { K key = iterator.next(); // 先移除自身 iterator.remove(); expireMap.remove(key); // 再移除缓存,后续能够通过惰性删除做弥补 cache.remove(key); count++; } } else { // 间接跳过,没有过期的信息 return; } } } } @Override public void expire(K key, long expireAt) { List<K> keys = sortMap.get(expireAt); if(keys == null) { keys = new ArrayList<>(); } keys.add(key); // 设置对应的信息 sortMap.put(expireAt, keys); expireMap.put(key, expireAt); }}
看起来是切实可行的,这样能够升高轮询的压力。
这里其实应用空间换取工夫,感觉前面能够做一下改良,这种办法性能应该还是不错的。
不过我并没有采纳这个计划,次要是思考到惰性删除的问题,这样会麻烦一些,后续思考继续改善下这个计划。
惰性删除
呈现的起因
相似于 redis,咱们采纳定时删除的计划,就有一个问题:可能数据清理的不及时。
那当咱们查问时,可能获取到到是脏数据。
于是就有一些人就想了,当咱们关怀某些数据时,才对数据做对应的删除判断操作,这样压力会小很多。
算是一种折中计划。
须要惰性删除的办法
个别就是各种查询方法,比方咱们获取 key 对应的值时
@Override@SuppressWarnings("unchecked")public V get(Object key) { //1. 刷新所有过期信息 K genericKey = (K) key; this.cacheExpire.refreshExpire(Collections.singletonList(genericKey)); return map.get(key);}
咱们在获取之前,先做一次数据的刷新。
刷新的实现
实现原理也非常简单,就是一个循环,而后作删除即可。
这里加了一个小的优化:抉择数量少的作为外循环。
循环汇合的工夫复杂度是 O(n), map.get() 的工夫复杂度是 O(1);
@Overridepublic void refreshExpire(Collection<K> keyList) { if(CollectionUtil.isEmpty(keyList)) { return; } // 判断大小,小的作为外循环。个别都是过期的 keys 比拟小。 if(keyList.size() <= expireMap.size()) { for(K key : keyList) { expireKey(key); } } else { for(Map.Entry<K, Long> entry : expireMap.entrySet()) { this.expireKey(entry); } }}
测试
下面的代码写完之后,咱们就能够验证一下了。
ICache<String, String> cache = CacheBs.<String,String>newInstance() .size(3) .build();cache.put("1", "1");cache.put("2", "2");cache.expire("1", 10);Assert.assertEquals(2, cache.size());TimeUnit.MILLISECONDS.sleep(50);Assert.assertEquals(1, cache.size());System.out.println(cache.keySet());
后果也合乎咱们的预期。
小结
到这里,一个相似于 redis 的 expire 过期性能,算是根本实现了。
当然,还有很多优化的中央。
比方为了后续增加各种监听器不便,我对所有须要刷新的中央调整为应用字节码+注解的形式,而不是在每一个须要的办法中增加刷新办法。
下一节,咱们将独特学习下如何实现各种监听器。
对你有帮忙的话,欢送点赞评论珍藏关注一波走起~
你的激励,是我最大的能源~
原文地址
Cache Travel-09-从零手写 cache 之 redis expire 过期实现原理