本文详细解读了Java本地缓存库Caffeine的数据淘汰策略，包括基于时间（expireAfterWrite、expireAfterAccess、expireAfter）的淘汰，基于大小（maximumSize、maximumWeight）的限制，以及基于引用（weakKeys、weakValues、softValues）的回收机制。文章通过示例代码展示了Caffeine如何实现异步淘汰，以及各种策略的使用方法和注意事项。
大家好，又见面了。
本文是笔者作为掘金技术社区签约作者的身份输出的缓存专栏系列内容，将会通过系列专题，讲清楚缓存的方方面面。如果感兴趣，欢迎关注以获取后续更新。
上一篇文章中，我们聊了下Caffeine的同步、异步的数据回源方式。本篇文章我们再一起研讨下Caffeine的多种不同的数据淘汰驱逐机制，以及对应的实际使用。
在惰性删除实现机制这边，Caffeine做了一些改进优化以提升在并发场景下的性能表现。我们可以和Guava Cache的基于容量大小的淘汰处理做个对比。
当限制了Guava Cache最大容量之后，有新的记录写入超过了总大小，会理解触发数据淘汰策略，然后腾出空间给新的记录写入。比如下面这段逻辑：
超级会员免费看
public static void main
1017
626
2653
4235
350
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
订阅专栏 解锁全文
