Guava缓存是谷歌的一种本地缓存,缓存是通过使用本机的内存来存储的,实现原理类似于ConcurrentHashMap,
Guava适用于以下的场景:
1.消耗内存空间来提升速度
2.你预料到某些键会被查询一次以上
3.缓存中存放的数据总量不会超出内存的容量
缓存回收
1.基于容量的回收
CacheBuilder.maximumSize(long)
这种回收方案使用的策略是LRU算法。
LRU算法(Least recently used,最近最少使用)根据数据的历史访问记录来进行淘汰数据,其核心思想是如果数据最近被访问过,那么将来被访问的几率也会很高。
算法的实现是采用的链表的实现,新数据插入到链表的头部,每当缓存命中(即缓存数据被访问),则将找到的该数据移到链表的头部。
当链表满的时候,将链表尾部的数据丢弃。
命中率
当存在热点数据时,LRU的效率很好,但是偶发性的、周期性的批量操作会导致LRU命中率急剧下降,缓存污染情况比较严重。
时间复杂度为O(n)
优缺点
命中时需要遍历链表,找到命中的数据然后移到链表的头部,和链表的特性一样,查找需要遍历整个链表,插入新数据比较快。
2.定时回