Spring boot Caffeine缓存

Spring boot Caffeine缓存
本地缓存解决方案-Caffeine Cache
深入解密来自未来的缓存-Caffeine

caffeine vs ehcache
Ehcache介绍及整合Spring实现高速缓存

全网最权威的Caffeine教程

缓存淘汰算法 LRU&LFU&W-TinyLFU
二

Caffeine Cache 进程缓存之王

Caffeine 详解 —— Caffeine 使用

Caffeine高性能设计
判断一个本地缓存的好坏最核心指标就是命中率和内存占用，影响命中率的因素有很多，比如业务场景，淘汰策略，清理策略，缓存容量

W-TinyLFU 淘汰算法的整体设计
淘汰策略是影响缓存命中率的很重要的因素，我们常用的有LRU或则LFU。W-TinyLFU很明显是一种变种的 LFU 的淘汰算法。

LRU和LRU的缺点
LRU实现非常简单，性能也非常好。LRU对突发的稀疏流量（sparse bursts）表现很好，但同时也会产生缓存污染，比如偶然性的要对全量数据进行遍历，那么“历史访问记录”就会被刷走，造成污染。也就是冷数据会顶掉热数据

如果数据的分布在一段时间内是固定的话，那么LFU可以达到最高的命中率。但是有两个很大的缺点：

维护每个记录项的频率信息，这是个巨大的开销；
对突发性的稀疏流量无力。
针对LRU和LFU都有很多改良算法，比如基于LRU的ARC等。

TinyLFU
TinyLFU就是基于LFU的改良算法。

解决LFU的第一个缺点是采用了Count–Min Sketch算法。

解决LFU的第二个缺点是让记录尽量保持相对的“新鲜”（Freshness Mechanism），并且当有新的记录插入时，可以让它跟老的记录进行“PK”，输者就会被淘汰，这样一些老的、不再需要的记录就会被剔除。