多线程并发的cache实现

本文探讨了在多线程并发场景下,利用Double Check和FutureTask两种模式实现缓存(Cache)的性能和效果。通过性能测试,包括随机分布和数据集中分布的测试案例,对比了两种模式在不同条件下的表现。测试环境为4核8GB的Centos 6.5系统,使用JDK8。结论中提到了在数据集中分布情况下,调整了PrimeUtil的睡眠时间以获得更明显的性能差异。
摘要由CSDN通过智能技术生成

问题描述:

计算输入的数是否是素数是一个耗时的过程,我们现在用cache来存储计算过的值,方便下次检索使用。


cache的两种实现模式:

  • Double Check 实现;
  • FutureTask 实现;


先看计算是否是素数的代码:

package test.concurrency;

import java.util.concurrent.TimeUnit;

public class PrimeUtil {
    
    public static boolean isPrime(long num){
        try {
            // 故意睡会儿,表示这个计算很耗时
            TimeUnit.MILLISECONDS.sleep(5);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        
        if(num == 1){
            return false;
        }else if(num == 2){
            return true;
        }else{
            for(int n = 2; n<=Math.sqrt(num); n++){
                if(num%n == 0){
                    return false;
                }
            }
            return true;
        }
    }
    
}



Double Check 版cache的实现:

package test.concurrency;

import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.ConcurrentMap;
import java.util.concurrent.locks.Lock;
import java.util.concurrent.locks.ReentrantLock;

public class PrimeDoubleCheckCache {
    
    private ConcurrentMap<Long, Boolean> primes;
    private Lock lock = new ReentrantLock();
    
    public PrimeDoubleCheckCache(int size){
        primes = new ConcurrentHashMap<>(size*3/2);
    }
    
    public boolean isPrime(long num){
        Boolean r = primes.get(num);
        if(r == null){
            try{
                lock.lock();
                if(r == null){
                    r = PrimeUtil.isPrime(num);
                }
            }finally{
                lock.unlock();
            }
            primes.putIfAbsent(num, r);
        }
        return r;
    }
}



FutureTask 版cache的实现:

package test.concurrency;

import java.util.concurrent.Callable;
import java.util.concurrent.CancellationException;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.ConcurrentMap;
import java.util.concurrent.Future;
import java.util.concurrent.FutureTask;

public class PrimeFutureCache {
    
    private ConcurrentMap<Long, Future<Boolean>> primes;
    
    public PrimeFutureCache(int size){
        primes = new ConcurrentHashMap<>(size*3/2);
    }
    
    public boolean isPrime(long num){
        while(true){
            try{
                Future<Boolean> f = primes.get(num);
                if(f == null){
                    FutureTask<Boolean> task = new FutureTask<>(new Callable<Boolean>(){
        
                        @Override
                        public Boolean call() throws Exception {
                            return PrimeUtil.isPrime(num);
                        }
                        
                    });
                    Future<Boolean> f1 = primes.putIfAbsent(num, task);
                    if(f1 == null){
                        task.run();
                        f = task;
                    }else{
                
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
LoadingCache是Guava库中的一个缓存工具类,用于高效地缓存数据。在多线程应用中,LoadingCache可以提供良好的并发支持。 首先,LoadingCache的内部实现是线程安全的。它使用了并发集合ConcurrentMap作为缓存的存储结构,并使用了同步机制来保证多线程并发的正确性。因此,在多线程环境下,不需要额外的加锁操作,不需要开发人员手动处理并发访问问题,而是由LoadingCache自身来处理。 其次,LoadingCache提供了get和getAll方法来获取缓存中的数据。在多线程应用中,当多个线程同时调用get方法来获取缓存中的数据时,LoadingCache可以保证只有一个线程去加载数据,其他线程会等待加载完成后直接从缓存中获取数据,避免了重复的数据加载操作。 另外,LoadingCache还提供了refresh方法,用于定时刷新缓存中的数据。在多线程应用中,可以通过设置定时任务或者使用定时调度框架,定期调用refresh方法来刷新缓存中的数据。这样可以保证在多线程并发操作下,缓存的数据始终是最新的。 需要注意的是,在多线程应用中,如果缓存的数据更新频繁,而且有多个线程在同时操作缓存,可能会导致缓存的命中率下降。这时可以考虑使用更加高级的缓存方案,如分布式缓存,来进一步提升缓存的并发性能和命中率。 综上所述,LoadingCache多线程应用中可以提供良好的并发支持。它的线程安全的内部实现、合理的并发控制机制,以及定时刷新的功能,使得在多线程并发访问下,能够高效地缓存和获取数据,并保证数据的一致性和可靠性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值