java map 过期_java从零开始手写缓存框架（12）redis expire 过期的随机特性详解及实现...

前言

第二节中我们已经初步实现了类似 redis 中的 expire 过期功能，不过存在一个问题没有解决，那就是遍历的时候不是随机返回的，会导致每次遍历从头开始，可能导致很多 Keys 处于“饥饿”状态。

可以回顾：

本节我们一起来实现一个过期的随机性版本，更近一步领会一下 redis 的巧妙之处。

以前的实现回顾

开始新的旅程之前，我们先回顾一下原来的实现。

expire 实现原理

其实过期的实思路也比较简单：我们可以开启一个定时任务，比如 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

*

* 空间换时间

* @since 0.0.3

*/

private final Map expireMap = new HashMap<>();

@Override

public void expire(K key, long expireAt) {

expireMap.put(key, expireAt);

}

我们定义一个 map，key 是对应的要过期的信息，value 存储的是过期时间。

轮询清理

我们固定 100ms 清理一次，每次最多清理 100 个。

/**

* 单次清空的数量限制

* @since 0.0.3

*/

private static final int LIMIT = 100;

/**

* 缓存实现

* @since 0.0.3

*/

private final ICache cache;

/**

* 线程执行类

* @since 0.0.3

*/

private static final ScheduledExecutorService EXECUTOR_SERVICE = Executors.newSingleThreadScheduledExecutor();

public CacheExpire(ICache cache) {

this.cache = cache;

this.init();

}

/**

* 初始化任务

* @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，用于执行清空任务。

清空任务

这个非常简单，遍历过期数据，判断对应的时间，如果已经到期了，则执行清空操作。

为了避免单次执行时间过长，最多只处理 100 条。

/**

* 定时执行任务

* @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 进行处理

int count = 0;

for(Map.Entry 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 entry) {

final K key = entry.getKey();

final Long expireAt = entry.getValue();

// 删除的逻辑处理

long currentTime = System.currentTimeMillis();

if(currentTime >= expireAt) {

expireMap.remove(key);

// 再移除缓存，后续可以通过惰性删除做补偿

cache.remove(key);

}

}

redis 的定时任务

流程

想知道我们的流程就什么问题，和 redis 的定时清理任务流程对比一下就知道了。

Redis内部维护一个定时任务，默认每秒运行10次(通过配置hz控制)。

定时任务中删除过期键逻辑采用了自适应算法，根据键的过期比例、使用快慢两种速率模式回收键，流程如下所示。

流程说明

1)定时任务在每个数据库空间随机检查20个键，当发现过期时删除对应的键。

2)如果超过检查数25%的键过期，循环执行回收逻辑直到不足25%或运行超时为止，慢模式下超时时间为25毫秒。

3)如果之前回收键逻辑超时，则在Redis触发内部事件之前再次以快模式运行回收过期键任务，快模式下超时时间为1毫秒且2秒内只能运行1次。

4)快慢两种模式内部删除逻辑相同，只是执行的超时时间不同。

ps: 这里的快慢模式设计的也比较巧妙，根据过期信息的比例，调整对应的任务超时时间。

这里的随机也非常重要，可以比较客观的清理掉过期信息，而不是从头遍历，导致后面的数据无法被访问。

我们接下来主要实现下随机抽取这个特性。

直接通过 Map#keys 转集合

实现思路

保持原来的 expireMap 不变，直接对 keys 转换为 collection，然后随机获取。

这个也是网上最多的一种答案。

java 代码实现

基本属性

public class CacheExpireRandom implements ICacheExpire {

private static final Log log = LogFactory.getLog(CacheExpireRandom.class);

/**

* 单次清空的数量限制

* @since 0.0.16

*/

private static final int COUNT_LIMIT = 100;

/**

* 过期 map

*

* 空间换时间

* @since 0.0.16

*/

private final Map expireMap = new HashMap<>();

/**

* 缓存实现

* @since 0.0.16

*/

private final ICache cache;

/**

* 是否启用快模式

* @since 0.0.16

*/

private volatile boolean fastMode = false;

/**

* 线程执行类

* @since 0.0.16

*/

private static final ScheduledExecutorService EXECUTOR_SERVICE = Executors.newSingleThreadScheduledExecutor();

public CacheExpireRandom(ICache cache) {

this.cache = cache;

this.init();

}

/**

* 初始化任务

* @since 0.0.16

*/

private void init() {

EXECUTOR_SERVICE.scheduleAtFixedRate(new ExpireThreadRandom(), 10, 10, TimeUnit.SECONDS);

}

}

定时任务

这里我们和 redis 保持一致，支持 fastMode。

实际上 fastMode 和慢模式的逻辑是完全一样的，只是超时的时间不同。

这里的超时时间我根据个人理解做了一点调整，整体流程不变。

/**

* 定时执行任务

* @since 0.0.16

*/

private class ExpireThreadRandom implements Runnable {

@Override

public void run() {

//1.判断是否为空

if(MapUtil.isEmpty(expireMap)) {

log.info("expireMap 信息为空，直接跳过本次处理。");

return;

}

//2. 是否启用快模式

if(fastMode) {

expireKeys(10L);

}

//3. 缓慢模式

expireKeys(100L);

}

}

过期信息核心实现

我们执行过期的时候，首先会记录超时时间，用于超出时直接中断执行。

默认恢复 fastMode=false，当执行超时的时候设置 fastMode=true。

/**

* 过期信息

* @param timeoutMills 超时时间

* @since 0.0.16

*/

private void expireKeys(final long timeoutMills) {

// 设置超时时间 100ms

final long timeLimit = System.currentTimeMillis() + timeoutMills;

// 恢复 fastMode

this.fastMode = false;

//2. 获取 key 进行处理

int count = 0;

while (true) {

//2.1 返回判断

if(count >= COUNT_LIMIT) {

log.info("过期淘汰次数已经达到最大次数: {}，完成本次执行。", COUNT_LIMIT);

return;

}

if(System.currentTimeMillis() >= timeLimit) {

this.fastMode = true;

log.info("过期淘汰已经达到限制时间，中断本次执行，设置 fastMode=true;");

return;

}

//2.2 随机过期

K key = getRandomKey();

Long expireAt = expireMap.get(key);

boolean expireFlag = expireKey(key, expireAt);

log.debug("key: {} 过期执行结果 {}", key, expireFlag);

//2.3 信息更新

count++;

}

}

随机获取过期 key

/**

* 随机获取一个 key 信息

* @return 随机返回的 keys

* @since 0.0.16

*/

private K getRandomKey() {

Random random = ThreadLocalRandom.current();

Set keySet = expireMap.keySet();

List list = new ArrayList<>(keySet);

int randomIndex = random.nextInt(list.size());

return list.get(randomIndex);

}

这个就是网上最常见的实现方法，直接所有 keys 转换为 list，然后通过 random 获取一个元素。

性能改进

方法的缺陷

getRandomKey() 方法为了获取一个随机的信息，代价还是太大了。

如果 keys 的数量非常大，那么我们要创建一个 list，这个本身就是非常耗时的，而且空间复杂度直接翻倍。

所以不太清楚为什么晚上最多的是这一种解法。

优化思路-避免空间浪费

最简单的思路是我们应该避免 list 的创建。

我们所要的只是一个基于 size 的随机值而已，我们可以遍历获取：

private K getRandomKey2() {

Random random = ThreadLocalRandom.current();

int randomIndex = random.nextInt(expireMap.size());

// 遍历 keys

Iterator iterator = expireMap.keySet().iterator();

int count = 0;

while (iterator.hasNext()) {

K key = iterator.next();

if(count == randomIndex) {

return key;

}

count++;

}

// 正常逻辑不会到这里

throw new CacheRuntimeException("对应信息不存在");

}

优化思路-批量操作

上述的方法避免了 list 的创建，同时也符合随机的条件。

但是从头遍历到随机的 size 数值，这也是一个比较慢的过程(O(N) 时间复杂度)。

如果我们取 100 次，悲观的话就是 100 * O(N)。

我们可以运用批量的思想，比如一次取 100 个，降低时间复杂度：

/**

* 批量获取多个 key 信息

* @param sizeLimit 大小限制

* @return 随机返回的 keys

* @since 0.0.16

*/

private Set getRandomKeyBatch(final int sizeLimit) {

Random random = ThreadLocalRandom.current();

int randomIndex = random.nextInt(expireMap.size());

// 遍历 keys

Iterator iterator = expireMap.keySet().iterator();

int count = 0;

Set keySet = new HashSet<>();

while (iterator.hasNext()) {

// 判断列表大小

if(keySet.size() >= sizeLimit) {

return keySet;

}

K key = iterator.next();

// index 向后的位置，全部放进来。

if(count >= randomIndex) {

keySet.add(key);

}

count++;

}

// 正常逻辑不会到这里

throw new CacheRuntimeException("对应信息不存在");

}

我们传入一个列表的大小限制，可以一次获取多个。

优化思路-O(1) 的时间复杂度

一开始想到随机，我的第一想法是同时冗余一个 list 存放 keys，然后可以随机返回 key，解决问题。

但是对于 list 的更新，确实 O(N) 的，空间复杂度多出了 list 这一部分，感觉不太值当。

如果使用前面的 map 存储双向链表节点也可以解决，但是相对比较麻烦，前面也都实现过，此处就不赘述了。

其实这里的随机还是有些不足

(1)比如随机如果数据重复了怎么处理？

当然目前的解法就是直接 count，一般数据量较大时这种概率比较低，而且有惰性删除兜底，所以无伤大雅。

(2)随机到的信息很大可能过期时间没到

这里最好采用我们原来的基于过期时间的 map 分类方式，这样可以保证获取到的信息过期时间在我们的掌握之中。

当然各种方法各有利弊，看我们如何根据实际情况取舍。

小结

到这里，一个类似于 redis 的 expire 过期功能，算是基本实现了。

对于 redis 过期的实现，到这里也基本告一段落了。当然，还有很多优化的地方，希望你在评论区写下自己的方法。

觉得本文对你有帮助的话，欢迎点赞评论收藏关注一波。你的鼓励，是我最大的动力~

不知道你有哪些收获呢？或者有其他更多的想法，欢迎留言区和我一起讨论，期待与你的思考相遇。