几乎所有的服务器应用中都要使用缓存,重用之前的计算结果能降低延迟,提高吞吐量,但是要消耗更多的内存。
Memorizer1简单地使用HashMap来缓存之前的计算结果:
public interface Computable<A,V> {
V compute(A arg) throws InterruptedException;
}
public class Memorizer1<A,V> implements Computable<A,V> {
private final Map<A,V> cache=new HashMap<A,V>();
private final Computable<A,V> c;
public Memorizer1(Computable<A,V> c){
this.c=c;
}
@Override
public synchronized V compute(A arg) throws InterruptedException {
V result=cache.get(arg);
if(result==null){
result=c.compute(arg);
cache.put(arg, result);
}
return result;
}
}
由于HashMap不是线程安全的,所以Memorizer1采用了一种保守的策略:对整个compute方法进行同步。并行性很低。
用ConcurrentHashMap来代替HashMap就不需要对compute方法进行同步了。这便有了Memorizer2:
public class Memorizer2<A,V> implements Computable<A,V> {
private final Map<A,V> cache=new ConcurrentHashMap<A,V>();
private final Computable<A,V> c;
public Memorizer1(Computable<A,V> c){this.c=c;}
@Override
public V compute(A arg) throws InterruptedException {
V result=cache.get(arg);
if(result==null){
result=c.compute(arg);
cache.put(arg, result);
}
return result;
}
}
Memorizer2存在的问题是:当某个线程启动了一个开销很大的计算,而其他线程并不知道这个计算正在进行,那么很可能会重复这个计算。
Memorizer4首先检查某个相应的计算是否已经启动(与Memorizer2不同,它是首先检查某个计算是否已经完成)。如果还没有启动,就创建一个FutureTask,并注册到Map中,然后启动计算;如果已经启动,那就等待现有计算的结果。
public class Memorizer3<A, V> implements Computable<A, V> {
private final Map<A, Future<V>> cache = new ConcurrentHashMap<A, Future<V>>();
private final Computable<A, V> c;
public Memorizer1(Computable<A, V> c) {
this.c = c;
}
@Override
public V compute(final A arg) throws InterruptedException {
Future<V> f = cache.get(arg);
if (f == null) {
Callable<V> eval = new Callable<V>() {
@Override
public V call() throws Exception {
return c.compute(arg);
}
};
FutureTask<V> ft = new FutureTask<V>(eval);
f = ft;
cache.put(arg, ft); // 把FutureTask放入Map
ft.run(); // 启动计算
}
try {
return f.get(); // 等待计算完成
} catch (ExecutionException e) {
throw launderThrowable(e.getCause());
}
}
// 对各类异常分别进行处理
private RuntimeException launderThrowable(Throwable cause) {
if (cause instanceof RuntimeException)
return (RuntimeException) cause;
else if (cause instanceof Error)
throw (Error) cause;
else
throw new IllegalStateException("Not unckecked", cause);
}
}
同Memorizer2一样,Memorizer3仍然有可能导致同样的计算重复进行,当然这个可能性比Memorizer2小很多。由于在compute方法采用了“先检查再执行”操作,有可能两个线程在检查时都发现相应的FutureTask不在Map中,导致重复的计算。
Memorizer4使用了ConcurrentMap的原子操作putIfAbsent,避免了Memorizer3的漏洞。
public class Memorizer4<A, V> implements Computable<A, V> {
private final ConcurrentMap<A, Future<V>> cache = new ConcurrentHashMap<A, Future<V>>();
private final Computable<A, V> c;
public Memorizer1(Computable<A, V> c) {
this.c = c;
}
@Override
public V compute(final A arg) throws InterruptedException {
while (true) {
Future<V> f = cache.get(arg);
if (f == null) {
Callable<V> eval = new Callable<V>() {
@Override
public V call() throws Exception {
return c.compute(arg);
}
};
FutureTask<V> ft = new FutureTask<V>(eval);
f = cache.putIfAbsent(arg, ft);
if (f == null) {
f = ft;
ft.run();
}
}
try {
return f.get(); // 等待计算完成
} catch (CancellationException e) {
cache.remove(arg, f); //如果计算没有完成Task就取消了,那它应该从Map中移除。
} catch (ExecutionException e) {
throw launderThrowable(e.getCause());
}
}
}
// 对各类异常分别进行处理
private RuntimeException launderThrowable(Throwable cause) {
if (cause instanceof RuntimeException)
return (RuntimeException) cause;
else if (cause instanceof Error)
throw (Error) cause;
else
throw new IllegalStateException("Not unckecked", cause);
}
}
注意putIfAbsent是在ConcurrentMap类中定义的方法,所以这次的cache声明时是ConcurrentMap,而非Map。