- 当前位置：首页 >系统运维 >浅谈本地缓存的几种方案选型
浅谈本地缓存的几种方案选型
发布时间：2025-11-04 12:40:03 来源：技术快报 作者：域名
一、浅谈摘要
说到缓存，本地面试官基本上会绕不开以下几个话题！缓存
项目中哪些地方用到了缓存？选型为什么要使用缓存？怎么使用它的？引入缓存后会带来哪些问题？
这些问题，基本上是浅谈互联网公司面试时必问的一些问题，如果面试的本地时候，连缓存都不清楚，缓存那确实多少显的选型有些尴尬！
项目里面为什么要引入缓存？浅谈这个问题还得结合项目中的业务来回答！
引入缓存，本地其实主要有两个用途：高性能、缓存高并发！选型
假设某个操作非常频繁，浅谈比如网站的本地商城首页，需要频繁的缓存从数据库里面获取商品数据，可能从数据库一顿各种乱七八糟的操作下来，平均耗时 500 ms，随着请求频次越高，用户等待数据的返回结果时间越来越长，体验越来越差。
如果此时，引入缓存，将数据库里面查询出来的商品数据信息，亿华云放入缓存服务里面，当用户再此发起查询操作的时候，直接从缓存服务里面获取，速度从耗时 500 ms，可能直接优化成 5 ms，体验上瞬间会上升好几个层次！
这就是引入缓存带来的高性能体验结果！
当然，除此之外，引入缓存之前，以 mysql 数据库为例，单台机器一秒内的请求次数到达 2000 之后就会开始报警；引入缓存之后，比如以 redis 缓存服务器为例，单台机器一秒内的请求次数支持 110000 次，两者支持的并发量完全不是一个数量级的。
这就是引入缓存带来的高并发体验结果！
尤其是对于流量很大的业务，引入缓存，给系统带来的提升是十分显著的云服务器提供商。
可能有的同学又会发出疑问，缓存和数据库为啥差距这么大，有啥区别？
我们都知道在计算机领域，数据的存储主要有两处：一处是内存，另一处是磁盘。
在计算机中，内存的数据读写性能远超磁盘的读写性能，尽管如此，其实两者也有不同，如果数据存储到内存中，虽然读写性能非常高，但是当电脑重启之后，数据会全部清除；而存入磁盘的数据，虽然读写性能很差，但是电脑重启之后数据不会丢失。
因为两者的数据存储方案不同，造就了不同的实践用途！
我们上面讲到的缓存服务，其实本质就是将数据存储到内存中；而数据库服务，云南idc服务商是将数据写入到磁盘，从磁盘中读取数据。
无论是哪种方案，没有绝对的好与坏，主要还是取决于实际的业务用途。
在项目中如何引入缓存呢？我们通常的做法如下：
操作步骤：
1.当用户发起访问某数据的操作时，检查缓存服务里面是否存在，如果存在，直接返回；如果不存在，走数据库的查询服务。
2.从数据库里面获取到有效数据之后，存入缓存服务，并返回给用户。
3.当被访问的数据发生更新的时候，需要同时删除缓存服务，以便用户再次查询的时候，能获取到最新的数据。
当然以上的缓存处理办法，对于简单的需要缓存的业务场景，能轻松应对。
但是面对复杂的业务场景和服务架构，尤其是对缓存要求比较高的业务，引入缓存的方式，也会跟着一起变化！
从缓存面向的对象不同，缓存分为：本地缓存、分布式缓存和多级缓存。
所谓本地缓存，相信大家都能理解，在单个计算机服务实例中，直接把数据缓存到内存中进行使用。
但是现在的服务，大多都是以集群的方式来部署，你也可以这样理解，同一个网站服务，同时在两台计算机里面部署，比如你用到的session会话，就无法同时共享，因此需要引入一个独立的缓存服务来连接两台服务器，这个独立部署的缓存服务，我们把这种技术实践方案称为分布式缓存。
在实际的业务中，本地缓存和分布式缓存会同时结合进行使用，当收到访问某个数据的操作时，会优先从本地缓存服务（也叫一级缓存）查询，如果没有，再从分布式缓存服务（也叫二级缓存）里面获取，如果也没有，最后再从数据库里面获取；从数据库查询完成之后，在依次更新分布式缓存服务、本次缓存服务，我们把这个技术实践方案叫多级缓存！
由于篇幅的原因，我们在后期给大家介绍分布式缓存服务、多级缓存服务。
今天主要围绕本地缓存服务的技术实现，给大家进行分享和介绍！
二、方案介绍
如果使用过缓存的同学，可以很容易想到缓存需要哪些东西，通常我们在使用缓存的时候，比较关注两个地方，第一是内存持久化，第二是支持缓存的数据自动过期清楚。
基于以上的要求，我们向介绍以下几种技术实现方案。
2.1、手写一个缓存服务对于简单的数据缓存，我们完全可以自行编写一套缓存服务，实现过程如下！
首先，创建一个缓存实体类。
复制public class CacheEntity { /** * 缓存键 */ private String key; /** * 缓存值 */ private Object value; /** * 过期时间 */ private Long expireTime; //...set、get }1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.接着，编写一个缓存操作工具类CacheUtils。
复制public class CacheUtils { /** * 缓存数据 */ private final static Map<String, CacheEntity> CACHE_MAP = new ConcurrentHashMap<>(); /** * 定时器线程池，用于清除过期缓存 */ private static ScheduledExecutorService executor = Executors.newSingleThreadScheduledExecutor(); static { // 注册一个定时线程任务，服务启动1秒之后，每隔500毫秒执行一次 executor.scheduleAtFixedRate(new Runnable() { @Override public void run() { // 清理过期缓存 clearCache(); } },1000,500,TimeUnit.MILLISECONDS); } /** * 添加缓存 * @param key 缓存键 * @param value 缓存值 */ public static void put(String key, Object value){ put(key, value, 0); } /** * 添加缓存 * @param key 缓存键 * @param value 缓存值 * @param expire 缓存时间，单位秒 */ public static void put(String key, Object value, long expire){ CacheEntity cacheEntity = new CacheEntity() .setKey(key) .setValue(value); if(expire > 0){ Long expireTime = System.currentTimeMillis() + Duration.ofSeconds(expire).toMillis(); cacheEntity.setExpireTime(expireTime); } CACHE_MAP.put(key, cacheEntity); } /** * 获取缓存 * @param key * @return */ public static Object get(String key){ if(CACHE_MAP.containsKey(key)){ return CACHE_MAP.get(key).getValue(); } return null; } /** * 移除缓存 * @param key */ public static void remove(String key){ if(CACHE_MAP.containsKey(key)){ CACHE_MAP.remove(key); } } /** * 清理过期的缓存数据 */ private static void clearCache(){ if(CACHE_MAP.size() > 0){ return; } Iterator<Map.Entry<String, CacheEntity>> iterator = CACHE_MAP.entrySet().iterator(); while (iterator.hasNext()){ Map.Entry<String, CacheEntity> entry = iterator.next(); if(entry.getValue().getExpireTime() != null && entry.getValue().getExpireTime().longValue() > System.currentTimeMillis()){ iterator.remove(); } } } }1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37.38.39.40.41.42.43.44.45.46.47.48.49.50.51.52.53.54.55.56.57.58.59.60.61.62.63.64.65.66.67.68.69.70.71.72.73.74.75.76.77.78.79.80.81.82.83.84.85.86.87.88.89.90.91.最后，我们来测试一下缓存服务。
复制// 写入缓存数据 CacheUtils.put("userName", "张三", 3); // 读取缓存数据 Object value1 = CacheUtils.get("userName"); System.out.println("第一次查询结果：" + value1); // 停顿4秒 Thread.sleep(4000); // 读取缓存数据 Object value2 = CacheUtils.get("userName"); System.out.println("第二次查询结果：" + value2);1.2.3.4.5.6.7.8.9.10.11.12.13.输出结果，与预期一致！
复制第一次查询结果：张三 第二次查询结果：null1.2.实现思路其实很简单，采用ConcurrentHashMap作为缓存数据存储服务，然后开启一个定时调度，每隔500毫秒检查一下过期的缓存数据，然后清除掉！
2.2、基于 Guava Cache 实现本地缓存Guava 是 Google 团队开源的一款 Java 核心增强库，包含集合、并发原语、缓存、IO、反射等工具箱，性能和稳定性上都有保障，应用十分广泛。
相比自己编写的缓存服务，Guava Cache 要强大的多，支持很多特性如下：
支持最大容量限制支持两种过期删除策略（插入时间和读取时间）支持简单的统计功能基于 LRU 算法实现使用方面也很简单，首先引入guava库包。
复制<!--guava--> <dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>31.1-jre</version> </dependency>1.2.3.4.5.6.案例代码如下：
复制// 创建一个缓存实例 Cache<String, String> cache = CacheBuilder.newBuilder() // 初始容量 .initialCapacity(5) // 最大缓存数，超出淘汰 .maximumSize(10) // 过期时间 .expireAfterWrite(3, TimeUnit.SECONDS) .build(); // 写入缓存数据 cache.put("userName", "张三"); // 读取缓存数据 String value1 = cache.get("userName", () -> { // 如果key不存在，会执行回调方法 return "key已过期"; }); System.out.println("第一次查询结果：" + value1); // 停顿4秒 Thread.sleep(4000); // 读取缓存数据 String value2 = cache.get("userName", () -> { // 如果key不存在，会执行回调方法 return "key已过期"; }); System.out.println("第二次查询结果：" + value2);1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.输出结果：
复制第一次查询结果：张三 第二次查询结果：key已过期1.2. 2.3、基于 Caffeine 实现本地缓存Caffeine 是基于 java8 实现的新一代缓存工具，缓存性能接近理论最优，可以看作是 Guava Cache 的增强版，功能上两者类似，不同的是 Caffeine 采用了一种结合 LRU、LFU 优点的算法：W-TinyLFU，在性能上有明显的优越性。
使用方面也很简单，首先引入caffeine库包。
复制<!--caffeine--> <dependency> <groupId>com.github.ben-manes.caffeine</groupId> <artifactId>caffeine</artifactId> <version>2.9.3</version> </dependency>1.2.3.4.5.6.案例代码如下：
复制// 创建一个缓存实例 Cache<String, String> cache = Caffeine.newBuilder() // 初始容量 .initialCapacity(5) // 最大缓存数，超出淘汰 .maximumSize(10) // 设置缓存写入间隔多久过期 .expireAfterWrite(3, TimeUnit.SECONDS) // 设置缓存最后访问后间隔多久淘汰，实际很少用到 //.expireAfterAccess(3, TimeUnit.SECONDS) .build(); // 写入缓存数据 cache.put("userName", "张三"); // 读取缓存数据 String value1 = cache.get("userName", (key) -> { // 如果key不存在，会执行回调方法 return "key已过期"; }); System.out.println("第一次查询结果：" + value1); // 停顿4秒 Thread.sleep(4000); // 读取缓存数据 String value2 = cache.get("userName", (key) -> { // 如果key不存在，会执行回调方法 return "key已过期"; }); System.out.println("第二次查询结果：" + value2);1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.输出结果：
复制第一次查询结果：张三 第二次查询结果：key已过期1.2. 2.4、基于 Encache 实现本地缓存Encache 是一个纯 Java 的进程内缓存框架，具有快速、精干等特点，是 Hibernate 中默认的 CacheProvider。
同 Caffeine 和 Guava Cache 相比，Encache 的功能更加丰富，扩展性更强，特性如下：
支持多种缓存淘汰算法，包括 LRU、LFU 和 FIFO缓存支持堆内存储、堆外存储、磁盘存储（支持持久化）三种支持多种集群方案，解决数据共享问题使用方面也很简单，首先引入ehcache库包。
复制<!--ehcache--> <dependency> <groupId>org.ehcache</groupId> <artifactId>ehcache</artifactId> <version>3.9.7</version> </dependency>1.2.3.4.5.6.案例代码如下：
复制/** * 自定义过期策略实现 */ public class CustomExpiryPolicy<K, V> implements ExpiryPolicy<K, V> { private final Map<K, Duration> keyExpireMap = new ConcurrentHashMap(); public Duration setExpire(K key, Duration duration) { return keyExpireMap.put(key, duration); } public Duration getExpireByKey(K key) { return Optional.ofNullable(keyExpireMap.get(key)) .orElse(null); } public Duration removeExpire(K key) { return keyExpireMap.remove(key); } @Override public Duration getExpiryForCreation(K key, V value) { return Optional.ofNullable(getExpireByKey(key)) .orElse(Duration.ofNanos(Long.MAX_VALUE)); } @Override public Duration getExpiryForAccess(K key, Supplier<? extends V> value) { return getExpireByKey(key); } @Override public Duration getExpiryForUpdate(K key, Supplier<? extends V> oldValue, V newValue) { return getExpireByKey(key); } }1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37. 复制public static void main(String[] args) throws InterruptedException { String userCache = "userCache"; // 自定义过期策略 CustomExpiryPolicy<Object, Object> customExpiryPolicy = new CustomExpiryPolicy<>(); // 声明一个容量为20的堆内缓存配置 CacheConfigurationBuilder configurationBuilder = CacheConfigurationBuilder .newCacheConfigurationBuilder(String.class, String.class, ResourcePoolsBuilder.heap(20)) .withExpiry(customExpiryPolicy); // 初始化一个缓存管理器 CacheManager cacheManager = CacheManagerBuilder.newCacheManagerBuilder() // 创建cache实例 .withCache(userCache, configurationBuilder) .build(true); // 获取cache实例 Cache<String, String> cache = cacheManager.getCache(userCache, String.class, String.class); // 获取过期策略 CustomExpiryPolicy expiryPolicy = (CustomExpiryPolicy)cache.getRuntimeConfiguration().getExpiryPolicy(); // 写入缓存数据 cache.put("userName", "张三"); // 设置3秒过期 expiryPolicy.setExpire("userName", Duration.ofSeconds(3)); // 读取缓存数据 String value1 = cache.get("userName"); System.out.println("第一次查询结果：" + value1); // 停顿4秒 Thread.sleep(4000); // 读取缓存数据 String value2 = cache.get("userName"); System.out.println("第二次查询结果：" + value2); }1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37.38.输出结果：
复制第一次查询结果：张三 第二次查询结果：null1.2.三、小结
从易用性角度看：Guava Cache、Caffeine 和 Encache 都有十分成熟的接入方案，使用简单。
从功能性角度看：Guava Cache 和 Caffeine 功能类似，都是只支持堆内缓存，Encache 相比功能更为丰富，不仅支持堆内缓存，还支持磁盘写入、集群实现。
从性能角度看：Caffeine 最优、GuavaCache 次之，Encache 最差。
以下是网络上三者性能对比的结果。
对于本地缓存的技术选型，推荐采用 Caffeine，性能上毫无疑问，遥遥领先。
虽然 Encache 功能非常的丰富，甚至提供了持久化和集群的功能，但是相比更成熟的分布式缓存中间件 redis 来说，还是稍逊一些！
关于 redis 的使用，有兴趣的同学可以查看历史文章，之前有写过 redis 系列相关的技术实践介绍。
本文参考了很多其他博主的文章，内容难免有描述不对的地方，欢迎网友留言指出！
- Copyright © 2025 Powered by 浅谈本地缓存的几种方案选型,技术快报 滇ICP备2023006006号-46sitemap