Java Cache 的HashMap實現, 適用場景及分布式ehcache實例

cache是老生常談的事情，但開始這個題目之前，我想先強調一下KISS原則，就是keep it simple and stupid。最近看到很多場景下cache使用的不適當，特別是被過度使用了。一個簡單鍵值存儲并不需要復雜的cache方案，好的方案就是用最簡單的方法解決問題。簡潔是美！

一個標準Cache的主要特征是：

過期時間       

容量規劃(重要)

清除策略(重要)

命中率統計 

基于以上特征，使用HashMap作為本地cache似乎很不適當。更重要的是，有不少朋友認為HashMap可能會使內存耗盡。其實不然，自 jdk1.2后，Java就引入了WeakHashMap。看看api文檔是怎么說的：對于一個給定的鍵，其映射的存在并不阻止垃圾回收器對該鍵的丟棄，這就使該鍵成為可終止的，被終止，然后被回收。丟棄某個鍵時，其條目從映射中有效地移除，因此，該類的行為與其他的 Map 實現有所不同。

這個翻譯明顯有點爛，總結一下，和強引用的HashMap相比，WeakHashMap在本身引用不被回收的前提下允許GC回收它的鍵值對。當GC 發現內存即將耗盡且沒有其他對象可以釋放時，會主動回收WeakHashMap所占用的對象。因此使用WeakHashMap作為本地cache是不會造成內存耗盡。如果你僅僅需要一個簡單的鍵值對存儲，而并不關心命中率統計，那么放心的使用WeakHashMap作為cache吧。

通過簡單的包裝，就可以為你的HashMap增加過期時間和容量規劃。而且比其他cache更高效。openfire的DefaultCache就是一個很好的例子：http://svn.igniterealtime.org/svn/repos/openfire/trunk/src/java /org/jivesoftware/util/cache/DefaultCache.java

DefaultCache的核心是HashMap，另外增加了一層很薄的包裝來實現過期和LRU。DefaultCache包括兩個 LinkedList，一個用于存儲插入順序，另一個用于存儲插入時間。當添加cache時，都addFirst。當cache size達到臨界值時，從最尾部刪除。有朋友測試過，比ehcache快5倍。

如果本地cache不能滿足你的要求，ehcache是個很好的選擇。不僅僅作為分布式的cache，甚至作為狀態同步，ehcache都有非常優秀的案例。也可以實現多機copy。分享一個數據，某生產系統中ehcache每天處理17,466,415次replication。

基于ehcache的分布式緩存，你可以簡單的實現分布式計算。分析一個場景，某ios后端服務要求用戶先注冊ios設備，可以按下圖處理設備信息。DeviceServer接受device注冊后同步copy的本地cache和ehcache。該ehcache按以下方式配置成對。本地 cache再定期（每隔幾秒鐘）從ehcache中加載peer server注冊的數據。

<cacheManagerPeerProviderFactory
class="net.sf.ehcache.distribution.RMICacheManagerPeerProviderFactory"
properties="peerDiscovery=manual,rmiUrls=//192.168.0.1:20121/testCache"/>
<cacheManagerPeerListenerFactory
class="net.sf.ehcache.distribution.RMICacheManagerPeerListenerFactory"
properties="hostName=192.168.0.2,port=20121,socketTimeoutMillis=60000"/>

<cache name="testCache"
maxElementsInMemory="20000"
eternal="false"
overflowToDisk="false"
memoryStoreEvictionPolicy="LRU">
<cacheEventListenerFactory class="net.sf.ehcache.distribution.RMICacheReplicatorFactory"
properties="replicateAsynchronously=true,
replicatePuts=true,
replicateUpdates=true,
replicateUpdatesViaCopy=true,
asynchronousReplicationIntervalMillis=2000"
/>
</cache>