文章精选推荐
1 JetBrains Ai assistant 编程工具让你的工作效率翻倍
2 Extra Icons：JetBrains IDE的图标增强神器
3 IDEA插件推荐-SequenceDiagram，自动生成时序图
4 BashSupport Pro 这个ides插件主要是用来干嘛的 ？
5 IDEA必装的插件：Spring Boot Helper的使用与功能特点
7 Cursor 设备ID修改器，你的Cursor又可以继续试用了
文章正文
在 Go 中，嵌入式缓存（in-memory cache）是提高应用程序性能的常见方案。
一个好的缓存库能够提供高效的存储机制、支持高并发访问并保证线程安全。Go 语言中有一些非常高效的嵌入式缓存库，其中 groupcache 和 bigcache 是两个非常流行且高性能的库。
1. groupcache：高性能缓存库
groupcache 是由 Google 开发的一个高性能缓存库，专为缓存服务中的数据访问而设计，具有良好的扩展性，并且内建了一些高效的并发控制和缓存失效策略。groupcache 在许多大规模分布式系统中被使用。
安装 groupcache
bash
go get github.com/golang/groupcache基本使用示例
下面是一个使用 groupcache 实现本地缓存的简单例子。groupcache 会将数据分组存储，并可以通过 getter 函数来加载数据。
go
package main
import (
"fmt"
"log"
"github.com/golang/groupcache"
)
// 获取数据的函数，模拟从数据库或远程服务获取数据
func loadData(ctx groupcache.Context, key string, dest groupcache.Sink) error {
data := "value_for_" + key
dest.SetString(data)
return nil
}
func main() {
// 创建一个 groupcache 缓存池
// size 参数设置了缓存的大小，groupcache 会根据此参数自动管理缓存大小
cache := groupcache.NewGroup("exampleCache", 64<<20, groupcache.GetterFunc(loadData))
// 创建一个上下文并获取缓存中的数据
var data string
err := cache.Get(nil, "some_key", groupcache.StringSink(&data))
if err != nil {
log.Fatal(err)
}
// 输出缓存的数据
fmt.Println(data)
}关键点：
groupcache使用 group 来管理一组缓存数据，每个缓存的访问会通过getter函数动态加载。- 缓存数据的加载会通过 getter 来实现，可以从外部数据源（如数据库或 API）加载数据。
- 支持并发安全，多个请求可以并发访问缓存并从源中加载数据。
2. bigcache：高效的内存缓存库
bigcache 是一个针对 Go 的高性能缓存库，它设计的重点是优化并发访问性能，适合高并发场景下的数据缓存。与 groupcache 相比，bigcache 更加专注于内存优化和并发安全，并且支持大数据量的缓存。
安装 bigcache
bash
go get github.com/allegro/bigcache/v3基本使用示例
bigcache 适用于需要存储大量短生命周期的数据的场景，例如 Web 应用中的会话缓存、API 缓存等。
go
package main
import (
"fmt"
"log"
"github.com/allegro/bigcache/v3"
"time"
)
func main() {
// 创建一个 bigcache 实例，设置缓存的最大大小和过期时间
cache, err := bigcache.NewBigCache(bigcache.DefaultConfig(10 * time.Minute))
if err != nil {
log.Fatal(err)
}
// 将数据存入缓存，key 为 "user_123"，value 为 "John Doe"
cache.Set("user_123", []byte("John Doe"))
// 从缓存中获取数据
entry, err := cache.Get("user_123")
if err != nil {
log.Fatal(err)
}
// 输出缓存的数据
fmt.Println("Cache entry:", string(entry))
}关键点：
bigcache可以设置缓存的过期时间，支持自动清理过期缓存。- 支持并发安全，多个 Goroutine 可以并发读写缓存。
- 对内存的使用进行了优化，尤其适合存储大规模缓存数据。
3. golang-lru：最简单的 LRU 缓存
LRU（Least Recently Used，最近最少使用）缓存是一种基于访问时间的缓存淘汰策略。golang-lru 库可以用于实现基于内存的 LRU 缓存。适合用于数据访问量大的情况下进行缓存，超出缓存大小后，系统会自动淘汰最少使用的数据。
安装 golang-lru
bash
go get github.com/golang/groupcache/lru基本使用示例
go
package main
import (
"fmt"
"github.com/golang/groupcache/lru"
)
func main() {
// 创建一个容量为 3 的 LRU 缓存
cache := lru.New(3)
// 设置缓存
cache.Add("a", 1)
cache.Add("b", 2)
cache.Add("c", 3)
// 打印缓存内容
fmt.Println("Cache after adding 3 elements:", cache)
// 添加新的元素，超出缓存容量，最旧的元素会被移除
cache.Add("d", 4)
fmt.Println("Cache after adding 4th element (eviction occurs):", cache)
// 检查是否存在某个元素
if val, ok := cache.Get("b"); ok {
fmt.Println("Found 'b':", val)
} else {
fmt.Println("'b' not found")
}
}关键点：
golang-lru使用 LRU 策略管理缓存。- 数据量超出缓存时，会自动移除最少使用的数据。
- 适用于需要缓存一定数量的热数据的场景。
4. 缓存选择指南
-
使用
groupcache：当你需要一个高效的缓存，并且希望缓存是分布式的，支持在多个实例之间共享数据时，groupcache是一个不错的选择。- 支持缓存分片，自动管理缓存的分布和访问。
- 适合高并发读取，且不经常更新的场景。
-
使用
bigcache：如果你的应用有大量的并发读写需求，并且缓存的数据量大，bigcache是更合适的选择。- 高并发、低延迟。
- 适合大量短生命周期数据的缓存，能有效避免 GC 问题。
-
使用
golang-lru：如果你只需要一个简单的 LRU 缓存，用于管理缓存大小不超过一定阈值的数据，并且缓存丢失时不需要从外部源重新加载数据，golang-lru是一个简单高效的选择。- 适用于缓存存储受限且有淘汰需求的情况。
5. 总结
在 Go 中，高性能并发安全的嵌入式缓存库有很多选择。选择适合自己业务场景的缓存库是非常重要的：
groupcache：适用于大规模、分布式缓存场景，特别是需要缓存来自外部服务或数据库的数据。bigcache：适合存储大量数据并且需要高并发访问的场景，适合 Web 服务中的会话缓存、API 缓存等。golang-lru：适用于简单的 LRU 缓存管理，特别是缓存数据量有限时。
每个库都有其独特的优点，根据需求进行选择，可以让你的应用在并发访问和数据缓存方面表现更加优秀。