Java高性能缓存库Caffeine全解析

Caffeine 是一个高性能、接近最优的 Java 本地缓存库，由 Ben Manes 开发，作为 Google Guava Cache 的继任者而广受欢迎。它在设计上融合了现代缓存算法（如 Window TinyLFU）、低开销并发控制和丰富的功能特性，被广泛应用于 Spring Boot、Hibernate、Kafka 等主流框架中。

下面从 核心特性、工作原理、使用方式、最佳实践 四个维度为你系统介绍 Caffeine。

一、为什么选择 Caffeine？（vs. Guava / ConcurrentHashMap）

特性	Caffeine	Guava Cache	ConcurrentHashMap
淘汰算法	✅ Window TinyLFU（命中率更高）	LRU 近似	❌ 无自动淘汰
性能	⚡ 极高（接近理论最优）	良好	高（但需手动管理过期）
自动过期	✅ 支持 `expireAfterWrite` / `Access` / `Variable`	✅ 支持	❌ 不支持
异步加载	✅ `AsyncLoadingCache`	❌	❌
统计监控	✅ 内置 hit/miss/eviction 统计	✅	❌
权重控制	✅ `maximumWeight` + `weigher`	✅	❌
Spring 集成	✅ `@Cacheable` 原生支持	✅（但已不推荐）	❌

💡 结论：Caffeine 是 Guava Cache 的现代化替代品，性能更强、功能更全、维护更活跃。

二、核心特性详解

1. 智能淘汰策略：Window TinyLFU

结合 LFU（频率） + LRU（新鲜度），解决传统 LFU "冷数据长期驻留" 和 LRU "扫描攻击易失效" 的问题。
实测命中率比 LRU 高 20%~50%，尤其适合有"热点数据"的场景（如用户会话、API 响应缓存）。

2. 多种过期策略

java 复制代码

Caffeine.newBuilder()
  .expireAfterWrite(10, TimeUnit.MINUTES)   // 写入后10分钟过期
  .expireAfterAccess(5, TimeUnit.MINUTES)   // 最后访问后5分钟过期
  .expireAfter(new Expiry<String, Object>() {
      public long expireAfterCreate(String key, Object value, long currentTime) {
          return TimeUnit.MINUTES.toNanos(10);
      }
      // 可实现 per-entry 动态过期时间
  })

3. 容量控制

maximumSize(n)：最多缓存 n 个条目（基于数量）
maximumWeight(n) + weigher：按权重（如对象大小、内存占用）控制总容量
java 复制代码
```
.maximumWeight(100_000)
.weigher((String key, Data value) -> value.sizeInBytes())
```

4. 异步加载（AsyncLoadingCache）

java 复制代码

AsyncLoadingCache<String, String> cache = Caffeine.newBuilder()
    .buildAsync(key -> fetchDataFromDB(key)); // 返回 CompletableFuture

CompletableFuture<String> future = cache.get("userId");
future.thenAccept(data -> System.out.println(data));

5. 监听器与统计

java 复制代码

Caffeine.newBuilder()
  .removalListener((key, value, cause) -> {
      System.out.println("Removed: " + key + " due to " + cause);
  })
  .recordStats() // 启用统计
  .build();

// 查看命中率
System.out.println(cache.stats().hitRate()); // 如 0.85

三、基本使用方式

1. 手动缓存（Manual Cache）

适用于需要显式 put/get 的场景（如你的文件上传去重）：

java 复制代码

Cache<String, Object> cache = Caffeine.newBuilder()
    .expireAfterWrite(10, TimeUnit.MINUTES)
    .maximumSize(10_000)
    .build();

cache.put("key", "value");
Object val = cache.getIfPresent("key");
cache.invalidate("key"); // 删除

2. 自动加载缓存（Loading Cache）

适用于"按需加载 + 自动缓存"的场景（如数据库查询缓存）：

java 复制代码

LoadingCache<String, User> userCache = Caffeine.newBuilder()
    .maximumSize(1000)
    .expireAfterWrite(10, TimeUnit.MINUTES)
    .build(key -> loadUserFromDB(key)); // 自动加载函数

User user = userCache.get("user123"); // 若不存在，自动调用 loadUserFromDB

3. 异步加载缓存（AsyncLoadingCache）

适用于 I/O 密集型操作（如远程 API 调用）：

java 复制代码

AsyncLoadingCache<String, Profile> profileCache = Caffeine.newBuilder()
    .buildAsync(this::fetchProfileAsync); // 返回 CompletableFuture<Profile>

四、高级技巧与最佳实践

✅ 1. 线程安全无需担心

所有 Caffeine 缓存都是线程安全 的，内部使用 Striped Lock / Non-blocking design，高并发下性能优异。

✅ 2. 避免在 mappingFunction 中做耗时操作阻塞其他请求

LoadingCache 的 load 函数是同步且串行化 per-key 的：
- 同一 key 的多个并发请求，只有一个会触发 load，其余等待结果。
- 但不同 key 之间完全并行。
如果 load 很慢，考虑用 AsyncLoadingCache。

✅ 3. 合理设置 maximumSize

不要盲目设大，否则可能 OOM。
建议：根据 QPS × 平均缓存停留时间 估算所需容量。例：每秒 1000 请求，缓存保留 10 分钟 → 理论最大条目 ≈ 1000 × 600 = 60 万

✅ 4. 结合 Spring Cache 使用

java 复制代码

@Configuration
@EnableCaching
public class CacheConfig {

    @Bean
    public CacheManager caffeineCacheManager() {
        CaffeineCacheManager cacheManager = new CaffeineCacheManager();
        cacheManager.setCaffeine(Caffeine.newBuilder()
            .expireAfterWrite(10, TimeUnit.MINUTES)
            .maximumSize(1000));
        return cacheManager;
    }
}

@Service
public class UserService {
    @Cacheable("users")
    public User getUser(String id) {
        return db.findById(id);
    }
}

✅ 5. 监控与调优

启用 .recordStats()，定期打印 cache.stats()：

java 复制代码

CacheStats stats = cache.stats();
double hitRate = stats.hitRate();        // 命中率
long evictionCount = stats.evictionCount(); // 淘汰次数

若命中率 < 70%，考虑增大容量或延长过期时间。

五、典型应用场景

场景	推荐用法
防重复提交 / 幂等控制	Manual Cache + `expireAfterWrite` + `putIfAbsent`
数据库查询缓存	Loading Cache + `expireAfterWrite`
远程 API 响应缓存	AsyncLoading Cache + `expireAfterWrite`
会话/Token 存储	Manual Cache + `expireAfterAccess`（空闲过期）
高频配置项缓存	Loading Cache + 较长 TTL

六、依赖引入（Maven）

xml 复制代码

<dependency>
    <groupId>com.github.ben-manes.caffeine</groupId>
    <artifactId>caffeine</artifactId>
    <version>3.1.8</version> <!-- 检查最新版 -->
</dependency>

📌 官网：https://github.com/ben-manes/caffeine

📚 文档：https://github.com/ben-manes/caffeine/wiki

总结

Caffeine 是 Java 本地缓存的事实标准，它：

✅ 性能顶尖（优于 Guava、Ehcache 本地模式）
✅ API 简洁（Manual / Loading / Async 三种模式覆盖所有场景）
✅ 功能强大（智能淘汰、动态过期、权重控制、统计监控）
✅ 生态完善（Spring、Micronaut、Quarkus 原生支持）

对于你的文件上传去重、接口幂等、热点数据缓存等需求，Caffeine 是轻量、高效、可靠的首选方案。

如需具体场景的代码模板（如分布式锁+本地缓存二级去重），可继续提问！