动手写框架－轻量级开源缓存MkCache

作者: monkey01 | 来源:发表于2018-01-25 16:13 被阅读73次

前言

之前在很多项目中都用到了缓存，常用的有memcache、redis、ehcache等，这些都是目前主流的缓存中间件，今天我给大家介绍下自己写的一个轻量级的缓存框架MkCache，这个轻量级框架能够满足一般项目的使用，目前的0.1版本还比较简单只能实现线程安全的内存缓存，支持标准hash缓存、基于LRU算法的hash缓存、弱引用的hash缓存，后续会增加分布式集群支持，数据库一致性支持等功能。下面就简单介绍下如何使用和MkCache的架构和关键类。

github地址：https://github.com/feiweiwei/MkCache

如何使用MkCache

MkCache的使用非常简单，可以直接将源码放到项目的目录中，也可以引用jar包，后续会发布到OSS中这样直接在pom里就可以引用了。

普通的java对象缓存

MkCache<String, String> cache = new MkCache<String, String>(new BasicDataStore<String, String>());
String key = "Hello";
cache.put(key, "World!");
Assert.assertEquals("World!", cache.get(key));

基于LRU算法的对象缓存

MkCache<String, User> cache = new MkCache<String, User>(new LRUDataStore<String, User>(2));
String key = "fei";
User user = new User();
user.setName("fei");

String key1 = "du";
User user1 = new User();
user1.setName("du");

String key2 = "wang";
User user2 = new User();
user2.setName("wang");

cache.put(key, user);
cache.put(key1, user1);
cache.get(key);
cache.put(key2, user2);

if (cache.get(key) != null) {
  Assert.assertEquals("fei", cache.get(key).getName());     
}
if (cache.get(key1) != null) {
  Assert.assertEquals("du", cache.get(key1).getName());     
}
if (cache.get(key2) != null) {
  Assert.assertEquals("wang", cache.get(key2).getName());       
}
}

使用起来是不是很简单。

MkCache架构

Screenshot 2018-01-25 15.12.00

整个MkCache缓存框架的核心类主要有这么几个，每一层都是面向接口编程这样可以方便的进行后续扩展。

类名	功能
ValueHolder	缓存value类型接口，所有缓存中Value类型都是实现该接口
BasicValueHolder	缓存基础Vaule类，基础范型类，常用的缓存对象都可以使用该类
WeakValueHolder	弱引用value数据类型，对于在缓存中需要弱引用的类型可以使用该类
DataStore	缓存数据存储接口，所有缓存数据类型都实现该接口
BasicDataStore	缓存数据存储基础类，基本缓存存储类型没有特殊算法，没有特殊要求的缓存都可以使用该类
WeakValueDataStore	弱引用数据类型缓存数据类型
LRUDataStore	缓存数据存储LRU类，基本缓存存储类型缓存所有操作采用LRU算法
LRUEntry	LRU链表节点，里面定义了链表节点的前后节点的数据结构
MkCache	MkCache缓存核心调用类，都是缓存的接口都是通过这个接口对外暴露

MkCache关键类实现

MkCache类

public class MkCache<K, V> {
    private final DataStore<K, V> store;

    public MkCache(final DataStore<K, V> dataStore) {
        store = dataStore;
    }

    public V get(final K key) {
        try {
            ValueHolder<V> value = store.get(key);
            if (null == value) {
                return null;
            }
            return value.value();
        } catch (MkCacheException e) {
            System.out.println(e.getStackTrace().toString());
            return null;
        }
    }

    public void put(final K key, final V value) {
        try {
            store.put(key, value);
        } catch (MkCacheException e) {
            System.out.println(e.getStackTrace().toString());

        }
    }

    public V remove(K key) {
        try {
            ValueHolder<V> value = store.remove(key);
            return value.value();
        } catch (MkCacheException e) {
            System.out.println(e.getStackTrace().toString());

            return null;
        }
    }

    public void clear() {
        try {
            store.clear();
        } catch (MkCacheException e) {
            System.out.println(e.getStackTrace().toString());

        }
    }
}

BasicDataStore类

public class BasicDataStore<K, V> implements DataStore<K, V> {

    ConcurrentHashMap<K, ValueHolder<V>> map = new ConcurrentHashMap<K, ValueHolder<V>>();

    @Override
    public ValueHolder<V> get(K key) throws MkCacheException {
        return map.get(key);
    }

    @Override
    public PutStatus put(K key, V value) throws MkCacheException {
        ValueHolder<V> v = new BasicValueHolder<V>(value);
        map.put(key, v);
        return PutStatus.PUT;
    }

    @Override
    public ValueHolder<V> remove(K key) throws MkCacheException {
        return map.remove(key);
    }

    @Override
    public void clear() throws MkCacheException {
        map.clear();
    }

}

LRUDataStore类是相对复杂的一个基于LRU算法实现的数据缓存类型，类里维护了一个LRU链表，所有的get、put操作都基于LRU算法实现。

public class LRUDataStore<K, V> implements DataStore<K, V> {

    public LRUDataStore(int maxSize) {
        super();
        this.maxSize = maxSize;
    }

    /**
     * 构造函数定义LRU缓存数据存储的链表最大长度
     */
    private final int maxSize;

    /**
     * 定义一个ConcurrentHashMap，用于存储LRUEntry，存储数据结构为HashMap，逻辑数据结构为一个链表
     */
    ConcurrentHashMap<K, LRUEntry<K, ValueHolder<?>>> map = new ConcurrentHashMap<K, LRUEntry<K, ValueHolder<?>>>();

    /**
     * LRU链表的首节点first
     */
    private LRUEntry<K, ValueHolder<?>> first;
    /**
     * LRU链表的末节点last
     */
    private LRUEntry<K, ValueHolder<?>> last;

    @SuppressWarnings("unchecked")
    @Override
    public ValueHolder<V> get(K key) throws MkCacheException {
        LRUEntry<K, ValueHolder<?>> entry = (LRUEntry<K, ValueHolder<?>>) getEntry(key);
        if (entry == null) {
            return null;
        }
        //获取到相应LRU节点后，将该节点移动到链表头
        moveToFirst(entry);
        return (ValueHolder<V>) entry.getValue();

    }

    @Override
    public PutStatus put(K key, V value) throws MkCacheException {
        LRUEntry<K, ValueHolder<?>> entry = (LRUEntry<K, ValueHolder<?>>) getEntry(key);
        PutStatus status = PutStatus.DROP;
        //如果LRU缓存中没有该key，则加入链表
        if (entry == null) {
            //如果LRU链表长度大于最大值则删除掉最后一个节点
            if (map.size() >= maxSize) {
                //map删除最后一个节点
                map.remove(last.getKey());
                //LRU链表末节点前移一个节点
                removeLast();
            }
            entry = new LRUEntry<K, ValueHolder<?>>(key, new BasicValueHolder<V>(value));
            status = PutStatus.PUT;
        } else {
            entry.setValue(new BasicValueHolder<V>(value));
            status = PutStatus.UPDATE;
        }
        //根据LRU算法将该节点移动到首节点
        moveToFirst(entry);
        map.put(key, entry);
        return status;
    }

    @SuppressWarnings("unchecked")
    @Override
    public ValueHolder<V> remove(K key) throws MkCacheException {
        LRUEntry<K, ValueHolder<?>> entry = getEntry(key);
        //如果能查到该entry则进行删除操作
        if (entry != null) {
            if (entry.getPre() != null) {
                entry.getPre().setNext(entry.getNext());
            }
            if (entry.getNext() != null) {
                entry.getNext().setPre(entry.getPre());
            }
            if (entry == first) {
                first = entry.getNext();
            }
            if (entry == last) {
                last = entry.getPre();
            }
        }
        LRUEntry<K, ValueHolder<?>> oldValue = map.remove(key);
        return (ValueHolder<V>) oldValue.getValue();
    }

    @Override
    public void clear() throws MkCacheException {
        this.map.clear();
        this.first = this.last = null;
    }

    private void moveToFirst(LRUEntry<K, ValueHolder<?>> entry) {
        if (entry == first) {
            return;
        }
        if (entry.getPre() != null) {
            entry.getPre().setNext(entry.getNext());
        }
        if (entry.getNext() != null) {
            entry.getNext().setPre(entry.getPre());
        }
        if (entry == last) {
            last = last.getPre();
        }
        if (first == null || last == null) {
            first = last = entry;
            return;
        }

        entry.setNext(first);
        first.setPre(entry);
        first = entry;
        entry.setPre(null);
    }

    private void removeLast() {
        if (last != null) {
            last = last.getPre();
            if (last == null)
                first = null;
            else
                last.next = null;
        }
    }

    private LRUEntry<K, ValueHolder<?>> getEntry(K key) {
        return map.get(key);
    }

}

LRUEntry类，LRU链表节点类，其中定义了一个单向链表的节点数据结构。

public class LRUEntry<K, V extends ValueHolder<?>> implements Entry<K, ValueHolder<?>> {

    final K key; // non-null
    ValueHolder<?> v; // non-null

    LRUEntry<K, ValueHolder<?>> pre;
    LRUEntry<K, ValueHolder<?>> next;

    public LRUEntry<K, ValueHolder<?>> getPre() {
        return pre;
    }

    public void setPre(LRUEntry<K, ValueHolder<?>> pre) {
        this.pre = pre;
    }

    public LRUEntry<K, ValueHolder<?>> getNext() {
        return next;
    }

    public void setNext(LRUEntry<K, ValueHolder<?>> next) {
        this.next = next;
    }

    public LRUEntry(K key, V value) {
        super();

        this.key = key;
        this.v = value;
    }

    @Override
    public K getKey() {
        return key;
    }

    @Override
    public ValueHolder<?> getValue() {
        return this.v;
    }

    @Override
    public ValueHolder<?> setValue(ValueHolder<?> value) {
        ValueHolder<?> oldValue = this.v;
        this.v = value;
        return oldValue;
    }

}

MkCache规划

MkCache目前0.1版本是比较轻量级的一个版本，该版本还不支持集群模式，只支持基本的分布式线性部署，而且也没有自动失效机制，后续会增加分布式集群支持，数据库一致性支持等功能，还要解决缓存穿透和缓存同时失效等缓存常见问题。

网友评论

本文标题：动手写框架－轻量级开源缓存MkCache

本文链接：https://www.haomeiwen.com/subject/joivaxtx.html

延伸阅读

深度阅读

您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

动手写框架－轻量级开源缓存MkCache

前言

如何使用MkCache

MkCache架构

MkCache关键类实现

MkCache规划

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

架构设计与重构

互联网架构