本地缓存的实现原理
概念与工作方式
在Java应用中，本地缓存指的是将数据缓存在 JVM 内存中的技术，以便<减少跨进程网络请求与<降低访问延迟，提升吞吐量。它通常属于近端缓存，数据副本随应用部署，读取速度最快，但受限于单实例内存容量与JVM GC 影响。
本地缓存的核心在于将热数据放在应用同一进程中，避免网络序列化成本与调用开销，同时要处理并发访问与内存回收带来的挑战。正确的 eviction 策略能够在保持命中率的同时控制内存占用，从而实现稳定的吞吐量。
本地缓存的核心组件
常见的本地缓存组件包括<Guava Cache、Caffeine等，它们实现了基于驱逐策略的缓存表，如LRU、LFU，以及TTL等。需要注意的是，容量限制、并发控制、线程安全是设计的关键。
下面给出一个简短的本地缓存示例，展示如何用 Caffeine 构建一个带有maximumSize与expireAfterWrite的缓存。
import com.github.benmanes.caffeine.cache.Cache;
import com.github.benmanes.caffeine.cache.Caffeine;
import java.util.concurrent.TimeUnit;public class LocalCacheExample {public static void main(String[] args) {Cache<String, String> cache = Caffeine.newBuilder().maximumSize(10_000).expireAfterWrite(10, TimeUnit.MINUTES).build();cache.put("user:123", "Alice");String value = cache.getIfPresent("user:123");System.out.println(value);}
}
本地缓存的优缺点与适用场景
本地缓存的优点是极低延迟与高吞吐，缺点是数据不共享、需要在应用重启后重新加载。它适用于热点数据、低更新频率、单体应用或同一进程内数据复用的场景。
分布式缓存的实现原理
核心架构与一致性模型
分布式缓存横跨多台服务器，通常通过分区、复制和一致性协议实现水平扩展。常见的一致性模型包括最终一致性与在某些场景下的强一致性。系统需要处理缓存穿透、缓存击穿、缓存雪崩等风险，并通过副本同步、预热、限流等策略降低风险。
在分布式环境中，数据的可用性与一致性经常需要权衡。通过分区策略，可以将数据分配到不同节点；通过副本复制，可以提高容错能力；通过一致性协议，可以在一定程度上保证跨节点数据的可见性与时效性。
常见实现与组件
流行的分布式缓存技术栈包括Redis、Memcached等。更进一步的分布式缓存框架如Hazelcast、Infinispan、Apache Ignite，它们支持数据结构、分区与集群，并提供丰富的 API 与集成能力。
以 Redis 为例，通常通过单机或集群部署，提供SET、GET、EXPIRE等命令，Java 侧通过Jedis或Lettuce客户端实现访问。
import redis.clients.jedis.Jedis;public class RedisDemo {public static void main(String[] args) {try (Jedis jedis = new Jedis("localhost", 6379)) {jedis.set("session:1", "alice");jedis.expire("session:1", 3600);String v = jedis.get("session:1");System.out.println(v);}}
}
分布式缓存的数据一致性与失效策略
分布式缓存常用策略包括TTL、LFU/LRU 近似替换，以及写-through、写-back的持久化策略。对一致性而言，设计者需要权衡读取放大、写放大、数据热度等因素。
本地缓存与分布式缓存的对比与选型要点
对比要点
在对比本地缓存与分布式缓存时，关键维度包括延迟/吞吐、容量、数据一致性、部署复杂度与故障域的边界。局部缓存具备极低延迟与简单部署，但数据共享受限，需要考虑多实例数据同步成本。
分布式缓存的优势在于全局可见性、横向扩展能力，缺点是网络开销与复杂性，以及数据一致性挑战，通常需要额外的运维成本与监控。
场景驱动的选型
如果应用需要跨服务共享热点数据、实现统一的缓存口径，并且可以接受一定的运维成本与复杂度，分布式缓存更合适。反之，若单体应用内部使用、对延迟极度敏感且数据一致性要求相对较低，本地缓存是更优选择。
在实际工程中，常见的做法是将两者结合：本地缓存用于快速访问热点数据，分布式缓存用于共享数据与跨服务一致性，通过如 Spring Cache 的注解式缓存机制来组织两层缓存。
// Spring Cache 示例：本地缓存由 Caffeine 管理，分布式缓存使用 Redis 的集成
@Configuration
@EnableCaching
public class CacheConfig {@Beanpublic CacheManager cacheManager() {// 本地缓存管理器（Caffeine）与分布式缓存协同工作CaffeineCacheManager caffeineCacheManager = new CaffeineCacheManager();caffeineCacheManager.setCacheNames(Arrays.asList("hotData"));// 在具体应用中可组合多个CacheManagerreturn new CompositeCacheManager(Arrays.asList(caffeineCacheManager, redisCacheManager()));}@Beanpublic RedisCacheManager redisCacheManager() {// Redis 配置return RedisCacheManager.create(RedisConnectionFactory);}
}
