1. Caffeine 简介

Caffeine 是一个基于 Java 8 的高性能本地缓存库，由 Ben Manes 开发，旨在替代 Google Guava Cache，提供更优的缓存策略、更高的吞吐量和更灵活的配置。

核心优势

✅ 卓越的性能：采用优化的数据结构（如 Window TinyLFU 淘汰算法），减少锁竞争，提升并发访问效率。
✅ 灵活的缓存策略：支持基于大小、时间、权重等多种淘汰机制。
✅ 丰富的功能：自动刷新、异步加载、批量操作等高级特性。
✅ 无缝集成 Spring：与 Spring Cache 完美结合，轻松替换 Redis 或 Ehcache。

2. Caffeine 核心机制

2.1 缓存淘汰策略

Caffeine 提供多种缓存淘汰策略，防止内存无限增长：

策略	方法	说明
基于大小	`maximumSize(long)`	限制缓存最大条目数
基于权重	`maximumWeight(long)` + `weigher()`	根据条目权重限制缓存
基于时间	`expireAfterWrite` / `expireAfterAccess`	写入/访问后过期
手动淘汰	`invalidate(key)` / `invalidateAll()`	主动移除缓存

2.2 缓存加载方式

Caffeine 支持 同步加载 和 异步加载：

// 同步加载（阻塞）
LoadingCache<Key, Value> cache = Caffeine.newBuilder().build(key -> fetchFromDB(key));// 异步加载（非阻塞）
AsyncLoadingCache<Key, Value> asyncCache = Caffeine.newBuilder().buildAsync((key, executor) -> CompletableFuture.supplyAsync(() -> fetchFromDB(key), executor));

2.3 自动刷新机制

refreshAfterWrite 允许缓存条目在写入后一段时间自动刷新（异步，不阻塞请求）：

LoadingCache<String, Data> cache = Caffeine.newBuilder().refreshAfterWrite(1, TimeUnit.MINUTES) // 1分钟后访问时触发刷新.build(this::loadDataFromDB);

注意：刷新时返回旧值，后台异步加载新值，适合高并发场景。

3. 代码实战：Caffeine + Spring Boot

3.1 基础配置

@Configuration
@EnableCaching
public class CacheConfig {@Beanpublic Caffeine<Object, Object> caffeineConfig() {return Caffeine.newBuilder().maximumSize(1000)          // 最大1000条.expireAfterWrite(10, TimeUnit.MINUTES) // 10分钟过期.refreshAfterWrite(1, TimeUnit.MINUTES); // 1分钟后自动刷新}@Beanpublic CacheManager cacheManager(Caffeine<Object, Object> caffeine) {CaffeineCacheManager cacheManager = new CaffeineCacheManager();cacheManager.setCaffeine(caffeine);return cacheManager;}
}

3.2 业务层使用

@Service
public class UserService {@Cacheable(value = "users", key = "#id") // 缓存名称为 "users"public User getUserById(Long id) {return userRepository.findById(id).orElse(null);}@CacheEvict(value = "users", key = "#id") // 删除缓存public void deleteUser(Long id) {userRepository.deleteById(id);}
}

4. 高级用法

4.1 多级缓存（Caffeine + Redis）

@Bean
public CacheManager cacheManager(RedisConnectionFactory redisConnectionFactory,Caffeine<Object, Object> caffeine
) {// 本地缓存CaffeineCacheManager caffeineCacheManager = new CaffeineCacheManager();caffeineCacheManager.setCaffeine(caffeine);// Redis 缓存RedisCacheManager redisCacheManager = RedisCacheManager.builder(redisConnectionFactory).cacheDefaults(RedisCacheConfiguration.defaultCacheConfig()).build();// 组合缓存（先查本地，再查Redis）return new CompositeCacheManager(caffeineCacheManager, redisCacheManager);
}

4.2 批量操作优化

public Map<Long, User> batchGetUsers(List<Long> userIds) {// 批量查询缓存Map<Long, User> cachedUsers = cache.getAll(userIds);// 查找未命中的IDList<Long> missingIds = userIds.stream().filter(id -> !cachedUsers.containsKey(id)).collect(Collectors.toList());if (!missingIds.isEmpty()) {// 从DB加载并更新缓存Map<Long, User> dbUsers = userRepository.batchFindByIds(missingIds);cache.putAll(dbUsers);cachedUsers.putAll(dbUsers);}return cachedUsers;
}

5. 注意事项 & 最佳实践

5.1 缓存穿透问题

问题：恶意请求不存在的 key，导致频繁查询数据库。
解决方案：

.build(key -> {User user = fetchFromDB(key);if (user == null) {return new NullValue(); // 缓存空对象}return user;
});

5.2 缓存雪崩

问题：大量缓存同时失效，导致数据库压力激增。
解决方案：

.expireAfterWrite(10 + ThreadLocalRandom.current().nextInt(5), TimeUnit.MINUTES) // 随机过期时间

5.3 内存监控

Caffeine 提供统计信息：

.recordStats() // 启用统计

CacheStats stats = cache.stats();
System.out.println("命中率: " + stats.hitRate());
System.out.println("加载次数: " + stats.loadCount());

5.4 最佳实践

✔ 合理设置缓存大小：避免 OOM（如 maximumSize(10000)）。
✔ 结合 TTL + 自动刷新：保证数据新鲜，同时避免阻塞请求。
✔ 分布式环境使用多级缓存：本地缓存 + Redis，减少网络开销。
✔ 监控缓存命中率：优化缓存策略，避免缓存失效风暴。