设计高效的线程安全的缓存(java并发编程实战5.6)

客官°小女子只卖身不卖艺 2022-07-12 04:40 135阅读 0赞

几乎每一个应用都会使用到缓存, 但是设计高效的线程安全的缓存并不简单. 如:

Java代码   ![收藏代码][icon_star.png]

1.  **public** **interface** Computable<A, V> \{   
2.      V compute(A arg) **throws** InterruptedException;   
3.  \}   
4.    
5.  **public** **class** ExpensiveFunction   
6.          **implements** Computable<String, BigInteger> \{   
7.      // 模拟一个耗时操作  
8.      **public** BigInteger compute(String arg) \{   
9.      // ...  
10.         **return** **new** BigInteger(arg);   
11.     \}   
12. \}   
13.   
14. **public** **class** Memorizer1<A, V> **implements** Computable<A, V> \{   
15.     **private** **final** Map<A, V> cache = **new** HashMap<A, V>();   
16.     **private** **final** Computable<A, V> c;   
17.   
18.     **public** Memorizer1(Computable<A, V> c) \{   
19.         **this**.c = c;   
20.     \}   
21.     // 使用synchronized同步整个方法解决线程安全  
22.     **public** **synchronized** V compute(A arg) **throws** InterruptedException \{   
23.         V result = cache.get(arg);   
24.         **if** (result == **null**) \{   
25.             result = c.compute(arg);   
26.             cache.put(arg, result);   
27.         \}   
28.         **return** result;   
29.     \}   
30. \}

Memorizer1使用HashMap缓存计算结果. 如果能在缓存中取出参数对应的结果, 就直接返回缓存的数据, 避免了重复进行代价昂贵的计算. 由于HashMap不是线程安全的, Memorizer1同步整个compute方法, 避免重复计算的同时, 牺牲了并发执行compute方法的机会, 此种设计甚至可能导致性能比没有缓存更差.

使用ConcurrentHashMap代替HashMap, 同时取消对compute方法的同步可以极大的改善性能:

Java代码   ![收藏代码][icon_star.png]

1.  **public** **class** Memorizer2<A, V> **implements** Computable<A, V> \{   
2.      **private** **final** Map<A, V> cache = **new** ConcurrentHashMap<A, V>();   
3.      **private** **final** Computable<A, V> c;   
4.    
5.      **public** Memorizer2(Computable<A, V> c) \{ **this**.c = c; \}   
6.    
7.      **public** V compute(A arg) **throws** InterruptedException \{   
8.          V result = cache.get(arg);   
9.          **if** (result == **null**) \{   
10.             result = c.compute(arg);   
11.             cache.put(arg, result);   
12.         \}   
13.         **return** result;   
14.     \}   
15. \}

ConcurrentHashMap是线程安全的, 并且具有极好的并发性能. 但是该设计仍存在问题: 无法避免所有的重复的计算. 有时这是可以的, 但对于一些要求苛刻的系统, 重复计算可能会引发严重的问题. Memorizer2的问题在于一个线程在执行compute方法的过程中, 其他线程以相同的参数调用compute方法时, 无法从缓存中获知已有线程正在进行该参数的计算的信息, 因此造成了重复计算的发生. 针对这一点, 可以改进缓存的设计:

Java代码   ![收藏代码][icon_star.png]

1.  **public** **class** Memorizer3<A, V> **implements** Computable<A, V> \{   
2.      // 改为缓存Future  
3.      **private** **final** Map<A, Future<V>> cache   
4.              = **new** ConcurrentHashMap<A, Future<V>>();   
5.      **private** **final** Computable<A, V> c;   
6.    
7.      **public** Memorizer3(Computable<A, V> c) \{ **this**.c = c; \}   
8.    
9.      **public** V compute(**final** A arg) **throws** InterruptedException \{   
10.         Future<V> f = cache.get(arg);   
11.         **if** (f == **null**) \{   
12.             Callable<V> eval = **new** Callable<V>() \{   
13.                 **public** V call() **throws** InterruptedException \{   
14.                     **return** c.compute(arg);   
15.                 \}   
16.             \};   
17.             FutureTask<V> ft = **new** FutureTask<V>(eval);   
18.             f = ft;   
19.         // 在计算开始前就将Future对象存入缓存中.  
20.             cache.put(arg, ft);   
21.             ft.run(); // call to c.compute happens here   
22.         \}   
23.         **try** \{   
24.         // 如果缓存中存在arg对应的Future对象, 就直接调用该Future对象的get方法.  
25.         // 如果实际的计算还在进行当中, get方法将被阻塞, 直到计算完成  
26.             **return** f.get();   
27.         \} **catch** (ExecutionException e) \{   
28.             **throw** launderThrowable(e.getCause());   
29.         \}   
30.     \}   
31. \}

Memorizer3中的缓存系统看起来已经相当完美: 具有极好的并发性能, 也不会存在重复计算的问题. 真的吗? 不幸的是Memorizer3仍然存在重复计算的问题, 只是相对于Memorizer2, 重复计算的概率降低了一些. cache.get(arg)的结果为null, 不代表cache.put(arg, ft)时cache中依旧没有arg对应的Future, 因此直接调用cache.put(arg, ft)是不合理的:

Java代码   ![收藏代码][icon_star.png]

1.  **public** **class** Memorizer<A, V> **implements** Computable<A, V> \{   
2.      **private** **final** ConcurrentMap<A, Future<V>> cache   
3.          = **new** ConcurrentHashMap<A, Future<V>>();   
4.      **private** **final** Computable<A, V> c;   
5.    
6.      **public** Memorizer(Computable<A, V> c) \{ **this**.c = c; \}   
7.    
8.      **public** V compute(**final** A arg) **throws** InterruptedException \{   
9.          **while** (**true**) \{   
10.             Future<V> f = cache.get(arg);   
11.             **if** (f == **null**) \{   
12.                 Callable<V> eval = **new** Callable<V>() \{   
13.                     **public** V call() **throws** InterruptedException \{   
14.                         **return** c.compute(arg);   
15.                     \}   
16.                 \};   
17.                 FutureTask<V> ft = **new** FutureTask<V>(eval);   
18.         // 使用putIfAbsent测试是否真的将ft存入了缓存, 如果存入失败, 说明cache中已经存在arg对应的future对象  
19.         // 否则才进行计算.  
20.                 f = cache.putIfAbsent(arg, ft);   
21.                 **if** (f == **null**) \{ f = ft; ft.run(); \}   
22.             \}   
23.             **try** \{   
24.                 **return** f.get();   
25.             \} **catch** (CancellationException e) \{   
26.         // 当计算被取消时, 从缓存中移除arg-f键值对  
27.                 cache.remove(arg, f);   
28.             \} **catch** (ExecutionException e) \{   
29.                 **throw** launderThrowable(e.getCause());   
30.             \}   
31.         \}   
32.     \}   
33. \}

至此才真正实现了高效且线程安全的缓存.

[icon_star.png]: /images/20220711/a06af5490ea44a8981592cf0589dc71c.png