Caffeine

Caffeine 是基于 Java 8 的高性能进程内缓存库，是 Spring Boot 2.x+ 默认的本地缓存实现。相比 Guava Cache，引入了 W-TinyLFU 淘汰算法，命中率显著更高。

适合：单机高频读场景（热点数据、配置缓存）；不适合：多节点共享数据（用 Redis）。

---

快速上手

<dependency>
    <groupId>com.github.ben-manes.caffeine</groupId>
    <artifactId>caffeine</artifactId>
    <version>3.1.8</version>
</dependency>

手动缓存（Cache）

Cache<String, User> cache = Caffeine.newBuilder()
    .maximumSize(1000)
    .expireAfterWrite(10, TimeUnit.MINUTES)
    .recordStats()
    .build();
 
cache.put("user:1", user);
User u = cache.getIfPresent("user:1");                        // 不存在返回 null
User u = cache.get("user:1", k -> userRepo.findById(1L));    // 不存在则加载
cache.invalidate("user:1");
cache.invalidateAll();

自动加载缓存（LoadingCache）

LoadingCache<String, User> cache = Caffeine.newBuilder()
    .maximumSize(1000)
    .expireAfterWrite(10, TimeUnit.MINUTES)
    .build(key -> userRepo.findByKey(key));   // 缺失时自动调用
 
User user = cache.get("user:1");
Map<String, User> users = cache.getAll(List.of("user:1", "user:2"));

异步加载缓存（AsyncLoadingCache）

AsyncLoadingCache<String, User> cache = Caffeine.newBuilder()
    .maximumSize(1000)
    .expireAfterWrite(10, TimeUnit.MINUTES)
    .buildAsync(key -> userRepo.findByKeyAsync(key));  // 返回 CompletableFuture
 
CompletableFuture<User> future = cache.get("user:1");

---

过期策略

策略	方法	说明
写后过期	expireAfterWrite(duration)	写入后固定时间过期
访问后过期	expireAfterAccess(duration)	最后一次读/写后固定时间过期
自定义过期	expireAfter(Expiry)	按 key/value 动态计算过期时间
固定大小	maximumSize(n)	超出时按 W-TinyLFU 淘汰
权重上限	maximumWeight(w)	按条目权重总和限制

---

统计监控

CacheStats stats = cache.stats();
stats.hitRate();          // 命中率
stats.loadCount();        // 加载次数
stats.evictionCount();    // 驱逐次数
stats.averageLoadPenalty(); // 平均加载耗时(ns)

---

Spring Boot 集成

spring:
  cache:
    type: caffeine
    caffeine:
      spec: maximumSize=500,expireAfterWrite=600s

@Configuration
@EnableCaching
public class CacheConfig {
    @Bean
    public CacheManager cacheManager() {
        CaffeineCacheManager manager = new CaffeineCacheManager();
        manager.setCaffeine(Caffeine.newBuilder()
            .maximumSize(1000)
            .expireAfterWrite(10, TimeUnit.MINUTES)
            .recordStats());
        return manager;
    }
}

@Cacheable(value = "users", key = "#id")
public User getUser(Long id) { ... }
 
@CachePut(value = "users", key = "#user.id")
public User updateUser(User user) { ... }
 
@CacheEvict(value = "users", key = "#id")
public void deleteUser(Long id) { ... }

---

W-TinyLFU 算法

全部缓存空间
  ├── Window 区（1%）：新进入数据先放这里，防止冷数据污染
  └── Main 区（99%）
       ├── Protected 区（80%）：高频访问数据
       └── Probation 区（20%）：候选区，频率低的在此被淘汰

新数据进 Window → 晋升 Probation → 高频则升入 Protected，否则被淘汰。对突发流量和循环扫描的抵抗性优于纯 LRU。

---

Caffeine vs Guava Cache

维度	Caffeine	Guava Cache
淘汰算法	W-TinyLFU	LRU 近似
命中率	更高	较低
异步加载	支持	不支持
Spring Boot 默认	是（2.x+）	否

---

相关链接

• Redis — 分布式缓存，多节点共享数据的首选
• Druid — 数据库连接池，常与本地缓存配合减少数据库压力