Caffeine 是一个高性能的Java缓存库，提供了近乎最佳的命中率和优秀的并发性能。被设计用来替代诸如Guava Cache等其他Java缓存解决方案，并引入了W-TinyLFU算法来提高缓存命中率。

关键特性

高命中率：通过采用最新的缓存淘汰算法（如W-TinyLFU），提供更高的缓存命中率。
低延迟：优化了缓存访问速度，确保快速的数据获取。
扩展性好：支持异步加载、手动加载、自动加载等多种数据加载方式。
丰富的过期策略：可以根据访问时间、写入时间或者自定义条件进行数据过期处理。
内存敏感：能够根据系统可用内存动态调整缓存大小。

使用示例

添加依赖

首先，在pom.xml中添加Caffeine依赖：

<dependency>
    <groupId>com.github.ben-manes.caffeine</groupId>
    <artifactId>caffeine</artifactId>
    <version>3.0.5</version> 
</dependency>

基本用法

创建一个缓存实例并使用它来存储和检索值

import com.github.benmanes.caffeine.cache.Cache;
import com.github.benmanes.caffeine.cache.Caffeine;

import java.util.concurrent.TimeUnit;

public class CaffeineExample {
    public static void main(String[] args) {
        // 创建一个缓存，设置最大容量为100，数据在写入后10分钟过期
        Cache<String, Object> cache = Caffeine.newBuilder()
                .maximumSize(100)
                .expireAfterWrite(10, TimeUnit.MINUTES)
                .build();

        // 向缓存中放入数据
        cache.put("key", "value");

        // 从缓存中获取数据
        String value = (String) cache.getIfPresent("key");
        System.out.println("Value: " + value);

        // 可以使用get方法配合CacheLoader来实现自动加载缺失的数据
    }
}

异步缓存

Caffeine还支持异步缓存操作，允许以非阻塞的方式获取缓存值

import com.github.benmanes.caffeine.cache.AsyncLoadingCache;
import com.github.benmanes.caffeine.cache.Caffeine;

import java.util.concurrent.CompletableFuture;
import java.util.concurrent.ExecutionException;

public class AsyncCaffeineExample {
    public static void main(String[] args) throws ExecutionException, InterruptedException {
        AsyncLoadingCache<String, Object> cache = Caffeine.newBuilder()
                .maximumSize(100)
                .buildAsync();

        CompletableFuture<Object> future = cache.get("key", k -> "value");
        System.out.println("Future Value: " + future.get());
    }
}

适用场景

高频访问数据缓存

电商系统中的热门商品信息、实时排行榜等，利用Caffeine的高吞吐量，快速响应请求，降低后端数据库压力。
用户登录状态、购物车信息等实时性要求高的短期数据，通过本地缓存实现微秒级读取延迟。

多级缓存架构本地层

与Redis等分布式缓存协同，形成“本地缓存+远程缓存”多级结构，优先从Caffeine读取数据，减少网络I/O开销。
通过本地缓存拦截高频重复请求，避免分布式缓存被击穿，提升系统抗突发流量能力（如秒杀场景）。

低频变更数据存储

系统参数、枚举值、类目信息等变更频率低的数据，通过Caffeine缓存减少重复计算和数据库查询。
外部API返回的键值对数据（如地理位置映射、汇率信息），通过本地缓存降低调用频率与响应延迟。

特定性能优化场景

支持refreshAfterWrite配置，后台异步刷新数据，避免缓存过期时请求阻塞，适用于数据更新周期固定的场景。
通过弱引用/软引用自动回收机制，在内存不足时优先释放非关键数据，平衡性能与资源消耗。

开发便捷性需求

Spring Boot通过@Cacheable注解无缝集成，5分钟内可完成基础缓存功能搭建，适合中小型项目快速落地。
支持按时间（创建/访问时间）、容量、权重等多维度设置淘汰策略，适配不同业务特征。

总结

Caffeine因其卓越的性能和灵活的配置选项以及智能淘汰算法，已经成为了现代Java应用程序中实现高效缓存的一个优选方案。无论是构建需要高速读写的本地缓存，还是希望提升应用的整体性能，以及应对高并发、低延迟需求的本地缓存场景，Caffeine都是一个不错的选择。

汤科资源网

Java高性能缓存库:Caffeine

关键特性

使用示例

适用场景

总结