LocalCache为guava本地缓存的解决方案，提供了基于容量，时间和引用的缓存回收方式，其数据读写都在一个进程内，相对与 redis 等分布式缓存，不需要网络传输的过程，访问速度很快，同时也受到 JVM 内存的制约，无法在数据量较多的场景下使用。

基于以上特点，guava cache 的主要应用场景为以下几种：

• 对于访问速度有较大要求
• 存储的数据不经常变化
• 数据量不大，占用内存较小
• 需要访问整个集合
• 能够容忍数据不是实时的

版本

<dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>33.2.1-jre</version>
</dependency>

LocalCache参数说明

类型	参数名	默认值	说明
static final int	MAXIMUM_CAPACITY	1 << 30	最大容量，如果其中一个具有参数的构造函数隐式指定了更高的值，则使用该容量。必须是2的幂{2^30}，以确保Entry可以使用整数进行索引
static final int	MAX_SEGMENTS	1 << 16	允许的最大分段数，并发数，这里设置的2^16；用于绑定构造函数参数
static final int	CONTAINS_VALUE_RETRIES	3	containsValue方法中的（未同步）重试次数
static final int	DRAIN_THRESHOLD	0x3F	在更新缓存的最近顺序信息之前，每个段可以缓冲的缓存访问操作数。这用于通过记录读取的memento并延迟锁获取，直到超过阈值或发生突变，来避免锁争用
static final int	DRAIN_MAX	16	单次清理运行中要排出的最大Entry数。这独立适用于清理队列和两个引用队列
static final	logger	Logger.getLogger(LocalCache.class.getName())	java.util.logging.Logger日志
final int	segmentMask	——	用于索引分段的掩码值。密钥哈希码的高位用于选择段
final int	segmentShift	——	分段内索引的移位值。有助于防止最终位于同一段中的Entry也位于同一桶中
final Segment<K, V>[]	segments	——	每个段都是一个继承了ReentrantLock的哈希表
final int	concurrencyLevel	——	并发级别
final Equivalence<Object>	keyEquivalence	——	键比较策略
final Equivalence<Object>	valueEquivalence	——	值比较策略
final Strength	keyStrength	——	键策略
final Strength	valueStrength	——	值策略
final long	maxWeight	——	此Map的最大容量。如果没有最大值，则返回UNSET_INT
final Weigher<K, V>	weigher	——	缓存容量计算器
final long	expireAfterAccessNanos	——	在Entry最后一次访问的多久内Map保留该Entry
final long	expireAfterWriteNanos	——	在Entry最后一次写入的多久内Map保留该Entry
final long	refreshNanos	——	当Entry上次写入多久后，Entry成为刷新的候选项。设置自动刷新间隔的
final Queue<RemovalNotification<K, V>>	removalNotificationQueue	——	存放removalListener占用的Entry的等待队列
final RemovalListener<K, V>	removalListener	——	当Entry因软/弱Entry的过期或垃圾回收而被删除时调用的监听器
final Ticker	ticker	——	com.google.common.base.Ticker计数器，用于计算时间
final EntryFactory	entryFactory	——	用于创建新Entry
final StatsCounter	globalStatsCounter	——	全局缓存数。请注意，还有每个分段的实体数量，必须聚合这些分段中的Entry数量才能获得全局总数
final CacheLoader<? super K, V>	defaultLoader	——	加载操作时使用的默认缓存加载器

Cache构建过程

guava cache 最常用的方式是通过 CacheBuilder 进行构建， CacheBuilder 通过 build 方法返回一个new LocalCache.LocalLoadingCache<K1, V1>(this, loader)；其中 LocalLoadingCache 继承了 LocalManualCache，而 LocalManualCache 定义了一个 final LocalCache<K, V>。

最终返回的LocalManualCache的所有操作均为对LocalCache的操作。

LocalCache介绍

LocalCache继承了AbstractMap并实现了ConcurrentMap。
LocalCache基本策略是对Entry分段存储，每个Segment本身都是一个并发可读的哈希表。该映射支持跨不同段的非阻塞读取和并发写入。如果指定了最大大小，则使用页面替换算法对段内的Entry进行替换。

LocalCache实例化

将builder中的属性赋值到LocalCache中

LocalCache(CacheBuilder<? super K, ? super V> builder, @CheckForNull CacheLoader<? super K, V> loader) {//从builder和默认（2^16）中选的最小的作为并发级别concurrencyLevel = Math.min(builder.getConcurrencyLevel(), MAX_SEGMENTS);//键值策略keyStrength = builder.getKeyStrength();valueStrength = builder.getValueStrength();//键值比较策略keyEquivalence = builder.getKeyEquivalence();valueEquivalence = builder.getValueEquivalence();//最大容量maxWeight = builder.getMaximumWeight();//容量计算器weigher = builder.getWeigher();//访问保留时间expireAfterAccessNanos = builder.getExpireAfterAccessNanos();//写入保留时间expireAfterWriteNanos = builder.getExpireAfterWriteNanos();//自动刷新间隔refreshNanos = builder.getRefreshNanos();//监听Entry被GC回收的监听器removalListener = builder.getRemovalListener();//removalListener的Entry队列，这里如果removalListener未设置，//则用的是discardingQueue，如果已设置则使用的是ConcurrentLinkedQueueremovalNotificationQueue = (removalListener == NullListener.INSTANCE) ? LocalCache.discardingQueue()  : new ConcurrentLinkedQueue<>();//计数器ticker = builder.getTicker(recordsTime());//实体工厂entryFactory = EntryFactory.getFactory(keyStrength, usesAccessEntries(), usesWriteEntries());//全局缓存数globalStatsCounter = builder.getStatsCounterSupplier().get();//默认加载器defaultLoader = loader;//设置初始容量，在builder的初始容量和2^30选更小的一个int initialCapacity = Math.min(builder.getInitialCapacity(), MAXIMUM_CAPACITY);//如果Map的最大容量>0且weigher是OneWeigher的实例if (evictsBySize() && !customWeigher()) {//初始容量是当前值与maxWeight之间更小的一个initialCapacity = (int) Math.min(initialCapacity, maxWeight);}……
}

其中evictsBySize方法和customWeigher方法如下：

    boolean evictsBySize() {return maxWeight >= 0;}boolean customWeigher() {return weigher != OneWeigher.INSTANCE;}

分段

1. 计算段个数，如果未指定最大容量时，段个数=超过并发级别的最小2次幂，指定了最大容量时，段个数=超过并发级别和最大容量/20之间较小的值的最小2次幂。

        // 除非指定了maximumSize/Weight（在这种情况下，请确保每个段至少有10个Entry），// 否则找到超过并发级别的最小2次幂的段数量，然后对该段中的Entry进行移除，// 因为移除是按段而不是全局进行的，因此与最大大小相比，过多的段将导致随机移除行为。int segmentShift = 0;int segmentCount = 1;//未指定最大容量时，segmentCount=超过concurrencyLevel的最小2次幂//指定了最大容量时，segmentCount=超过Math.Min(concurrencyLevel,maxWeight/20)的最小2次幂while (segmentCount < concurrencyLevel&& (!evictsBySize() || segmentCount * 20L <= maxWeight)) {++segmentShift;segmentCount <<= 1;}this.segmentShift = 32 - segmentShift;segmentMask = segmentCount - 1;

2. 通过newSegmentArray()创建段

        this.segments = newSegmentArray(segmentCount);

3. 计算段容量，cache的段容量由两个变量控制，segmentSize为初始容量，maxSegmentWeight为能够扩容的最大容量。

        //段容量=Math.Ceiling(总容量/段数)int segmentCapacity = initialCapacity / segmentCount;if (segmentCapacity * segmentCount < initialCapacity) {++segmentCapacity;}//segmentSize=超过segmentCapacity的最小2次幂int segmentSize = 1;while (segmentSize < segmentCapacity) {segmentSize <<= 1;}//如果设置了Map的最大容量if (evictsBySize()) {//确保分段最大容量之和=总最大容量long maxSegmentWeight = maxWeight / segmentCount + 1;long remainder = maxWeight % segmentCount;for (int i = 0; i < this.segments.length; ++i) {if (i == remainder) {maxSegmentWeight--;}this.segments[i] =createSegment(segmentSize, maxSegmentWeight, builder.getStatsCounterSupplier().get());}} else {//没有设置最大容量，则每段大小为UNSET_INTfor (int i = 0; i < this.segments.length; ++i) {this.segments[i] =createSegment(segmentSize, UNSET_INT, builder.getStatsCounterSupplier().get());}}

初始容量计算比较简单，为超过Math.Ceiling(总容量/段数)的最小2次幂。如果设置了Map的最大容量，最大段容量计算如下图所示：

假设分段最大容量为25，段数量为7，则通过公式计算得出maxSegmentWeight=4，remainder=4。根据for循环，当下标为4时，maxSegmentWeight=maxSegmentWeight-1，则前4个段最大容量为4，而后三个段的最大容量为3。如此，确保了分段最大容量之和=总最大容量。
当没有设置最大容量，则每段大小为UNSET_INT。