源码分析：Guava Cache原理以及源码分析

男娘i 2022-01-05 07:27 413阅读 0赞

[上一篇][Link 1]文章讲了LocalCache是如何通过Builder构建出来的，这篇文章重点是讲localCache的原理，首先通过类图理清涉及到相关类的关系，如下图我们可以看到，guava Cache的核心就是LocalCache，LocalCache实现了ConcurrentMap,并继承了抽象的map，关于ConcurrentMap的实现可以看[这篇文章][Link 2]，讲的是并发hashmap的实现，对理解这篇文章有帮助。对于构造LocalCache最直接的两个相关类是LocalManualCache和LocalLoadingCache。

### LocalManualCache和LocalLoadingCache ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70][]

顺着构造源码看下

/**
       * 1、我们在代码中通过调用此处的build方法，调用LocalCache.LocalLoadingCache内部类生成LocalCache对象
       */
      public <K1 extends K, V1 extends V> LoadingCache<K1, V1> build(
          CacheLoader<? super K1, V1> loader) {
        checkWeightWithWeigher();
        return new LocalCache.LocalLoadingCache<K1, V1>(this, loader);
      }
    
      /**
       * 2、调用LocalLoadingCache的超类构造LocalCache
       */
      static class LocalLoadingCache<K, V>
          extends LocalManualCache<K, V> implements LoadingCache<K, V> {
    
        LocalLoadingCache(CacheBuilder<? super K, ? super V> builder,
            CacheLoader<? super K, V> loader) {
          super(new LocalCache<K, V>(builder, checkNotNull(loader)));
        }
      }
    
      /**
       * 将构造好的LocalManualCache赋值给LocalManualCache中属性
       */
      static class LocalManualCache<K, V> implements Cache<K, V>, Serializable {
        final LocalCache<K, V> localCache;
        
        LocalManualCache(CacheBuilder<? super K, ? super V> builder) {
          this(new LocalCache<K, V>(builder, null));
        }
    
        private LocalManualCache(LocalCache<K, V> localCache) {
          this.localCache = localCache;
        }
      }

那么这个LoadingCache到底是什么作用呢，其实就是LocalCache对外暴露了实现的方法，所有暴露的方法都是实现了这个接口，LocalLoadingCache就是实现了这个接口，下边是部分源码：

@Override
        public V get(K key) throws ExecutionException {
          return localCache.getOrLoad(key);
        }
    
        @Override
        public V getUnchecked(K key) {
          try {
            return get(key);
          } catch (ExecutionException e) {
            throw new UncheckedExecutionException(e.getCause());
          }
        }
    
        @Override
        public ImmutableMap<K, V> getAll(Iterable<? extends K> keys) throws ExecutionException {
          return localCache.getAll(keys);
        }
    
        @Override
        public void refresh(K key) {
          localCache.refresh(key);
        }
    
        @Override
        public final V apply(K key) {
          return getUnchecked(key);
        }
    
        // Serialization Support
    
        private static final long serialVersionUID = 1;
    
        @Override
        Object writeReplace() {
          return new LoadingSerializationProxy<K, V>(localCache);
        }

特殊的是它是LocalCache的内部静态类，这个LocalLoadingCache内部静态类只是降低了LocalCache的复杂度，它是完全独立于LocalCache的。下边是我们使用的方法都是LocalCache接口的方法

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70 1][]

说完了LocalLoadingCache我们看下LocalManualCache的作用，LocalManualCache是LocalLoadingCache的父类，LocalManualCache实现了Cache，所以LocalManualCache具有了所有Cache的方法，LocalLoadingCache是继承自LocalManualCache同样获得了Cache的所有方法，但是LocalLoadingCache可以选择的重载LocalManualCache中的方法，这样的设计有很大的灵活性；guava cache的内部实现用的LocalCache，但是对外暴露的是LocalLoadingCache，很好隐藏了细节，总结来说

1、LocalManualCache实现了Cache，具有了所有cache方法。

2、LocalLoadingCache实现了LoadingCache，具有了所有LoadingCache方法。

3、LocalLoadingCache继承了LocalManualCache，那么对外暴露的LocalLoadingCache的方法既有自身需要的，又有cache应该具有的。

4、通过LocalLoadingCache和LocalManualCache的父子关系实现了LocalCache的细节。

### Guava Cache到底是如何进行缓存的 ###

我们现在通过类图和源码的各种继承关系理清了这两个LocalLoadingCache和LocalManualCache的重要关系，下边我们再继续深入，通过我们常用的get方法进入：

/**
       * LocalLoadingCache中的get方法，localCache是父类LocalManualCache的
       */
      @Override
      public V get(K key) throws ExecutionException {
        return localCache.getOrLoad(key);
      }
    
      /**
       * 这个get和getOrLoad是AccessQueue中的方法，AccessQueue是何方神圣呢，我们通过类图梳理一下他们的关系
       */
      V get(K key, CacheLoader<? super K, V> loader) throws ExecutionException {
        int hash = hash(checkNotNull(key));
        return segmentFor(hash).get(key, hash, loader);
      }
    
      V getOrLoad(K key) throws ExecutionException {
        return get(key, defaultLoader);
      }

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70 2][]

很明显这是队列，这两个队列的作用如下

WriteQueue：按照写入时间进行排序的元素队列，写入一个元素时会把它加入到队列尾部。  
AccessQueue：按照访问时间进行排序的元素队列，访问(包括写入)一个元素时会把它加入到队列尾部。

在这里就会涉及到segement的概念了，我们先把关系理清楚，首先看ConcurrentHashMap的图示，这样有助于我们理解：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70 3][]

在看LocalCache中的实现图示，[来自][Link 3]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70 4][]

还有另外一个图，[来自][Link 4]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70 5][]

LocalCache类似ConcurrentHashMap采用了分段策略，通过减小锁的粒度来提高并发，LocalCache中数据存储在Segment\[\]中，每个segment又包含5个队列和一个table,这个table是自定义的一种类数组的结构，每个元素都包含一个ReferenceEntry<k,v>链表，指向next entry。这些队列，前2个是key、value引用队列用以加速GC回收，后3个队列记录用户的写记录、访问记录、高频访问顺序队列用以实现LRU算法。AtomicReferenceArray是JUC包下的Doug Lea老李头设计的类：一组对象引用，其中元素支持原子性更新。这种实现比ConcurrentHashMap要复杂的多，除了多了5个引用队列之外，并且采用了ReferenceEntry的方式，引用数据存储接口，默认强引用，对应的类图为：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70 6][]

我们来看下ReferenceEntry接口的代码，具备了一个Entry所需要的元素

interface ReferenceEntry<K, V> {
        /**
         * Returns the value reference from this entry.
         */
        ValueReference<K, V> getValueReference();
    
        /**
         * Sets the value reference for this entry.
         */
        void setValueReference(ValueReference<K, V> valueReference);
    
        /**
         * Returns the next entry in the chain.
         */
        @Nullable
        ReferenceEntry<K, V> getNext();
    
        /**
         * Returns the entry's hash.
         */
        int getHash();
    
        /**
         * Returns the key for this entry.
         */
        @Nullable
        K getKey();
    
        /*
         * Used by entries that use access order. Access entries are maintained in a doubly-linked list.
         * New entries are added at the tail of the list at write time; stale entries are expired from
         * the head of the list.
         */
    
        /**
         * Returns the time that this entry was last accessed, in ns.
         */
        long getAccessTime();

关于强弱引用的问题可以参看[这篇文章][Link 5]，下边我们继续看get方法，全流程看

public V get(K key) throws ExecutionException {
        return localCache.getOrLoad(key);
      }
    
      V getOrLoad(K key) throws ExecutionException {
        return get(key, defaultLoader);
      }
    
      /**
       * 1、寻找对应的segment
       * 2、寻找对应table中的元素
       */
      V get(K key, CacheLoader<? super K, V> loader) throws ExecutionException {
        //这里对哈希再哈希（Wang/Jenkins方法，为了进一步降低冲突）的细节暂时不讲，重点关注后面的get方法
        int hash = hash(checkNotNull(key));
        //根据hash找到对应的那个segment
        return segmentFor(hash).get(key, hash, loader);
      }
    
      /**
       * segmentFor算法
       */
      Segment<K, V> segmentFor(int hash) {
        return segments[(hash >>> segmentShift) & segmentMask];
      }
    
      /**
       * 1、获取对应的对象
       * 2、recordRead记录读取过
       * 3、重置刷新
       */
      V get(K key, int hash, CacheLoader<? super K, V> loader) throws ExecutionException {
        //key和loader不能为null（空指针异常）
        checkNotNull(key);
        checkNotNull(loader);
        try {
          //count保存的是该sengment中缓存的数量，如果为0，就直接去载入
          if (count != 0) { // read-volatile
            // don't call getLiveEntry, which would ignore loading values
            /**
             * 看标记1
             */
            ReferenceEntry<K, V> e = getEntry(key, hash);
            //e != null说明缓存中已存在
            if (e != null) {
              long now = map.ticker.read();
              /**
               * getLiveValue在entry无效、过期、正在载入都会返回null，如果返回不为空，就是正常命中
               * 主要看是否存活，看标记2
               */
              V value = getLiveValue(e, now);
              if (value != null) {
                /**
                 * 看标记3
                 */
                recordRead(e, now);
                //性能统计
                statsCounter.recordHits(1);
                //根据用户是否设置距离上次访问或者写入一段时间会过期，进行刷新或者直接返回
                return scheduleRefresh(e, key, hash, value, now, loader);
              }
              ValueReference<K, V> valueReference = e.getValueReference();
              if (valueReference.isLoading()) {
                //如果正在加载中，等待加载完成获取
                return waitForLoadingValue(e, key, valueReference);
              }
            }
          }
          /**
           * 如果不存在或者过期，就通过loader方法进行加载
           * 看标记4
           */
    
          return lockedGetOrLoad(key, hash, loader);
        } catch (ExecutionException ee) {
          Throwable cause = ee.getCause();
          if (cause instanceof Error) {
            throw new ExecutionError((Error) cause);
          } else if (cause instanceof RuntimeException) {
            throw new UncheckedExecutionException(cause);
          }
          throw ee;
        } finally {
          //清理。通常情况下，清理操作会伴随写入进行，但是如果很久不写入的话，就需要读线程进行完成
          //那么这个“很久”是多久呢？还记得前面我们设置了一个参数DRAIN_THRESHOLD=63吧
          //而我们的判断条件就是if ((readCount.incrementAndGet() & DRAIN_THRESHOLD) == 0)
          //条件成立，才会执行清理，也就是说，连续读取64次就会执行一次清理操作
          //具体是如何清理的，后面再介绍，这里仅关注核心流程
          postReadCleanup();
        }
      }
    
      /**
       * 标记1
       */
      @Nullable
      ReferenceEntry<K, V> getEntry(Object key, int hash) {
        // hash链表,标记1.0
        for (ReferenceEntry<K, V> e = getFirst(hash); e != null; e = e.getNext()) {
          if (e.getHash() != hash) {
            continue;
          }
    
          // hash值相同的，接下来找key值也相同的ReferenceEntry
          K entryKey = e.getKey();
          if (entryKey == null) {
            /**
             * 看标记1.1
             */
            tryDrainReferenceQueues();//线程安全的清除搜集到的entries，使用lock机制。
            continue;
          }
    
          if (map.keyEquivalence.equivalent(key, entryKey)) {
            return e;
          }
        }
    
        return null;
      }
    
      /**
       * 标记1.1
       * Cleanup collected entries when the lock is available.
       */
      void tryDrainReferenceQueues() {
        /**
         * 看标记1.1.1
         */
        if (tryLock()) {
          try {
            /**
             * 看标记1.1.2
             */
            drainReferenceQueues();
          } finally {
            unlock();
          }
        }
      }
    
      /**
       *标记1.1.1
       */
      public boolean tryLock() {
        return sync.nonfairTryAcquire(1);
      }
    
      /**
       * 标记1.1.2
       */
      @GuardedBy("this")
      void drainReferenceQueues() {
        if (map.usesKeyReferences()) {
          drainKeyReferenceQueue();
        }
        if (map.usesValueReferences()) {
          drainValueReferenceQueue();
        }
      }
    
      /**
       * 在segment的keyReferenceQueue的队列中排空队列，满足null的情况执行
       */
      @GuardedBy("this")
      void drainKeyReferenceQueue() {
        Reference<? extends K> ref;
        int i = 0;
        while ((ref = keyReferenceQueue.poll()) != null) {
          @SuppressWarnings("unchecked")
          ReferenceEntry<K, V> entry = (ReferenceEntry<K, V>) ref;
          map.reclaimKey(entry);
          if (++i == DRAIN_MAX) {
            break;
          }
        }
      }
    
      /**
       * 找到entry对应的元素，相当于每一个元素都要判断一下是否要移除
       */
      void reclaimKey(ReferenceEntry<K, V> entry) {
        int hash = entry.getHash();
        segmentFor(hash).reclaimKey(entry, hash);
      }
    
      /**
       * Removes an entry whose key has been garbage collected.
       */
      boolean reclaimKey(ReferenceEntry<K, V> entry, int hash) {
        //加锁，每一个元素都要判断一下
        lock();
        try {
          int newCount = count - 1;
          AtomicReferenceArray<ReferenceEntry<K, V>> table = this.table;
          int index = hash & (table.length() - 1);
          ReferenceEntry<K, V> first = table.get(index);
    
          for (ReferenceEntry<K, V> e = first; e != null; e = e.getNext()) {
            if (e == entry) {
              ++modCount;
              ReferenceEntry<K, V> newFirst = removeValueFromChain(
                  first, e, e.getKey(), hash, e.getValueReference(), RemovalCause.COLLECTED);
              /**
               * write-volatile
               */
              newCount = this.count - 1;
              table.set(index, newFirst);
              this.count = newCount; // write-volatile
              return true;
            }
          }
    
          return false;
        } finally {
          unlock();
          postWriteCleanup();
        }
      }
    
      /**
       * 至此元素移除
       */
      @GuardedBy("this")
      @Nullable
      ReferenceEntry<K, V> removeValueFromChain(ReferenceEntry<K, V> first,
          ReferenceEntry<K, V> entry, @Nullable K key, int hash, ValueReference<K, V> valueReference,
          RemovalCause cause) {
        enqueueNotification(key, hash, valueReference, cause);
        writeQueue.remove(entry);
        accessQueue.remove(entry);
    
        if (valueReference.isLoading()) {
          valueReference.notifyNewValue(null);
          return first;
        } else {
          return removeEntryFromChain(first, entry);
        }
      }
    
      /**
       * 标记2
       * key和value为空的都会删除
       * 然后判断是否过期
       */
      V getLiveValue(ReferenceEntry<K, V> entry, long now) {
        if (entry.getKey() == null) {
          tryDrainReferenceQueues();
          return null;
        }
        V value = entry.getValueReference().get();
        if (value == null) {
          tryDrainReferenceQueues();
          return null;
        }
    
        /**
         * 看标记2.1
         */
        if (map.isExpired(entry, now)) {
          tryExpireEntries(now);
          return null;
        }
        return value;
      }
    
      /**
       * 标记2.1
       * 是哪种过期方式
       * 先判断访问过期，再是写入过期，不管是那个都会让他过期
       */
      boolean isExpired(ReferenceEntry<K, V> entry, long now) {
        checkNotNull(entry);
        if (expiresAfterAccess()
            && (now - entry.getAccessTime() >= expireAfterAccessNanos)) {
          return true;
        }
        if (expiresAfterWrite()
            && (now - entry.getWriteTime() >= expireAfterWriteNanos)) {
          return true;
        }
        return false;
      }
    
      /**
       * 标记3
       */
      void recordRead(ReferenceEntry<K, V> entry, long now) {
        if (map.recordsAccess()) {
          entry.setAccessTime(now);//设置元素当前访问时间
        }
        recencyQueue.add(entry);
      }
    
      /**
       * 标记1.0
       * AtomicReferenceArray 可以确保原子的更新引用的元素。
       * 为给定的hash值返回第一个entry节点.
       */
      ReferenceEntry<K, V> getFirst(int hash) {
    
        // 复制到线程安全的数组中，形成一个快照，确保读的时候，数据一致性。只会读取这个域一次。
        // 此外，这样子可以提供读对于整个table的影响，因为全局的table并不会锁住。（猜测）
        AtomicReferenceArray<ReferenceEntry<K, V>> table = this.table;
        return table.get(hash & (table.length() - 1));
      }
    
    
      /**
       * 标记4
       */
      V lockedGetOrLoad(K key, int hash, CacheLoader<? super K, V> loader)
          throws ExecutionException {
        ReferenceEntry<K, V> e;
        ValueReference<K, V> valueReference = null;
        LoadingValueReference<K, V> loadingValueReference = null;
        boolean createNewEntry = true;
        /**
         * 先进性加锁
         */
        lock();
        try {
          // re-read ticker once inside the lock
          long now = map.ticker.read();
          preWriteCleanup(now);
    
          int newCount = this.count - 1;
          //当前segment下的HashTable
          AtomicReferenceArray<ReferenceEntry<K, V>> table = this.table;
          //这里也是为什么table的大小要为2的幂（最后index范围刚好在0-table.length()-1）
          int index = hash & (table.length() - 1);
          ReferenceEntry<K, V> first = table.get(index);
          //在链表上查找
          for (e = first; e != null; e = e.getNext()) {
            K entryKey = e.getKey();
            if (e.getHash() == hash && entryKey != null
                && map.keyEquivalence.equivalent(key, entryKey)) {
              valueReference = e.getValueReference();
              //如果正在载入中，就不需要创建，只需要等待载入完成读取即可
              if (valueReference.isLoading()) {
                createNewEntry = false;
              } else {
                V value = valueReference.get();
                // 被gc回收（在弱引用和软引用的情况下会发生）
                if (value == null) {
                  enqueueNotification(entryKey, hash, valueReference, RemovalCause.COLLECTED);
                } else if (map.isExpired(e, now)) {
                  // 过期
                  enqueueNotification(entryKey, hash, valueReference, RemovalCause.EXPIRED);
                } else {
                  //存在并且没有过期，更新访问队列并记录命中信息，返回value
                  recordLockedRead(e, now);
                  statsCounter.recordHits(1);
                  // we were concurrent with loading; don't consider refresh
                  return value;
                }
    
                // 对于被gc回收和过期的情况，从写队列和访问队列中移除
                // 因为在后面重新载入后，会再次添加到队列中
                writeQueue.remove(e);
                accessQueue.remove(e);
                this.count = newCount; // write-volatile
              }
              break;
            }
          }
    
          if (createNewEntry) {
            //先创建一个loadingValueReference，表示正在载入
            loadingValueReference = new LoadingValueReference<K, V>();
    
            if (e == null) {
              //如果当前链表为空，先创建一个头结点
              e = newEntry(key, hash, first);
              e.setValueReference(loadingValueReference);
              table.set(index, e);
            } else {
              e.setValueReference(loadingValueReference);
            }
          }
        } finally {
          //解锁，放在finally
          unlock();
          //执行清理
          postWriteCleanup();
        }
    
        /**
         * 创建新的元素
         */
        if (createNewEntry) {
          try {
            // Synchronizes on the entry to allow failing fast when a recursive load is
            // detected. This may be circumvented when an entry is copied, but will fail fast most
            // of the time.
            synchronized (e) {
              /**
               * 看标记4.1
               * 异步加载
               */
              return loadSync(key, hash, loadingValueReference, loader);
            }
          } finally {
            //记录未命中
            statsCounter.recordMisses(1);
          }
        } else {
          // 等待加载进来然后读取即可
          return waitForLoadingValue(e, key, valueReference);
        }
      }
    
    
      /**
       * 标记4.1
       */
      V loadSync(K key, int hash, LoadingValueReference<K, V> loadingValueReference,
          CacheLoader<? super K, V> loader) throws ExecutionException {
        /**
         * 这里通过我们重写的load方法，根据key，将value载入
         * 看标记4.1.1
         */
        ListenableFuture<V> loadingFuture = loadingValueReference.loadFuture(key, loader);
        /**
         * 看标记4.1.2
         */
        return getAndRecordStats(key, hash, loadingValueReference, loadingFuture);
      }
    
      /**
       * 标记4.1.1
       * 调用服务加值
       */
      public ListenableFuture<V> loadFuture(K key, CacheLoader<? super K, V> loader) {
        try {
          stopwatch.start();
    
          /**
           * 一致性处理
           */
          V previousValue = oldValue.get();
          if (previousValue == null) {
            /**
             * 调用服务加载数据
             */
            V newValue = loader.load(key);
            return set(newValue) ? futureValue : Futures.immediateFuture(newValue);
          }
          ListenableFuture<V> newValue = loader.reload(key, previousValue);
          if (newValue == null) {
            return Futures.immediateFuture(null);
          }
          // To avoid a race, make sure the refreshed value is set into loadingValueReference
          // *before* returning newValue from the cache query.
          return Futures.transform(newValue, new Function<V, V>() {
            @Override
            public V apply(V newValue) {
              LoadingValueReference.this.set(newValue);
              return newValue;
            }
          });
        } catch (Throwable t) {
          ListenableFuture<V> result = setException(t) ? futureValue : fullyFailedFuture(t);
          if (t instanceof InterruptedException) {
            Thread.currentThread().interrupt();
          }
          return result;
        }
      }
    
      /**
       * 标记4.1.2
       * 等待载入，并记录载入成功或失败
       */
      V getAndRecordStats(K key, int hash, LoadingValueReference<K, V> loadingValueReference,
          ListenableFuture<V> newValue) throws ExecutionException {
        V value = null;
        try {
          value = getUninterruptibly(newValue);
          if (value == null) {
            throw new InvalidCacheLoadException("CacheLoader returned null for key " + key + ".");
          }
          //性能统计信息记录载入成功
          statsCounter.recordLoadSuccess(loadingValueReference.elapsedNanos());
          //这个方法才是真正的将缓存内容加载完成（当前还是loadingValueReference，表示isLoading）
          storeLoadedValue(key, hash, loadingValueReference, value);
          return value;
        } finally {
          if (value == null) {
            statsCounter.recordLoadException(loadingValueReference.elapsedNanos());
            removeLoadingValue(key, hash, loadingValueReference);
          }
        }
      }
    
      boolean storeLoadedValue(K key, int hash, LoadingValueReference<K, V> oldValueReference,
          V newValue) {
        lock();
        try {
          long now = map.ticker.read();
          preWriteCleanup(now);
    
          int newCount = this.count + 1;
          if (newCount > this.threshold) { // ensure capacity
            expand();
            newCount = this.count + 1;
          }
    
          AtomicReferenceArray<ReferenceEntry<K, V>> table = this.table;
          int index = hash & (table.length() - 1);
          ReferenceEntry<K, V> first = table.get(index);
          //找到
          for (ReferenceEntry<K, V> e = first; e != null; e = e.getNext()) {
            K entryKey = e.getKey();
            if (e.getHash() == hash && entryKey != null
                && map.keyEquivalence.equivalent(key, entryKey)) {
              ValueReference<K, V> valueReference = e.getValueReference();
              V entryValue = valueReference.get();
              // replace the old LoadingValueReference if it's live, otherwise
              // perform a putIfAbsent
              if (oldValueReference == valueReference
                  || (entryValue == null && valueReference != UNSET)) {
                ++modCount;
                if (oldValueReference.isActive()) {
                  RemovalCause cause =
                      (entryValue == null) ? RemovalCause.COLLECTED : RemovalCause.REPLACED;
                  enqueueNotification(key, hash, oldValueReference, cause);
                  newCount--;
                }
                //LoadingValueReference变成对应引用类型的ValueReference，并进行赋值
                setValue(e, key, newValue, now);
                //volatile写入
                this.count = newCount; // write-volatile
                evictEntries();
                return true;
              }
    
              // the loaded value was already clobbered
              valueReference = new WeightedStrongValueReference<K, V>(newValue, 0);
              enqueueNotification(key, hash, valueReference, RemovalCause.REPLACED);
              return false;
            }
          }
    
          ++modCount;
          ReferenceEntry<K, V> newEntry = newEntry(key, hash, first);
          setValue(newEntry, key, newValue, now);
          table.set(index, newEntry);
          this.count = newCount; // write-volatile
          evictEntries();
          return true;
        } finally {
          unlock();
          postWriteCleanup();
        }
      }

至此get方法获取，加载数据完成，那么数据是如何过期的呢？继续看

/**
       * 在查询的时候刷新
       */
      V scheduleRefresh(ReferenceEntry<K, V> entry, K key, int hash, V oldValue, long now,
          CacheLoader<? super K, V> loader) {
        if (map.refreshes() && (now - entry.getWriteTime() > map.refreshNanos)
            && !entry.getValueReference().isLoading()) {
          V newValue = refresh(key, hash, loader, true);
          if (newValue != null) {
            return newValue;
          }
        }
        return oldValue;
      }
    
      /**
       * 异步刷新
       */
      @Nullable
      V refresh(K key, int hash, CacheLoader<? super K, V> loader, boolean checkTime) {
        final LoadingValueReference<K, V> loadingValueReference =
            insertLoadingValueReference(key, hash, checkTime);
        if (loadingValueReference == null) {
          return null;
        }
    
        ListenableFuture<V> result = loadAsync(key, hash, loadingValueReference, loader);
        if (result.isDone()) {
          try {
            return Uninterruptibles.getUninterruptibly(result);
          } catch (Throwable t) {
            // don't let refresh exceptions propagate; error was already logged
          }
        }
        return null;
      }
    
      /**
       * 开启一个线程去做
       */
      ListenableFuture<V> loadAsync(final K key, final int hash,
          final LoadingValueReference<K, V> loadingValueReference, CacheLoader<? super K, V> loader) {
        final ListenableFuture<V> loadingFuture = loadingValueReference.loadFuture(key, loader);
        loadingFuture.addListener(
            new Runnable() {
              @Override
              public void run() {
                try {
                  V newValue = getAndRecordStats(key, hash, loadingValueReference, loadingFuture);
                } catch (Throwable t) {
                  logger.log(Level.WARNING, "Exception thrown during refresh", t);
                  loadingValueReference.setException(t);
                }
              }
            }, directExecutor());
        return loadingFuture;
      }

核心代码到这里算是读完了，但是感觉还要仔细读读好几遍才行呀，说下回收的机制：

1）基于容量回收：CacheBuilder.maximumSize(long)

2）定时回收：（看源码实在获取的时候会把所有的过期数据清空一边）

expireAfterAccess(long, TimeUnit)：缓存项在给定时间内没有被读/写访问，则回收。

expireAfterWrite(long, TimeUnit)：缓存项在给定时间内没有被写（创建或覆盖），则回收。

3）基于引用回收：

CacheBuilder.weakKeys()：使用弱引用存储键。当键没有其它（强或软）引用时，缓存项可以被垃圾回收。因为垃圾回收仅依赖恒等式（==），使用弱引用键的缓存用==而不是equals比较键。

CacheBuilder.weakValues()：使用弱引用存储值。当值没有其它（强或软）引用时，缓存项可以被垃圾回收。因为垃圾回收仅依赖恒等式（==），使用弱引用值的缓存用==而不是equals比较值。

CacheBuilder.softValues()：使用软引用存储值。软引用只有在响应内存需要时，才按照全局最近最少使用的顺序回收。考虑到使用软引用的性能影响，我们通常建议使用更有性能预测性的缓存大小限定（见上文，基于容量回收）。使用软引用值的缓存同样用==而不是equals比较值。

4）显式清除：任何时候，你都可以显式地清除缓存项，而不是等到它被回收，具体如下

*  个别清除：Cache.invalidate(key)
 *  批量清除：Cache.invalidateAll(keys)
 *  清除所有缓存项：Cache.invalidateAll()

虽然感觉还是很弱，还是得撑着头皮总结下呀：

1、guava cache第一获取或者刷新元素的时候并不简单，各种加锁，数据一致性处理，只是减少了mysql业务等的压力

2、如果缓存中已经有数据，这个流程会简单很多

3、一个观念更加清晰：走缓存的数据第一次先查库，set数据到缓存，然后返回

4、guava cache使用segement是为了增加并发能力，否则，整个流程会慢很多

5、如果业务中缓存太多，key太多会使得太多key到一个segment，一定程度应该会慢（竞争锁）

6、segment继承了ReentrantLock

7、segment中的LocalMap，但是只作为基本变量使用，获取外部变量值，LocalCache感觉就是一个大boss，哈哈

感觉还有很多要学，欢迎大家批评

参考：

Guava Cache源码详解 [https://www.cnblogs.com/dennyzhangdd/p/8981982.html][Link 4]

缓存框架Guava Cache部分源码分析 [https://blog.51cto.com/jincheng/1827153][https_blog.51cto.com_jincheng_1827153]

官方文档 [https://github.com/google/guava/wiki/ImmutableCollectionsExplained][https_github.com_google_guava_wiki_ImmutableCollectionsExplained]

Guava LocalCache 缓存介绍及实现源码深入剖析  [https://ketao1989.github.io/2014/12/19/Guava-Cache-Guide-And-Implement-Analyse/][https_ketao1989.github.io_2014_12_19_Guava-Cache-Guide-And-Implement-Analyse]

深入Guava Cache的refresh和expire刷新机制 [https://blog.csdn.net/abc86319253/article/details/53020432][https_blog.csdn.net_abc86319253_article_details_53020432]

缓存那些事 [https://tech.meituan.com/2017/03/17/cache-about.html][https_tech.meituan.com_2017_03_17_cache-about.html]

Google Guava Cache 全解析 [https://www.jianshu.com/p/38bd5f1cf2f2][Link 3]

[Link 1]: https://blog.csdn.net/maoyeqiu/article/details/93375606
[Link 2]: https://blog.csdn.net/maoyeqiu/article/details/46663859
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70]: /images/20211229/ad0811a7395941d38935a01624dea5eb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70 1]: /images/20211229/62d748d81ef64e5aafd67802c6019b4b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70 2]: /images/20211229/71a54ac24c164e5b8b3c95a06531e296.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70 3]: /images/20211229/cd5c805c6d914ce0b301854f179470b3.png
[Link 3]: https://www.jianshu.com/p/38bd5f1cf2f2
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70 4]: /images/20211229/9a37c1fe89014285a18d9f2206365917.png
[Link 4]: https://www.cnblogs.com/dennyzhangdd/p/8981982.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70 5]: /images/20211229/18a16cac5b534185ab4b287456b43538.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb3llcWl1_size_16_color_FFFFFF_t_70 6]: /images/20211229/6e52ec2a7ca44120853bfb95074a3cb5.png
[Link 5]: https://juejin.im/post/5b82c02df265da436152f5ad
[https_blog.51cto.com_jincheng_1827153]: https://blog.51cto.com/jincheng/1827153
[https_github.com_google_guava_wiki_ImmutableCollectionsExplained]: https://github.com/google/guava/wiki/ImmutableCollectionsExplained
[https_ketao1989.github.io_2014_12_19_Guava-Cache-Guide-And-Implement-Analyse]: https://ketao1989.github.io/2014/12/19/Guava-Cache-Guide-And-Implement-Analyse/
[https_blog.csdn.net_abc86319253_article_details_53020432]: https://blog.csdn.net/abc86319253/article/details/53020432
[https_tech.meituan.com_2017_03_17_cache-about.html]: https://tech.meituan.com/2017/03/17/cache-about.html