Я знаю, что это просто реализовать, но я хочу повторно использовать то, что уже существует.
Проблема, которую я хочу решить, заключается в том, что я загружаю конфигурацию (из XML, поэтому я хочу их кэшировать) для разных страниц, ролей ... поэтому комбинация входных данных может значительно увеличиться (но в 99% не будет). Чтобы справиться с этим 1%, я хочу иметь максимальное количество элементов в кеше ...
Пока я знаю, что нашел org.apache.commons.collections.map.LRUMap в apache commons, и он выглядит нормально, но хочу проверить также что-то еще. Какие-нибудь рекомендации?
@Hunt У меня есть LRUMap из общего пользования
Очень похожий вопрос и здесь




Вы можете использовать LinkedHashMap (Java 1.4+):
// Create cache
final int MAX_ENTRIES = 100;
Map cache = new LinkedHashMap(MAX_ENTRIES+1, .75F, true) {
// This method is called just after a new entry has been added
public boolean removeEldestEntry(Map.Entry eldest) {
return size() > MAX_ENTRIES;
}
};
// Add to cache
Object key = "key";
cache.put(key, object);
// Get object
Object o = cache.get(key);
if (o == null && !cache.containsKey(key)) {
// Object not in cache. If null is not a possible value in the cache,
// the call to cache.contains(key) is not needed
}
// If the cache is to be used by multiple threads,
// the cache must be wrapped with code to synchronize the methods
cache = (Map)Collections.synchronizedMap(cache);
Итак, я решил использовать LRUMap.
Просто примечание - обе ваши ссылки относятся к одному и тому же примеру, я думаю, что первая должна быть javadoc LHM?
Я открыл для себя этот аспект LinkedHashMap сегодня, и удивительно, насколько он прост. Извлеченный урок: знайте свой API.
Четко написанный пример (класс кэша LRU на основе java.util.LinkedHashMap), который также работает с предоставленным тестом: связь
Должен ли коэффициент нагрузки действительно быть 0,75? Как будто вы никогда не хотите, чтобы карта содержала больше MAX_ENTRIES записей.
это легко использовать?
Это старый вопрос, но для потомков я хотел указать ConcurrentLinkedHashMap, который является потокобезопасным, в отличие от LRUMap. Использовать довольно просто:
ConcurrentMap<K, V> cache = new ConcurrentLinkedHashMap.Builder<K, V>()
.maximumWeightedCapacity(1000)
.build();
И в документации есть несколько хороших Примеры, например, как сделать LRU-кеш на основе размера, а не количества элементов.
У меня тоже была такая же проблема, и я не нашел хороших библиотек ... поэтому я создал свою.
simplelrucache обеспечивает потокобезопасное, очень простое нераспределенное кэширование LRU с поддержкой TTL. Он предоставляет две реализации
Вы можете найти его здесь.
Не могли бы вы выпустить свою библиотеку в Maven Central?
Версия 1.0 теперь должна быть в центре :)
Здесь - очень простой и легкий в использовании кеш LRU в Java. Хотя это кратко и просто, но качество продукции. Код объяснен (см. README.md) и содержит несколько модульных тестов.
Вот моя реализация, которая позволяет мне хранить в памяти оптимальное количество элементов.
Дело в том, что мне не нужно отслеживать, какие объекты используются в настоящее время, поскольку я использую комбинацию LinkedHashMap для объектов MRU и WeakHashMap для объектов LRU. Таким образом, емкость кеш-памяти не меньше размера MRU плюс все, что позволяет мне хранить сборщик мусора. Каждый раз, когда объекты падают с MRU, они переходят в LRU до тех пор, пока они будут у GC.
public class Cache<K,V> {
final Map<K,V> MRUdata;
final Map<K,V> LRUdata;
public Cache(final int capacity)
{
LRUdata = new WeakHashMap<K, V>();
MRUdata = new LinkedHashMap<K, V>(capacity+1, 1.0f, true) {
protected boolean removeEldestEntry(Map.Entry<K,V> entry)
{
if (this.size() > capacity) {
LRUdata.put(entry.getKey(), entry.getValue());
return true;
}
return false;
};
};
}
public synchronized V tryGet(K key)
{
V value = MRUdata.get(key);
if (value!=null)
return value;
value = LRUdata.get(key);
if (value!=null) {
LRUdata.remove(key);
MRUdata.put(key, value);
}
return value;
}
public synchronized void set(K key, V value)
{
LRUdata.remove(key);
MRUdata.put(key, value);
}
}
Отличный подход. Таким образом, кеш LRU просто хранит данные, срок действия которых уже истек, из кеша MRU ограниченного размера. Это как программный кеш 2-го уровня. Хороший!
Если данные присутствуют в LRUdata, но отсутствуют в MRUdata, может быть полезно предупреждение / подсказка для журнала приложения об увеличении размера кеша.
@Suporwski, как вы решили проблему?