本地进程缓存时使用本地的JVM资源去存储数数减少数据库和redis等中间件的压力并且远程中间件与进程之间传输数据会经过网络传输会影响一定的性能为了加快数据响应提高用户使用体感我们可以引入本地进程缓存来加快进程响应速度。但是本地进程缓存的资源有限所以我们要考虑以最大收益来使用本地进程缓存它的核心使用场景如下1.读多写少、可容忍短暂数据不一致的热点基础数据字典、地区码、系统配置、公告、商品类目2.短期临时数据接口防重、限流计数、验证码、临时 Token3.二级缓存架构Caffeine (本地进程缓存) → Redis → DB加速热点查询、削峰不适合1.强一致性核心业务库存、订单、支付、账户余额、实时价格本地进程缓存无法保证集群环境下的强一致性2.全局共享状态分布式会话、全局锁、全局 ID因为本地进程缓存只能将数据保存在本地JVM,在微服务情形下无法实现全局共享状态3.需要长期持久保存的数据4.高频实时更新的数据三种主流的实现方式1.使用java原生 ConcurrentHashMap,线程安全、原生无依赖无自动过期 / 容量淘汰仅用于少量临时数据可能会出现内存泄漏需要谨慎防范import java.util.Map; import java.util.concurrent.ConcurrentHashMap; public class SimpleLocalCache { // 全局进程内存缓存 private static final MapString, Object LOCAL_CACHE new ConcurrentHashMap(); // 存入 public static void put(String key, Object value) { LOCAL_CACHE.put(key, value); } // 读取 public static Object get(String key) { return LOCAL_CACHE.get(key); } // 删除 public static void remove(String key) { LOCAL_CACHE.remove(key); } // 清空 public static void clear() { LOCAL_CACHE.clear(); } public static void main(String[] args) { put(user:1001, 张三); System.out.println(get(user:1001)); } }2.Caffeineimport com.github.benmanes.caffeine.cache.Cache; import com.github.benmanes.caffeine.cache.Caffeine; import com.github.benmanes.caffeine.cache.LoadingCache; import java.util.concurrent.TimeUnit; public class CaffeineCacheDemo { public static void main(String[] args) { // 1. 基础手动缓存 CacheString, String cache Caffeine.newBuilder() .maximumSize(1000) // 最大缓存条数LRU自动淘汰冷门数据 .expireAfterWrite(5, TimeUnit.MINUTES) // 写入后5分钟过期 .expireAfterAccess(2, TimeUnit.MINUTES)// 2分钟未访问则过期 .removalListener((key, val, cause) - { System.out.println(缓存失效 key: key 原因: cause); }) .build(); // 读写 cache.put(dict:area:100, 北京市); String val cache.getIfPresent(dict:area:100); System.out.println(val); cache.invalidate(dict:area:100); // 删除指定key cache.cleanUp(); // 主动清理过期缓存 // 2. LoadingCache自动加载数据源无缓存时自动查库 LoadingCacheString, String loadingCache Caffeine.newBuilder() .maximumSize(1000) .expireAfterWrite(5, TimeUnit.MINUTES) .refreshAfterWrite(1, TimeUnit.MINUTES) // 后台定时刷新 .build(key - loadFromDb(key)); // 数据加载函数 String data loadingCache.get(dict:area:200); System.out.println(data); } // 模拟数据库查询 private static String loadFromDb(String key) { System.out.println(查询数据库 key); return key -data; } }SpringBoot 集成 Caffeine Cacheable 注解Configuration EnableCaching public class CaffeineConfig { Bean public CacheManager caffeineCacheManager() { CaffeineCacheManager cacheManager new CaffeineCacheManager(); cacheManager.setCaffeine(Caffeine.newBuilder() .maximumSize(2000) .expireAfterWrite(5, TimeUnit.MINUTES)); return cacheManager; } } Service public class DictService { // 存入本地缓存 Cacheable(value localDictCache, key #code) public String getDict(String code) { // 查数据库逻辑 System.out.println(真实查询数据库: code); return 字典值- code; } // 更新时清除缓存 CacheEvict(value localDictCache, key #code) public void updateDict(String code) { // 更新数据库逻辑 } }3.Guava Cacheimport com.google.common.cache.CacheBuilder; import com.google.common.cache.LoadingCache; import com.google.common.cache.CacheLoader; import java.util.concurrent.TimeUnit; public class GuavaCacheDemo { public static void main(String[] args) { LoadingCacheString, String cache CacheBuilder.newBuilder() .maximumSize(1000) .expireAfterWrite(5, TimeUnit.MINUTES) .build(new CacheLoaderString, String() { Override public String load(String key) { return key -guava-data; } }); } }本地进程缓存的特质1.JVM 堆内存缓存仅当前进程可见重启 / 部署后数据丢失集群多实例不共享2.毫秒 / 微秒级读取减少 DB/Redis 请求削峰降延迟3.不能用于强一致性业务、全局分布式状态4.务必设置 maximumSize 上限 TTL 过期策略防止 OOM 与内存泄漏