Guava

Google出品，必屬精品。類似於

Apache Commons

，Guava這個庫是為了方便編碼，並減少編碼錯誤。它提供了集合，反射，快取，科學計算，xml，io等一些工具類庫。特點如下：

高效 - 可靠，良好的API，被Google的開發者設計，實現和使用。

函數語言程式設計 -增加JAVA功能和處理能力。

遵循高效的java語法實踐。

使程式碼更刻度，簡潔，簡單。

節約時間，資源，提高生產力。

Guava包括了谷歌很多的核心庫，極大的方便程式開發。相信有很多的人都用過，像集合、字串、io等工具類。

這篇文章主要帶大家瞭解下Guava高階知識，快取和併發。

Guava Cache

說到快取，通常會想到快取資料庫就是Redis和Mongo，這兩款K-V資料庫極其適合在微服務架構下做快取使用，速度也極高。但是怎麼說呢，還是沒有本地快吧，因為我們本地快取讀寫都是沒有網路I/O的，相當於一個Map結合。

有疑問了，為啥我不直接用Map做快取就行了，如果資料量小的情況下，我想還是很適合的。但是資料量很大的情況下就會把Map給撐爆，導致記憶體溢位，好解決，你去重啟服務就好了啊，崩了再重啟。

Guava Cache為我們解決了上述的問題。控制資料量的大小和生命週期，例子

// 透過CacheBuilder構建一個快取例項

Cache cache = CacheBuilder。newBuilder（）

。maximumSize（100） // 設定快取的最大容量

。expireAfterWrite（30， TimeUnit。MINUTES） // 設定快取30分鐘後失效

。concurrencyLevel（10） // 設定併發級別為10，（和cpu核數有關）

。recordStats（） // 開啟快取統計

。build（）；

cache。put（“xxx”， “value”）；

// 獲取快取

String value = cache。getIfPresent（“xxx”）；

maximumSize

（），這個方法指定快取能儲存的最大容量，當快取數量達到這個值的時候，Guava 會先從快取的物件記錄中刪除一條來騰出新的空間，再put資料進去。

還有

maximumWeight

（）方法也是設定最大容量的，只能設定一個。這個引數與

maximumSize

的區別就是當快取的最大數量/容量逼近或超過我們所設定的最大值時，Guava就會使用LRU演算法對之前的快取進行回收。

expireAfterWrite

（），這個方法跟redis提供的expire差不多，指明快取寫入後有效時長。

Guava RateLimiter

Guava提供的限流工具類，限制併發和請求量，目的是為了聽過限速來保護系統，一旦達到限制速率則可以拒絕服務或進行流量整形。

先了解下限流常用的兩種演算法：漏桶演算法和令牌桶演算法。

一、漏桶演算法

很明顯，不定時的向一個桶中流入水滴，桶以一定的速度流出水滴。桶的容量也就是最大併發量，如果滿了，那不好意思，我無視你的請求。漏桶可以看作是一個帶有常量服務時間的單伺服器佇列，如果漏桶（包快取）溢位，那麼資料包會被丟棄。

其實簡單來說就是，流入代表了請求，如果說流入的速度很快，流出速度較慢，那桶肯定過會就滿了，來達到限流效果。

二、令牌桶演算法

按照固定速率往桶中新增令牌，每次請求的時候嘗試從桶中獲取令牌，沒有拿到就拒絕請求了。當然如果請求量過少的話也會導致桶溢位。

傳遞不同大小的資料包，消耗的令牌數量不一樣。不要以為都只是拿一個，這個和執行緒是另外一碼事。

RateLimiter是基於令牌桶的流控演算法，RateLimiter會按照一定的頻率往桶裡扔令牌，執行緒拿到令牌才能執行，它通常用於限制對一些物理資源或者邏輯資源的訪問速率。這個大家可能會想到訊號量（Semaphore），這個只是限制了併發訪問的數量，和速率無關。

基礎使用：

public static void main（String［］ args） {

// 每秒只發出5個令牌

RateLimiter limiter = RateLimiter。create（5）；

for （int i = 0； i < 10； i++） {

// 請求RateLimiter， 超過permits會被阻塞，然後等待獲取令牌

limiter。acquire（）；

System。out。println（“執行業務。。” + i）；

}

}

以上所說的快取和限流僅僅只是針對單機服務的，而現在很多系統都是分散式架構了。如果是分散式的話，那肯定無能為力了，對於分散式系統而言，快取就會用Redis和Mongo了，限流的話可以採用redis的令牌桶演算法，阿里的Sentinel。

上面所說的兩個知識點只是Guava的冰山一角，還不能在分散式情況使用，但是它強大的集合、函數語言程式設計、EventBus、I/O等工具類會在專案中更實用，無論單機還是叢集。