java数据缓存
在什么情况下使用缓存呢？
1、经常变化的数据，但是不需要立刻进行持久化的。
2、经常被大量的读取，很少进行更新操作的。
3、大量的数据库IO操作。
4、一些通用的页面，例如JS、CSS、图片等。
5、统计和计算需要暂存的信息，需要加快计算的。
适合于使用二级缓存的情况：
1、数据不会被第三方修改
一般情况下，会被hibernate以外修改的数据最好不要配置二级缓存，以免引起不一致的数据。但是如果此数据因为性能的原因需要被缓存，同时又有可能被第3方比如SQL修改，也可以为其配置二级缓存。只是此时需要在sql执行修改后手动调用cache的清除方法。以保证数据的一致性
2、数据大小在可接收范围之内
如果数据表数据量特别巨大，此时不适合于二级缓存。原因是缓存的数据量过大可能会引起内存资源紧张，反而降低性能。
如果数据表数据量特别巨大，但是经常使用的往往只是较新的那部分数据。此时，也可为其配置二级缓存。但是必须单独配置其持久化类的缓存策略，比如最大缓存数、缓存过期时间等，将这些参数降低至一个合理的范围（太高会引起内存资源紧张，太低了缓存的意义不大）。
3、数据更新频率低；
对于数据更新频率过高的数据，频繁同步缓存中数据的代价可能和 查询缓存中的数据从中获得的好处相当，坏处益处相抵消。此时缓存的意义也不大。
4、非关键数据（不是财务数据等）
财务数据等是非常重要的数据，绝对不允许出现或使用无效的数据，所以此时为了安全起见最好不要使用二级缓存。
因为此时 “正确性”的重要性远远大于 “高性能”的重要性。
摘抄自java并发实战
有时候需要对数据缓存。用Map缓存数据比较合适。但是由于对吞吐量，一致性，计算性能的要求，对数据进行缓存的设计还是需要慎重考虑的。
一、利用HashMap加同步
（1）说明
把HashMap当作缓存容器。每缓存一个key的时候，都进行同步。
（2）代码
1 package memory;
2
3 import java.util.HashMap;
4 import java.util.Map;
5
6 /**
7 * Created by adrian.wu on 2018/12/12.
8 */
9 public class MemoryFirst<K, V> implements Computable<K, V> {
10 private final Map<K, V> cache = new HashMap<>();
11 private final Computable<K, V> c;
12
13 public MemoryFirst(Computable<K, V> c) {
14 this.c = c;
15 }
16
17 @Override
18 public synchronized V compute(K arg) throws InterruptedException {
19 V result = cache.get(arg);
20
21 if (result == null) {
22 result = c.compute(arg);
23 cache.put(arg, result);
24 }
25
26 return result;
27 }
28 }
（3）缺点
由于HashMap并非线程安全，因此每一次计算都使用同步机制确保线程安全。很明显，这种方式伸缩性比较差。因为一个线程正在计算结果，其它所有线程都在等待，即使对应的arg是不同的。
二、用ConcurrentHashMap代替HashMap
（1）说明
ConcurrentHashMap是线程安全的，并且同步并非对整个Map进行同步而是对每一个分段进行同步，所以并发性也可以大大提升。
（2）代码
1 package memory;
2
3 import java.util.Map;
4 import java.util.concurrent.ConcurrentHashMap;
5
6 /**
7 * Created by adrian.wu on 2018/12/12.
8 */
9 public class MemorySecond<K, V> implements Computable<K, V> {
10 private final Map<K, V> cache = new ConcurrentHashMap<>();
11 private final Computable<K, V> c;
12
13 public MemorySecond(Computable<K, V> c) {
14 this.c = c;
15 }
16
17 @Override
18 public V compute(K arg) throws InterruptedException {
19 V result = cache.get(arg);
20
21 if (result == null) {
22 result = c.compute(arg);
23 cache.put(arg, result);
24 }
25
26 return result;
27 }
28 }
（3）缺点
相比第一个设计方案。这种方案已经有很大的提升了。但是如果一个compute的计算开销很大，恰巧有另一个同一个arg的线程同时请求compute，则会造成重复计算，重复put的情况。所以我们希望如果有一个线程正在计算的时候另一个线程正在等待而不是重复计算。
三、利用FutureTask解决第二个设计的问题
（1）说明
利用FutrueTask, 如果get到结果则返回，如果正在计算则利用FutureTask的特性阻塞。否则计算。
（2）代码
1 package memory;
2
3 import org.slf4j.Logger;
4
5 import java.util.Map;
6 import java.util.concurrent.*;
7
8 import static memory.ErrorHandler.launderThrowable;
9
10 /**
11 * Created by adrian.wu on 2018/12/12.
12 */
13 public class MemoryThird<K, V> implements Computable<K, V> {
14 private final Map<K, Future<V>> cache = new ConcurrentHashMap<>();
15 private final Computable<K, V> c;
16
17 public MemoryThird(Computable<K, V> c) {
18 this.c = c;
19 }
20
21 @Override
22 public V compute(final K arg) throws InterruptedException {
23 Future<V> f = cache.get(arg);
24 if (f == null) {
25 Callable<V> eval = new Callable<V>() {
26 @Override
27 public V call() throws Exception {
28 return c.compute(arg);
29 }
30 };
31
32 FutureTask<V> ft = new FutureTask<>(eval);
33 f = ft;
34 cache.put(arg, ft);
35 ft.run(); // start compute
36 }
37 try {
38 return f.get();
39 } catch (ExecutionException e) {
40 throw launderThrowable(e.getCause());
41 }
42 }
43 }
（3）缺点
只有一个缺陷，仍然存在两个线程计算出相同值的漏洞。就是由于compute方法中的if代码块仍然是非原子的“先检查，再执行”，因此仍然有可能两个线程在同一时间计算一个不存在的arg。原因是第23行的get方法和34行的put方法是对底层的Map操作，所以无法保证原子性。由于cache里面的是future而不是真正的值，所以将有可能导致缓存污染（cache pollution）问题，即如果某个计算过程被取消或者失败，那么缓存存入的Future是有缺陷的。
四、最终设计方案
（1）说明
使用putIfAbsent代替put，以保证原子性。如果发现Future计算被取消或失败则删除，从而缓存不会消耗过多内存。
（2）代码
1 package memory;
2
3 import java.util.Map;
4 import java.util.concurrent.*;
5
6 import static memory.ErrorHandler.launderThrowable;
7
8 /**
9 * Created by adrian.wu on 2018/12/12.
10 */
11 public class Memory<K, V> implements Computable<K, V> {
12 private Map<K, Future<V>> cache = new ConcurrentHashMap<>();
13 private Computable<K, V> c;
14
15 public Memory(Computable<K, V> c) {
16 this.c = c;
17 }
18
19 @Override
20 public V compute(K arg) throws InterruptedException {
21 while (true) {
22 Future<V> f = cache.get(arg);
23
24 if (f == null) {
25 Callable<V> eval = new Callable<V>() {
26 @Override
27 public V call() throws Exception {
28 return c.compute(arg);
29 }
30 };
31
32 FutureTask<V> ft = new FutureTask<>(eval);
33
34 f = cache.putIfAbsent(arg, ft); //double check
35 if (f == null) {
36 f = ft;
37 ft.run(); //start compute
38 }
39 }
40 try {
41 return f.get();
42 } catch (CancellationException e) {
43 cache.remove(arg);
44 } catch (ExecutionException e) {
45 throw launderThrowable(e.getCause());
46 }
47 }
48 }
49 }
