使用guava实现找回密码的tokenCache以及LRU算法

源码包的简单说明：

com.google.common.annotations：普通注解类型。

com.google.common.base：基本工具类库和接口。

com.google.common.cache：缓存工具包，非常简单易用且功能强大的JVM内缓存。

com.google.common.collect：带泛型的集合接口扩展和实现，以及工具类，这里你会发现很多好玩的集合。

com.google.common.eventbus：发布订阅风格的事件总线。

com.google.common.hash： 哈希工具包。

com.google.common.io：I/O工具包。

com.google.common.math：原始算术类型和超大数的运算工具包。

com.google.common.net：网络工具包。

com.google.common.primitives：八种原始类型和无符号类型的静态工具包。

com.google.common.reflect：反射工具包。

com.google.common.util.concurrent：多线程工具包。

import com.google.common.cache.CacheBuilder;
import com.google.common.cache.CacheLoader;
import com.google.common.cache.LoadingCache;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import java.util.concurrent.TimeUnit;

/**
 * Created by hxiuz on 2018/2/10.
 */
public class TokenCache {

    private static Logger logger = LoggerFactory.getLogger(TokenCache.class);

    //超过10000则使用LRU算法[缓存淘汰算法]进行清除缓存
    public static LoadingCache<String,String> localCache = CacheBuilder.newBuilder().initialCapacity(1000).maximumSize(10000).expireAfterAccess(10, TimeUnit.MINUTES)
            .build(new CacheLoader<String, String>() {
                //默认的数据加载实现，当调用get取值时，若key没有对应的值，则调用此方法加载
                @Override
                public String load(String s) throws Exception {
                    return "null";
                }
            });

    public static void setKey(String key,String value){
        localCache.put(key, value);
    }

    public static String getKey(String key){
        String value = null;
        try {
            value = localCache.get(key);
            if("null".equals(value)){
                return null;
            }
            return value;
        }catch (Exception e){
            //打印异常堆栈
            logger.error("localCache get ERROR",e);
        }
        return null;
    }
}

LRU算法拓展

原理

LRU（Least recently used，最近最少使用的）算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高。

实现图示

最常见的实现是使用一个链表保存缓存数据，详细算法实现如下：

1. 新数据插入到链表头部；

2. 每当缓存命中（即缓存数据被访问），则将数据移到链表头部；

3. 当链表满的时候，将链表尾部的数据丢弃。

分析

【命中率】

当存在热点数据时，LRU的效率很好，但偶发性的、周期性的批量操作会导致LRU命中率急剧下降，缓存污染情况比较严重。

【复杂度】

实现简单。

【代价】

命中时需要遍历链表，找到命中的数据块索引，然后需要将数据移到头部。