mcache 增加了缓存过期时间,增加lfu算法,修改了原有arc算法的依赖结构. 后续还会源源不断增加内存算法.
根据过期时间懒汉式删除过期数据,也可主动刷新过期缓存
因缓存的使用相关需求,牺牲一部分服务器内存,因减少了网络数据交互,直接使用本机内存,可换取比redis,memcache等更快的缓存速度, 可做为更高一层的缓存需要
可作为超高频率数据使用的缓存存储机制
根据需要的不同缓存淘汰算法,使用对应的调用 方式
hashlru 与 lru 性能对比
| 算法 | 耗时 |
|---|---|
| lru | 220.2s |
| hashlru-2分区 | 267.75s |
| hashlru-4分区 | 137.36s |
| hashlru-8分区 | 22.4s |
| hashlru-16分区 | 23.57s |
| hashlru-32分区 | 16.84s |
| hashlru-64分区 | 15.29s |
hashlfu 与 lfu 性能对比
| 算法 | 耗时 |
|---|---|
| lru | 220.92s |
| hashlfu-2分区 | 231.28s |
| hashlfu-4分区 | 72.74s |
| hashlfu-8分区 | 20.33s |
| hashlfu-16分区 | 17.76s |
| hashlfu-32分区 | 16.93s |
| hashlfu-64分区 | 16.03s |
LruCache在高QPS下的耗时增加原因分析：
线程安全的LruCache中有锁的存在。每次读写操作之前都有加锁操作，完成读写操作之后还有解锁操作。 在低QPS下，锁竞争的耗时基本可以忽略；但是在高QPS下，大量的时间消耗在了等待锁的操作上，导致耗时增长。
HashLruCache适应高QPS场景：
针对大量的同步等待操作导致耗时增加的情况，解决方案就是尽量减小临界区。引入Hash机制，对全量数据做分片处理，在原有LruCache的基础上形成HashLruCache，以降低查询耗时。
HashLruCache引入哈希算法，将缓存数据分散到N个LruCache上。查询时也按照相同的哈希算法，先获取数据可能存在的分片，然后再去对应的分片上查询数据。这样可以增加LruCache的读写操作的并行度，减小同步等待的耗时。
len := 10
// NewLRU 构造一个给定大小的LRU缓存列表
Cache, _ := m_cache.NewLRU(Len)
// Add 向缓存添加一个值。如果已经存在,则更新信息
Cache.Add(1,1,1614306658000)
Cache.Add(2,2,0) // expirationTime 传0代表无过期时间
// Get 从缓存中查找一个键的值
Cache.Get(2)
更多方法,请查看 interface
durl 是根据JetBrains sro授予的免费JetBrains开源许可证与GoLand一起开发的，因此在此我要表示感谢。
RobeeAsk http://durl.robeeask.com/ 付费问答社区
如果文档中未能覆盖的任何疑问,欢迎您发送邮件到songangweb@foxmail.com,我会尽快答复。
