内容摘要
- 写入数据到缓存
- 手动写入 （put）
- 自动加载（按需加载）
- 数据清理
- 过期、清理
- 基于容量的清理触发条件
- 基于时间的过期方案
- 基于Reference Key，Value
- 手动移除 （显式移除）
- RemoveListener
- 数据清理时机
- 过期、清理
- refresh
- 配置说明
- 场景说明
1、写数据到缓存
1.1 手动写入 put
Guava Cache 底层是由一个ConcurrentMap实现的，那么底层必然支持两个常规的put：put(k,v)， putIfAbsent(k,v)。
从类图上来看，基于Guava Cache实现的cache必然是有一个put(k,v)方法的，直接放k,v对到cache中，并替换掉原有的数据。从接口Cache 来看，只提供了一个put(k,v)方法，底层是一个ConcurrentMap，那么putIfAbsent(k,v)的特性好像被丢弃了。如果你希望使用putIfAbsent，那么可以调用Cache.asMap().putIfAbsent(k,v)。
1.2 自动加载（按需加载）
除了上面的put直接写入cache方式外，Guava Cache还提供了两种实现了get-if-absent-compute语义的方式。
所谓的get-if-absent-compute语义是说：在调用get方法时，如果发现指定的值不存在，则通过加载、计算等方式来提供值。也可以将这个语义理解为lazy load（懒加载、按需加载）。
这两种方式分别为：Cache.get(key, Callable) 、LoadingCache。
Cache.get(key, Callable) 在调用get时，指定一个Callable，如果值不存在时，调用Callable来计算值。计算到值后放入Cache中，并返回结果。
LoadingCache 必须有一个CacheLoader配合一起使用，LoadingCache与CacheLoader的几个方法的调用关系：
|
LoadingCache.get（k） -> CacheLoader.load(k) LoadingCache.refresh(k) -> CacheLoader.reload(k) LoadingCache.getAll(keys) -> CacheLoader.loadAll(keys) |
CacheLoader是不保证一定可以加载成功，所以它的所有方法都是有异常的。
2、数据清理
任何一种Cache都必须支持一定的Cache清理策略，不然数据会一直增长，内存肯定是扛不住的。Guava Cache也提供了多种Cache清理策略：
2.1 过期、清理
Guava Cache采用基于容量、Soft引用、Weak引用的清理触发条件，基于过期时间、权重来决定哪些数据优先清理，采用LRU算法来清理数据。
2.1.1 基于容量的清理触发条件
如果你的cache数量不应该一直保持增长状态，你需要设定总量来限定cache的容量。可以通过CacheBuilder.maximumSize(long capacity)来限定。当容量即将达到上限时，会自动的进行数据清理。默认的最大容量是 1<<30，如果想要限定，只能设置比1<<30小的数。
因为Guava Cache有默认容量，也就是最大容量的限制，所以任何一个Guava Cache都是有界cache，不会无限制的增加。
在快要达到容量限定值开始清理数据时，采用的是LRU清理算法。与此同时，还可以根据每一个key-value的weight来控制清理，一个key-value的weight越低越容易被清除掉。默认情况下，每一个key-value的weight都是一样的，即为1。当然了你可以自定义weight算法，通过CacheBuilder.weight(weight)即可。
其实严格来讲，这个并不属于
2.1.2 基于时间的过期方案
Guava Cache提供了两种基于时间的数据过期方案：
1) expireAfterWrite()
2) expireAfterAccess()
根据访问后的时间来控制数据是否过期。需要注意的是，设置了基于时间后，不会在内部另外启动线程来定时清理掉过期的数据的。是依赖的与get请求，也就是说每一次访问一个key时，会记录时间，再一次访问时，会先判断数据是否过期了，一旦过期了，就清理掉，被清理掉后，下一次访问时，会调用配置的CacheLoader进行加载。
当使用基于时间的过期策略时，可以自定义自己的计时器的，使用CacheBuilder.ticker(ticker)即可。
需要说明的是，这里的基于时间的过期策略是针对每一个key-value的，如果你的业务中极有可能每一个key-value都不一样的话，就不适合使用了。如果你对业务中有可以枚举的几个时间过期粒度，可以创建多个Guava Cache来完成的。
2.1.3 基于Reference的Key、Value
可以利用weak reference, soft reference来清理缓存。具体来说 weak reference 可以用在key, value上；soft reference 可以用在 value上。
2.1.4 手动移除（显示移除）
当然了，Guava Cache也提供了最基本的手动移除key-value的方案，直接从cache移除：
Cache.invalidate(key) 单个移除
Cache.invalidateAll(keys) 批量移除
Cache.invalidate() 移除所有
2.2 RemoveListener
如果你的业务对数据的清理感兴趣，还可以指定RemoveListener的。
2.3 数据清理时机
从上面的几种清理策略或者过期策略来看，Guava Cache 提供的是被动清理方案，不论是基于容量、基于时间、基于Reference，它们都是被动的清理方案。而手动清理方案虽然是一种主动的清理方案，但它只是针对与你已经确定了不会再用的数据。
Cache.cleanUp() 是一种主动的清理方案，它会清理掉过期的数据。
3、refresh
LoadingCache中的refresh 提供了值替换的功能。在调用refresh时，会先调加载新值，新值加载到后替换掉老值，并返回老值。如果加载不到新值，老值是被保留的，不会被替换掉的。
LoadingCache是引发CacheLoader调用reload方法的，CacheLoader的reload返回的是ListenableFuture，也就表明了，支持同步reload，也支持异步的reload的。
4、配置说明
Guava Cache中的两种cache（Cache，LoadingCache）的实现分别由LocalManuelCache、LocalLoadingCache来完成。创建这两种cache也很简单，使用CacheBuilder即可。在构建cache时，需要配置数据清理策略、并发级别等。
concurrencyLevel：底层的LocalCache 也是一个ConcurrentMap，它的实现与JDK8之前版本中的ConcurrentHashMap类似，也采用了多个segment来提高并发。他们都可以配置concurrencyLevel，来控制segment的数量，来提高并发。ConcurrentHashMap的默认值是16，最大值是1<<16；这里的默认值是4，最大值为 1<<16。
initialCapacity：初始容量配置，默认值是16.
maximumSize：最大容量。
maximumWeight：最大权重
keyEquivalence、valueEquivalence，用于指定内部判断key,value时，是否一样的算法。另外需要说明的是，默认情况下Guava Cache内部判断key, value是否相等时，针对不同的配置采用不同的方案的。如果启用了weakKey,weakValue,softValue的情况下，相应的key或者value的相等性判断是采用的是 ==，如果没有启用weakKey,softValue,weakValue的情况下，相应的key,value的相等性判断使用是equals()。
5、场景说明
不适用于数据有不同的过期时间的场景。