缓存模式:您称之为(以及如何替换) OpenSymphony OsCache "group“范式

Question

缓存大师的缓存问题。

上下文

我们已经使用OpenSymphony的OsCache几年了，并考虑转向更好/更强/更快/更主动开发的缓存产品。

问题

我们使用了OsCache的“组条目”功能，但没有在其他地方找到它。

简而言之，OsCache允许您在“输入插入时间”指定一个或多个组。稍后，您可以在不知道每个条目的键的情况下使“一组条目”失效。

OsCache示例

下面是使用此机制的示例代码：

Object[] groups = {"mammal", "Northern Hemisphere", "cloven-feet"}
myCache.put(myKey, myValue , groups );
// later you can flush all 'mammal' entries 
myCache.flushGroup("mammal")
// or flush all 'cloven-foot'
myCache.flushGroup("cloven-foot")

替代方案:匹配机制

我们使用由前团队成员编写的另一个本地缓存，它使用“键匹配器”模式来使条目无效。

在这种方法中，您将定义'key‘和matcher’类如下：

public class AnimalKey 
{
   String fRegion;
   String fPhylum;
   String fFootType;

   ..getters and setters go here

}

Matcher：

public class RegionMatcher implements ICacheKeyMatcher
{
   String fRegion;

   public RegionMatcher(String pRegion)
   {
    fRegion=pRegion;
   }

   public boolean isMatch(Obect pKey)
   {
      boolean bMatch=false;
      if (pKey instanceof AnimalKey)
      {
         AnimalKey key = (AninmalKey) pKey);
         bMatch=(fRegion.equals(key.getRegion());
      }
   }
}

用法：

myCache.put(new AnimalKey("North America","mammal", "chews-the-cud");
//remove all entries for 'north america'
IKeyMatcher myMatcher= new AnimalKeyMatcher("North America");
myCache.removeMatching(myMatcher);

这种机制有一个简单的实现，但在性能上有一个缺点:它必须遍历每个条目才能使一个组失效。(虽然它仍然比在数据库中旋转更快)。

问题

• (警告:这听起来可能很愚蠢)，你称之为什么功能？OsCache称它为“缓存组”。JbossCache和EhCache似乎都没有定义或实现它。王国？区域？对于这个“缓存组/区域”paradigm?
• How do新兴星缓存产品(例如ehcache、一致性、jbosscache)，存在着王国？
• do标准模式来处理这个问题--
• --这个范式不在jcache规范中，对吗？(JSR-107)
• How你处理“大规模失效”吗？除非它们变老，否则缓存是很棒的。一个允许您使大范围的部分失效的API是一个很大的帮助。(例如，管理员希望按一个按钮，清除特定论坛的所有缓存的帖子条目)

谢谢

将要

Answer 1

我也实现了一种匹配方法，当我试图扩展一个带有临时失效过程的遗留系统时。O(n)性质不是一个问题，因为缓存很小，失效是在一个面向非用户的线程上执行的，并且它没有保存锁，所以没有争用惩罚。这是为了与横切缓存的密钥进行匹配所必需的，例如使应用程序中缓存中的公司的所有数据失效。这确实是一个没有设计中心的问题，所以应用程序是单块的，分解得很差。

当我们基于域服务重写它时，我采取了不同的策略。我们现在已经将特定数据的域集中到特定的缓存中，例如配置，因此它成为了多查找的愿望。在这种情况下，我们意识到键只是值的一个子集，因此我们可以在加载后从元数据(例如注释)中提取所有的键。这允许通过缓存抽象进行细粒度分组和方便的编程模型。我在一个关于这个想法的教程中发布了核心数据结构IndexMap。它不是用于抽象之外的直接使用，而是更好地解决了我们面临的分组问题。

http://code.google.com/p/concurrentlinkedhashmap/wiki/IndexableCache