[b]使用场景[/b] 在 [code]Java [/code]应用中，对于访问频率高，更新少的数据，通常的方案是将这类数据加入缓存中。相对从数据库中读取来说，读缓存效率会有很大提升。 在集群环境下，常用的分布式缓存有 Redis 、 Memcached 等。但在某些业务场景上，可能不需要去搭建一套复杂的分布式缓存系统，在单机环境下，通常是会希望使用内部的缓存（ LocalCache ）。 [b]实现[/b] 这里提供了两种[code] LocalCache [/code]的实现，一种是基于[code] ConcurrentHashMap [/code]实现基本本地缓存，另外一种是基于 [code]LinkedHashMap[/code] 实现[code] LRU [/code]策略的本地缓存。 基于ConcurrentHashMap的实现 以 [code]ConcurrentHashMap [/code]作为缓存的存储结构。因为 [code]ConcurrentHashMap [/code]的线程安全的，所以基于此实现的[code] LocalCache [/code]在多线程并发环境的操作是安全的。在[code] JDK1.8 [/code]中，[code] ConcurrentHashMap [/code]是支持完全并发读，这对本地缓存的效率也是一种提升。通过调用 [code]ConcurrentHashMap [/code]对 [code]map [/code]的操作来实现对缓存的操作。 [b]私有构造函数[/b] [code]LocalCache [/code]是工具类，通过私有构造函数强化不可实例化的能力。 [b]缓存清除机制[/b] 清理失效缓存是由 Timer 类实现的。内部类 [code]CleanWorkerTask [/code]继承于 [code]TimerTask [/code]用户清除缓存。每当新增一个元素的时候，都会调用 timer.schedule 加载清除缓存的任务。 [b]基于LinkedHashMap的实现[/b] 以 [code]LinkedHashMap [/code]作为缓存的存储结构。主要是通过 [code]LinkedHashMap [/code]的按照访问顺序的特性来实现 [code]LRU [/code]策略。 [b]LRU[/b] [code]LRU [/code]是[code] Least Recently Used [/code]的缩写，即最近最久未使用。 LRU 缓存将会利用这个算法来淘汰缓存中老的数据元素，从而优化内存空间。 [b]基于LRU策略的map[/b] 这里利用 [code]LinkedHashMap [/code]来实现基于 [code]LRU [/code]策略的 [code]map [/code]。通过调用父类 [code]LinkedHashMap [/code]的构造函数来实例化 [code]map [/code]。参数 [code]accessOrder [/code]设置为 [code]true [/code]保证其可以实现 [code]LRU [/code]策略。 [b]线程安全[/b] [code]LinkedHashMap [/code]并不是线程安全，如果不加控制的在多线程环境下使用的话，会有问题。所以在 [code]LRUMap [/code]中引入了 [code]ReentrantReadWriteLock [/code]读写锁，来控制并发问题。 [b]缓存淘汰机制[/b] 此处重写 [code]LinkedHashMap [/code]中 [code]removeEldestEntry [/code]方法， 当缓存新增元素的时候,会判断当前 [code]map [/code]大小是否超过 [code]DEFAULT_MAX_CAPACITY [/code],超过则移除map中最老的节点。 [b]缓存清除机制[/b] 缓存清除机制与 [code]ConcurrentHashMap [/code]的实现一致，均是通过 [code]timer [/code]实现。 源码地址： [url=https://github.com/lishuo9527/LocalCache]GitHub[/url]  以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程素材网。