基于Java的guava开源库工具类
前言：
平时我们都会封装一些处理缓存或其他的小工具。但每个人都封装一次，重复造轮子，有点费时间。有没有一些好的工具库推荐-guava。guava是谷歌基于java封装好的开源库，它的性能、实用性，比我们自己造的轮子更好，毕竟谷歌出品，下面介绍下几个常用的guava工具类
- LoadingCache（本地缓存）
- Multimap 和 Multiset
- BiMap
- Table（表）
- Sets和Maps（交并差）
- EventBus（事件）
- StopWatch（秒表）
- Files（文件操作）
- RateLimiter（限流器）
- Guava Retry（重试）
1、guava的maven配置引入
|
1
2
3
4
5
|
<dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>27.0-jre</version> </dependency> |
2、LoadingCache
LoadingCache 在实际场景中有着非常广泛的使用，通常情况下如果遇到需要大量时间计算或者缓存值的场景，就应当将值保存到缓存中。LoadingCache 和 ConcurrentMap 类似，但又不尽相同。最大的不同是 ConcurrentMap 会永久的存储所有的元素值直到他们被显示的移除，但是 LoadingCache 会为了保持内存使用合理会根据配置自动将过期值移除
通常情况下，Guava caching 适用于以下场景：
- 花费一些内存来换取速度
- 一些 key 会被不止一次被调用
- 缓存内容有限，不会超过内存空间的值，Guava caches 不会存储内容到文件或者到服务器外部，如果有此类需求考虑使用 Memcached, Redis
LoadingCache 不能缓存 null key
CacheBuilder 构造 LoadingCache 参数介绍
| CacheBuilder 方法参数 | 描述 |
|---|---|
| initialCapacity(int initialCapacity) | 缓存池的初始大小 |
| concurrencyLevel(int concurrencyLevel) | 设置并发数 |
| maximumSize(long maximumSize) | 缓存池大小，在缓存项接近该大小时， Guava开始回收旧的缓存项 |
| weakValues() | 设置value的存储引用是虚引用 |
| softValues() | 设置value的存储引用是软引用 |
| expireAfterWrite(long duration, TimeUnit unit) | 设置时间对象没有被写则对象从内存中删除(在另外的线程里面不定期维护) |
| expireAfterAccess(long duration, TimeUnit unit) | 设置时间对象没有被读/写访问则对象从内存中删除(在另外的线程里面不定期维护) |
| refreshAfterWrite(long duration, TimeUnit unit) | 和expireAfterWrite类似，不过不立马移除key，而是在下次更新时刷新，这段时间可能会返回旧值 |
| removalListener( RemovalListener<? super K1, ? super V1> listener) | 监听器，缓存项被移除时会触发 |
| build(CacheLoader<? super K1, V1> loader) | 当数据不存在时，则使用loader加载数据 |
LoadingCache V get(K key), 获取缓存值，如果键不存在值，将调用CacheLoader的load方法加载新值到该键中
示例：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
LoadingCache<Integer,Long> cacheMap = CacheBuilder.newBuilder().initialCapacity(10) .concurrencyLevel(10) .expireAfterAccess(Duration.ofSeconds(10)) .weakValues() .recordStats() .removalListener(new RemovalListener<Integer,Long>(){ @Override public void onRemoval(RemovalNotification<Integer, Long> notification) { System.out.println(notification.getValue()); } }) .build(new CacheLoader<Integer,Long>(){ @Override public Long load(Integer key) throws Exception { return System.currentTimeMillis(); } });cacheMap.get(1); |
3、Multimap 和 MultiSet
Multimap的特点其实就是可以包含有几个重复Key的value，可以put进入多个不同value但是相同的key，但是又不会覆盖前面的内容
示例：
|
1
2
3
4
5
6
7
8
9
10
11
|
//Multimap: key-value key可以重复，value也可重复Multimap<String, String> multimap = ArrayListMultimap.create();multimap.put("csc","1");multimap.put("lwl","1");multimap.put("csc","1");multimap.put("lwl","one");System.out.println(multimap.get("csc"));System.out.println(multimap.get("lwl"));---------------------------[1, 1][1, one] |
MultiSet 有一个相对有用的场景，就是跟踪每种对象的数量，所以可以用来进行数量统计
示例：
|
1
2
3
4
5
6
7
8
9
10
|
//MultiSet: 无序+可重复 count()方法获取单词的次数 增强了可读性+操作简单Multiset<String> set = HashMultiset.create();set.add("csc");set.add("lwl");set.add("csc");System.out.println(set.size());System.out.println(set.count("csc"));---------------------------32 |
4、BiMap
BiMap的键必须唯一，值也必须唯一，可以实现value和key互转
示例：
|
1
2
3
4
5
|
BiMap<Integer,String> biMap = HashBiMap.create();biMap.put(1,"lwl");biMap.put(2,"csc");BiMap<String, Integer> map = biMap.inverse(); // value和key互转map.forEach((v, k) -> System.out.println(v + "-" + k)); |
5、Table
-
Table<R,C,V> table = HashBasedTable.create();，由泛型可以看出，table由双主键R（行）,C（列）共同决定，V是存储值 -
新增数据：
table.put(R,C,V) -
获取数据：
V v = table.get(R,C) -
遍历数据:
Set<R> set = table.rowKeySet(); Set<C> set = table.columnKeySet();
示例：
|
1
2
3
4
5
|
// 双键的Map Map--> Table-->rowKey+columnKey+value Table<String, String, Integer> tables = HashBasedTable.create();tables.put("csc", "lwl", 1);//row+column对应的valueSystem.out.println(tables.get("csc","lwl")); |
6、Sets和Maps
|
1
2
3
4
|
// 不可变集合的创建ImmutableList<String> iList = ImmutableList.of("csc", "lwl");ImmutableSet<String> iSet = ImmutableSet.of("csc", "lwl");ImmutableMap<String, String> iMap = ImmutableMap.of("csc", "hello", "lwl", "world"); |
set的交集, 并集, 差集
|
1
2
3
4
5
6
7
8
|
HashSet setA = newHashSet(1, 2, 3, 4, 5); HashSet setB = newHashSet(4, 5, 6, 7, 8); //并集SetView union = Sets.union(setA, setB); //差集 setA-setBSetView difference = Sets.difference(setA, setB); //交集SetView intersection = Sets.intersection(setA, setB); |
map的交集，并集，差集
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
HashMap<String, Integer> mapA = Maps.newHashMap();mapA.put("a", 1);mapA.put("b", 2);mapA.put("c", 3);HashMap<String, Integer> mapB = Maps.newHashMap();mapB.put("b", 20);mapB.put("c", 3);mapB.put("d", 4);MapDifference<String, Integer> mapDifference = Maps.difference(mapA, mapB);//mapA 和 mapB 相同的 entrySystem.out.println(mapDifference.entriesInCommon());//mapA 和 mapB key相同的value不同的 entrySystem.out.println(mapDifference.entriesDiffering());//只存在 mapA 的 entrySystem.out.println(mapDifference.entriesOnlyOnLeft());//只存在 mapB 的 entrySystem.out.println(mapDifference.entriesOnlyOnRight());;-------------结果-------------{c=3}{b=(2, 20)}{a=1}{d=4} |
7、EventBus
- EventBus是Guava的事件处理机制，是设计模式中的观察者模式（生产/消费者编程模型）的优雅实现。对于事件监听和发布订阅模式
- EventBus内部实现原理不复杂，EventBus内部会维护一个Multimap<Class<?>, Subscriber> map，key就代表消息对应的类(不同消息不同类，区分不同的消息)、value是一个Subscriber，Subscriber其实就是对应消息处理者。如果有消息发布就去这个map里面找到这个消息对应的Subscriber去执行
使用示例：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
@Data@AllArgsConstructorpublic class OrderMessage { String message;}//使用 @Subscribe 注解,表明使用dealWithEvent 方法处理 OrderMessage类型对应的消息//可以注解多个方法,不同的方法 处理不同的对象消息public class OrderEventListener { @Subscribe public void dealWithEvent(OrderMessage event) { System.out.println("内容：" + event.getMessage()); }}-------------------------------------// new AsyncEventBus(String identifier, Executor executor);EventBus eventBus = new EventBus("lwl"); eventBus.register(new OrderEventListener());// 发布消息eventBus.post(new OrderMessage("csc")); |
8、StopWatch
|
1
2
3
4
5
6
|
Stopwatch stopwatch = Stopwatch.createStarted();for(int i=0; i<100000; i++){ // do some thing}long nanos = stopwatch.elapsed(TimeUnit.MILLISECONDS);System.out.println("逻辑代码运行耗时："+nanos); |
9、Files文件操作
数据写入
|
1
2
3
4
5
6
|
File newFile = new File("D:/text.txt");Files.write("this is a test".getBytes(), newFile);//再次写入会把之前的内容冲掉Files.write("csc".getBytes(), newFile);//追加写Files.append("lwl", newFile, Charset.defaultCharset()); |
文本数据读取
|
1
2
|
File newFile = new File("E:/text.txt");List<String> lines = Files.readLines(newFile, Charset.defaultCharset()); |
其他操作
| 方法 | 描述 |
|---|---|
| Files.copy(File from, File to) | 复制文件 |
| Files.deleteDirectoryContents(File directory) | 删除文件夹下的内容(包括文件与子文件夹) |
| Files.deleteRecursively(File file) | 删除文件或者文件夹 |
| Files.move(File from, File to) | 移动文件 |
| Files.touch(File file) | 创建或者更新文件的时间戳 |
| Files.getFileExtension(String file) | 获得文件的扩展名 |
| Files.getNameWithoutExtension(String file) | 获得不带扩展名的文件名 |
| Files.map(File file, MapMode mode) | 获取内存映射buffer |
10、RateLimiter
|
1
2
3
4
5
6
7
8
9
10
11
12
|
//RateLimiter 构造方法，每秒限流permitsPerSecondpublic static RateLimiter create(double permitsPerSecond) //每秒限流 permitsPerSecond，warmupPeriod 则是数据初始预热时间，从第一次acquire 或 tryAcquire 执行开时计算public static RateLimiter create(double permitsPerSecond, Duration warmupPeriod)//获取一个令牌，阻塞，返回阻塞时间public double acquire()//获取 permits 个令牌，阻塞，返回阻塞时间public double acquire(int permits)//获取一个令牌，超时返回public boolean tryAcquire(Duration timeout)////获取 permits 个令牌，超时返回public boolean tryAcquire(int permits, Duration timeout) |
使用示例
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
RateLimiter limiter = RateLimiter.create(2, 3, TimeUnit.SECONDS);System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");System.out.println("get one permit cost time: " + limiter.acquire(1) + "s");--------------- 结果 -------------------------get one permit cost time: 0.0sget one permit cost time: 1.331672sget one permit cost time: 0.998392sget one permit cost time: 0.666014sget one permit cost time: 0.498514sget one permit cost time: 0.498918sget one permit cost time: 0.499151sget one permit cost time: 0.488548s |
- 因为RateLimiter滞后处理的，所以第一次无论取多少都是零秒
- 可以看到前四次的acquire，花了三秒时间去预热数据，在第五次到第八次的acquire耗时趋于平滑
11、Guava Retry
maven引入
|
1
2
3
4
5
|
<dependency> <groupId>com.github.rholder</groupId> <artifactId>guava-retrying</artifactId> <version>2.0.0</version></dependency> |
RetryerBuilder 构造方法
| RetryerBuilder方法 | 描述 |
|---|---|
| withRetryListener | 重试监听器 |
| withWaitStrategy | 失败后重试间隔时间 |
| withStopStrategy | 停止策略 |
| withBlockStrategy | 阻塞策略BlockStrategy |
| withAttemptTimeLimiter | 执行时间限制策略 |
| retryIfException | 发生异常，则重试 |
| retryIfRuntimeException | 发生RuntimeException异常，则重试 |
| retryIfExceptionOfType(Class<? extends Throwable> ex) | 发生ex异常，则重试 |
| retryIfException(Predicate<Throwable> exceptionPredicate) | 对异常判断，是否重试 |
| retryIfResult(Predicate<V> resultPredicate) | 对返回结果判断，是否重试 |
|
1
2
3
4
5
6
7
8
|
Retryer<Boolean> retryer = RetryerBuilder.<Boolean>newBuilder() .retryIfException() .retryIfResult(Predicates.equalTo(false)) .withAttemptTimeLimiter(AttemptTimeLimiters.fixedTimeLimit(1, TimeUnit.SECONDS)) .withStopStrategy(StopStrategies.stopAfterAttempt(5)) .build();//Retryer调用 retryer.call(() -> true); |
以上就是基于Java的guava开源库工具类的详细内容，更多关于guava开源库工具类的资料请关注服务器之家其它相关文章！希望大家以后多多支持服务器之家！
原文链接：https://www.cnblogs.com/cscw/p/14899119.html
