从零开始手写|从零开始手写 redis（四）监听器的实现从零开始手写redis（四）监听器

前言 java从零手写实现redis（一）如何实现固定大小的缓存？
java从零手写实现redis（三）redis expire 过期原理
java从零手写实现redis（三）内存数据如何重启不丢失？
本节，让我们来一起学习一下如何实现类似 guava-cache 中的 removeListener 删除监听器，和类似 redis 中的慢日志监控的 slowListener。
删除监听器说明我们在两种场景下删除数据是对用户透明的：
（1）size 满了之后，进行数据淘汰。
（2）expire 过期时，清除数据。
这两个特性对用户本来应该是无感的，不过用户如果关心的话，也可以通过添加删除监听器来获取到相关的变更信息。
实现思路为了实现删除的监听，我们需要找到删除的位置，然后调用监听器即可。
evict 驱除的场景
每次 put 数据时，都会校验 size 是否达到最大的限制，如果达到，则进行 evict 淘汰。
expire 过期的场景
用户指定 expire 时间之后，回后台异步执行刷新。
也存在惰性删除的场景。
接口定义为了统一，我们将所有的删除都定义统一的接口：

/** * 删除监听器接口 * * @author binbin.hou * @since 0.0.6 * @param key * @param value */ public interface ICacheRemoveListener {/** * 监听 * @param context 上下文 * @since 0.0.6 */ void listen(final ICacheRemoveListenerContext context); }

内置实现系统内置的实现如下：

public class CacheRemoveListener implements ICacheRemoveListener {private static final Log log = LogFactory.getLog(CacheRemoveListener.class); @Override public void listen(ICacheRemoveListenerContext context) { log.debug("Remove key: {}, value: {}, type: {}", context.key(), context.value(), context.type()); }}

这个监听器是默认开启的，暂时无法关闭。
自定义用户可以自己的需要，进行自定义实现：

public class MyRemoveListener implements ICacheRemoveListener {@Override public void listen(ICacheRemoveListenerContext context) { System.out.println("【删除提示】可恶，我竟然被删除了！" + context.key()); }}

测试

ICache cache = CacheBs.newInstance() .size(1) .addRemoveListener(new MyRemoveListener()) .build(); cache.put("1", "1"); cache.put("2", "2");

我们指定 cache 的大小为1，设置我们自定义的删除监听器。
这里的删除监听器可以添加多个。
日志
测试日志如下：

[DEBUG] [2020-09-30 19:32:54.617] [main] [c.g.h.c.c.s.l.r.CacheRemoveListener.listen] - Remove key: 2, value: 2, type: evict 【删除提示】可恶，我竟然被删除了！2

慢操作监听器说明 redis 中会存储慢操作的相关日志信息，主要是由两个参数构成：
（1）slowlog-log-slower-than 预设阈值,它的单位是毫秒(1秒=1000000微秒)默认值是10000
（2）slowlog-max-len 最多存储多少条的慢日志记录
不过 redis 是直接存储到内存中，而且有长度限制。
根据实际工作体验，如果我们可以添加慢日志的监听，然后有对应的存储或者报警，这样更加方便问题的分析和快速反馈。
【从零开始手写|从零开始手写 redis（四）监听器的实现】所以我们引入类似于删除的监听器。
实现思路我们处理所有的 cache 操作，并且记录对应的操作耗时。
如果耗时操作用户设置的时间阈值，则调用慢操作监听器。
接口定义为了保证接口的灵活性，每一个实现都可以定义自己的慢操作阈值，这样便于分级处理。
比如超过 100ms，用户可以选择输出 warn 日志；超过 1s，可能影响到业务了，可以直接接入报警系统。

public interface ICacheSlowListener {/** * 监听 * @param context 上下文 * @since 0.0.6 */ void listen(final ICacheSlowListenerContext context); /** * 慢日志的阈值 * @return 慢日志的阈值 * @since 0.0.9 */ long slowerThanMills(); }

自定义监听器实现接口 ICacheSlowListener
这里每一个监听器都可以指定自己的慢日志阈值，便于分级处理。

public class MySlowListener implements ICacheSlowListener {@Override public void listen(ICacheSlowListenerContext context) { System.out.println("【慢日志】name: " + context.methodName()); }@Override public long slowerThanMills() { return 0; }}

使用

ICache cache = CacheBs.newInstance() .addSlowListener(new MySlowListener()) .build(); cache.put("1", "2"); cache.get("1");

测试效果

[DEBUG] [2020-09-30 17:40:11.547] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.before] - Cost start, method: put [DEBUG] [2020-09-30 17:40:11.551] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.after] - Cost end, method: put, cost: 10ms 【慢日志】name: put [DEBUG] [2020-09-30 17:40:11.554] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.before] - Cost start, method: get [DEBUG] [2020-09-30 17:40:11.554] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.after] - Cost end, method: get, cost: 1ms 【慢日志】name: get

实际工作中，我们可以针对慢日志数据存储，便于后期分析。
也可以直接接入报警系统，及时反馈问题。
小结监听器实现起来比较简单，但是对于使用者的作用是比较大的。
文中主要讲述了思路，实现部分因为篇幅限制，没有全部贴出来。