序:使用java的Map做缓存，你是否考虑过容量导致的OOM问题，是否考虑命中率对性能的影响？？
应用系统开发中，我们经常会使用redis,memcache等第三方框架做缓存的解决方案，有的时候我们的需求以及应用场景并不是那么复杂，而且交付日期已经秒计了。我们怎么敢在现有的应用中引入第三方框架，火都把头顶烧秃咯。这个时候怎么办，绩效啊，年终奖啊。
关于缓存我们应该考虑什么？-intsmaze
可能大部分人使用缓存都仅仅是取和存操作，但是呢！如果对计算机操作系统有所了解，其实不用看redis的配置文件就知道要考虑容量的问题。比如操作系统中的页面调度的各种FIFO，LRU算法都是为了提高命中率。同样我们在应用中使用缓存也应该考虑命中率和容量问题。尤其是我们使用Java的map做简单的缓存，更是应该考虑。
女神：容量是吗？说的那么高大上，不就new的时候指定一下容量嘛，这么简单
new HashMap<Integer, Byte[]>(100);
intsmaze:您好，你可以尝试往map里面添加101个元素，然后遍历map看看遍历的数据个数是100还是101，HashMap内部有一个数组，会自动扩容的亲。
女神:哎呀，确实。那么我就把HashMap封装一下吧。
private Map<String,String> map=new HashMap<String,String>();
private int len;
public intsmaze(int len)
{
this.len=len;
}
boolean put(String key,String value)
{
if(map.size()==len)
{
return false;
}
else
{
map.put(key, value);
return true;
}
}
intsmaze：您好，这样确实解决了OOM问题，但是我有一个问题不知当讲不当讲，这样做的话，是不是put len次后，后面的数据都不会存储了，get的时候永远只能从get到钱len次的数据，其他的数据要走硬盘去读了?
女神:是的，我把len的大小设置大一点，然后每隔一个小时清空一下map里面的值，不就行了，你为什么要针对我啊？
intsmaze: 额，你这样也可以，但是要在前期花时间调试Map大小，选择一个合适的大小，而且每隔一个小时，mysql等存储都会面临大量的请求，容易引发缓存雪崩。而且如果最求性能的话，这里其实还是有提高的，命中率的高低决定了性能的高低。
女神: 那你想怎么样？咋滴啥？
intsmaze: 这个时候你可以了解一下FIFO，LRU等。如果你用过redis，你应该知道，不你可能知道，redis关于命中率三种策略（FIFO 、LRU、LFU）。所以我们如果要使用Map做缓存，我们也应该考虑一下命中率。后面编不下去了，直接讲这篇文章的重点吧。
WeakHashMap弱引用-intsmaze
WeakHashMap实现了Map接口，使用弱引用作为内部数据的存储方案。WeakHashMap是弱引用的典型应用，可以作为简单的缓存表解决方案。WeakHashMap会在系统内存范围内，保存所有表项目，一旦内存不够，在GC时，没有被引用的表项很快会被清除掉，从而避免系统内存溢出。
关于弱引用我就不讲啦，百度一大堆
Map<Integer, Byte[]> map = null;
map = new WeakHashMap<Integer, Byte[]>();
for (int i = 0; i < 10000; i++) {
Integer integer = new Integer(i);
map.put(integer, new Byte[i]);
}
//-Xmx5M 这个时候发现没有OOM
// -Xmx5M java.lang.OutOfMemoryError: Java heap space
map = new HashMap<Integer, Byte[]>(10);
for (int i = 0; i < 100; i++) {
Integer integer = new Integer(i);
map.put(integer, new Byte[i]);
}
//如果存放在WeakHashMap中的key都存在强引用，那么WeakHashMap就会退化为HashMap。
// -Xmx5M java.lang.OutOfMemoryError: Java heap space
// at cn.intsmaze.collection.MapCase.testWeakHash(MapCase.java:119)
map = new WeakHashMap<Integer, Byte[]>();
List list = new ArrayList();
for (int i = 0; i < 10000; i++) {
Integer integer = new Integer(i);
map.put(integer, new Byte[i]);// 如果你看不起我，你可以把这行注释，你将会发现姜还是老的辣，内存溢出是WeakHashMap而不是List导致.
list.add(integer);
}
如果希望在系统中通过WeakHashMap自动清理数据，尽量不要在系统的其他地方强引用WeakHashMap的key,否则，这些key就不会被回收，WeakHashMap也就无法正常释放他们所占用的表项。
线程安全问题-intsmaze
前面已经知道，使用WeakHashMap可以忽略容量问题，提升缓存容量。只是当容量不够时，不会OOM，内部数据会被GC回收。命中率好像没有办法，容我掉一片头发换来深度思考后给出方案。
使用WeakHashMap一般是全局变量，局部变量的应用场景应该没有吧。
观察WeakHashMap源码可以发现，它是线程不安全的，所以在多线程场景该怎么办嘞？
Collections-intsmaze
WeakHashMap<String, String> weakHashMapintsmaze=new WeakHashMap<String, String>();
Map<String, String> intsmaze=Collections.synchronizedMap(weakHashMapintsmaze);
就问你服不服。
ThreadLocal-intsmaze
一个ThreadLocal记录一个weakHashMap,良好的系统是不会不断的创建销毁线程的，而是有线程池进行维护，那么就用ThreadLocal吧。不懂，你可以先关注我，再去百度。
我的博客即将搬运同步至腾讯云+社区，邀请大家一同入驻：https://cloud.tencent.com/developer/support-plan?invite_code=2mx7vvis5a80k