oscache的默认缓存实现是由4个类组成的，如下图所示：
首先来看一下是如何放入缓存的操作吧，也就是AbstractConcurrentReadCache类的#put()方法：
public Object put(Object key, Object value) {
return put(key, value, true);
}
// 这里的第三个参数代表是否持久化缓存 private Object put(Object key, Object value, boolean persist) {
if (value == null) {// 默认是不支持空值的 throw new NullPointerException();
} // 计算hash int hash = hash(key); // hash表，其实Entry本身是一个链表的结构，也就是hash桶 Entry[] tab = table; // 将hash值与hash表的长度按位与得到初始位置 int index = hash & (tab.length - 1); // first指的是hash表中Entry链表的第一个元素 Entry first = tab[index]; Entry e = first; for (;;) { if (e == null) {// 如果哈希表当前位置是空位 synchronized (this) { tab = table; Object oldValue = null; // Remove an item if the cache is full if (size() >= maxEntries) {// 如果缓存已满，需要挑选一个Entry移出 // part of fix CACHE-255: method should return old value // 挑选要移出的key的方法#removeItem()是由之类去实现的 oldValue = remove(removeItem(), false, false); } if (first == tab[index]) {// 这里是对可能存在的并发更新的处理 // Add to front of list Entry newEntry = null; if (memoryCaching) { newEntry = new Entry(hash, key, value, first); } else { newEntry = new Entry(hash, key, NULL, first); } tab[index] = newEntry; // 通知具体实现值已经放入缓存的回调 itemPut(key); // Persist if required // 这里如果配置文件中cache.memory=false并且cache.persistence.overflow.only=true程序就进入了一个混乱的状态了 // 因为内存中的Entry值为NULL，并且不会调用持久化存储 // 所以这两个配置项配合的话只有3种情况了 // (1) memory=true, overflow=true：使用内存缓存，溢出的数据持久化 // (1) memory=true, overflow=false：使用内存缓存，溢出的数据不处理 // (1) memory=false, overflow=false：使用持久化缓存 if (persist && !overflowPersistence) {// 如果需要持久化保存 persistStore(key, value); } // If we have a CacheEntry, update the group lookups if (value instanceof CacheEntry) { // 更新缓存的分组信息，其实AbstractConcurrentReadCache // 用一个HashMap保存了分组名和各个key之间的一个映射 groupname -> Set<Key> updateGroups(null, (CacheEntry) value, persist); } // 如果数量大于threshold(capacity * 装填因子(loadfactor)) if (++count >= threshold) {// 是否rehash rehash(); } else { recordModification(newEntry); } return oldValue; } else { // 如果当前hash表发生了变化，即发生了并发插入缓存的操作，此时需要进入这个分支 // #sput()里边的逻辑和#put()是类似的 return sput(key, value, hash, persist); } } } else if ((key == e.key) || ((e.hash == hash) && key.equals(e.key))) {// 如果当前的key已经存在了，更新值 // synch to avoid race with remove and to // ensure proper serialization of multiple replaces synchronized (this) { tab = table; Object oldValue = e.value; // [CACHE-118] - get the old cache entry even if there's no // memory cache // oldValue为NULL代表了是磁盘缓存 if (persist && (oldValue == NULL)) { // 在磁盘里去的缓存值 oldValue = persistRetrieve(key); } if ((first == tab[index]) && (oldValue != null)) { if (memoryCaching) { // 缓存更新值 e.value = value; } // Persist if required if (persist && overflowPersistence) { // 如果缓存溢出需要持久化，在缓存持久化处移除这个值 // 因为现在内存中已经有这个值了，不能再持久化了 // 这里因为是更新，所以按理说不会有它对应的overflow缓存的啊？ persistRemove(key); } else if (persist) {// 持久化保存 persistStore(key, value); } updateGroups(oldValue, value, persist); itemPut(key); return oldValue; } else { return sput(key, value, hash, persist); } } } else {// 将e指向Entry链表的下一个项目 e = e.next; } } }整个的流程用代码的注释其实就可以写清楚了，注意，在更新缓存后会调用给之类的回调函数#itemPut()，另外还有参数cache.memory和cache.persistence.overflow.only对流程的影响。
下面看下#get()，这里#remove()就不写了其实过程反倒和#get()也差不多：
public Object get(Object key) { if (log.isDebugEnabled()) { log.debug("get called (key=" + key + ")"); } // 计算hash int hash = hash(key); /* * Start off at the apparently correct bin. If entry is found, we need * to check after a barrier anyway. If not found, we need a barrier to * check if we are actually in right bin. So either way, we encounter * only one barrier unless we need to retry. And we only need to fully * synchronize if there have been concurrent modifications. */ // 计算在hash表中的位置 Entry[] tab = table; int index = hash & (tab.length - 1); // Entry链表中的第一个数据 Entry first = tab[index]; Entry e = first; for (;;) { if (e == null) { // If key apparently not there, check to // make sure this was a valid read // key没找到，再次查看hash表确定是否真的找不到了 tab = getTableForReading(); if (first == tab[index]) { // Not in the table, try persistence // 试着在持久化处找 Object value = persistRetrieve(key); if (value != null) { // Update the map, but don't persist the data // 在持久化处找到数据的话需要更新hash表，但不去重新持久化 put(key, value, false); } return value; } else { // Wrong list -- must restart traversal at new first e = first = tab[index = hash & (tab.length - 1)]; } } // checking for pointer equality first wins in most applications else if ((key == e.key) || ((e.hash == hash) && key.equals(e.key))) {// 找到了数据 Object value = e.value; if (value != null) { if (NULL.equals(value)) { // Memory cache disable, use disk // 需要去缓存找数据 value = persistRetrieve(e.key); if (value != null) { // 调用回调 itemRetrieved(key); } return value; // fix [CACHE-13] } else { // 调用回调 itemRetrieved(key); return value; } } // Entry was invalidated during deletion. But it could // have been re-inserted, so we must retraverse. // To avoid useless contention, get lock to wait out // modifications // before retraversing. synchronized (this) { tab = table; } // 到这里其实是列表处于一个错误的状态了，重新循环 e = first = tab[index = hash & (tab.length - 1)]; } else {// 需要查看链表中的下一个元素 e = e.next; } } }其实这个#get()在一些并发控制的精妙上我也看不出来，只能留待以后水平高了的时候去研究了，现在能看懂的也只有大致的流程。
最后对3个默认缓存实现中的LRU进行下简单的分析，实现方法挺简单的，不过有一些借鉴意义。
首先，LRUCache使用LinkedHashSet来将key值进行是否最近使用的排序，越往后越是最近使用的Key
private Collection list = new LinkedHashSet();
前面不是说在put，get，remove中都有之类的回调函数吗，这里就派上用场了
protected void itemRetrieved(Object key) { while (removeInProgress) { try { Thread.sleep(5); } catch (InterruptedException ie) { } } // 这里改变了list中元素的顺序 synchronized (list) { list.remove(key); list.add(key); } } protected void itemPut(Object key) { // 这里改变了list中元素的顺序 synchronized (list) { list.remove(key); list.add(key); } }
这样，在缓存已满需要查找待移除的Key时，就可以使用list的顺序了，很简单，但是很有效。
private Object removeFirst() { Object toRemove = null; synchronized (list) { // A further fix for CACHE-44 and CACHE-246 Iterator it = list.iterator(); toRemove = it.next(); it.remove(); } return toRemove; }