为什么用本地缓存
低延迟高吞吐：本地缓存直接存储在JVM堆内存中，读写操作无需网络传输，延迟可低至纳秒级，显著优于Redis等分布式缓存的毫秒级响应 。
降低Redis压力：在多级缓存架构中，本地缓存作为第一层缓存，可过滤大部分请求，仅将未命中数据转发至Redis等分布式缓存，降低后端服务和Redis压力。
为什么要用Caffeine
吞吐量领先：官方基准测试显示，Caffeine的吞吐量比Guava Cache高40%以上，尤其在高并发场景下表现突出。
并发优化：采用Java 8的StampedLock锁技术，减少锁竞争，提升多线程环境下的并发处理能力。
多种过期策略：支持写后过期（expireAfterWrite）、访问后过期（expireAfterAccess）及自定义过期逻辑，适应不同业务需求
容量控制：提供基于条目数（maximumSize）、权重（maximumWeight）或引用（弱引用/软引用）的灵活容量管理
本地缓存的刷新/过期策略
refreshAfterWrite(写后刷新）：在数据被写入缓存后，经过指定的时间间隔，如果数据被再次访问，会触发异步刷新操作 ,在刷新完成前，所有访问请求会立即返回当前缓存中的旧值
refreshAfterAccess(访问后刷新）：在数据被访问后，经过指定的时间间隔，如果数据被再次访问，会触发异步刷新操作,在刷新完成前，所有访问请求会立即返回当前缓存中的旧值
expireAfterWrite（基于写入时间过期）: 从缓存条目创建或最后一次被写入时开始计时，超过设定的时间后，该条目会被自动移除，数据更新使用加锁方式。
expireAfterAccess（基于访问时间过期）： 从缓存条目最后一次被访问时开始计时，超过设定时间后条目失效，，数据更新使用加锁方式。
数据在expireAfterWrite和expireAfterAccess过期后，新的请求过来caffeine是如何执行的
检查与移除过期条目:当请求访问一个缓存键（Key）时，Caffeine 会首先检查该条目是否已因 expireAfterWrite 而过期。如果已过期，它会立即将这个旧条目从缓存中移除
同步互斥回源加载:在移除旧数据后，Caffeine 会为该缓存键获取一个同步锁。第一个成功获取锁的请求（假设是请求A）将负责执行回源逻辑（例如，通过 CacheLoader 或 Callable 从数据库查询新数据）。
阻塞等待与结果返回:在请求A持有锁并加载数据期间，后续任何访问同一键的并发请求（如请求B）会被阻塞，并等待请求A完成操作。
数据回填与锁释放:请求A成功获取新数据后，会将其存入缓存，然后释放同步锁。此时，所有被阻塞的等待线程（如请求B）会立即被唤醒，并获取到请求A刚加载的新数据。
数据在refreshAfterWrit和refreshAfterAccess过期后，新的请求过来caffeine是如何执行的
检查刷新条件:当请求访问一个缓存键时，Caffeine 会检查该条目自上次写入或刷新后经过的时间是否已经超过了 refreshAfterWrite 设定的阈值需要注意的是，达到刷新时间并不意味着数据已过期（如果同时还配置了更长的 expireAfterWrite，数据可能仍然有效）
触发异步刷新:如果满足刷新条件，Caffeine 会为这个缓存键触发一个异步刷新操作,这个操作默认由 ForkJoinPool.commonPool() 执行，也可以通过 Caffeine.executor(Executor) 方法指定自定义的线程池
立即返回旧值:在异步刷新操作执行期间，触发刷新的请求以及后续访问同一键的所有请求，都不会等待新数据加载完成，而是会立即返回当前缓存中持有的旧值,。这是 refreshAfterWrite 与 expireAfterWrite 在行为上的一个关键区别
异步加载与更新:在后台线程中，Caffeine 会执行 CacheLoader.reload 方法（如果已重写）或默认的 CacheLoader.load 方法来获取新数据,一旦新数据成功加载，它会自动更新到缓存中，替换掉旧值。此后，新的请求将获取到更新后的数据
refreshAfterWrite 与 expireAfterWrite 的区别：
refreshAfterWrite 关注的是数据的新鲜度，它异步地更新数据而不阻塞请求,可能会造成短暂时间获取到的是旧址。
expireAfterWrite 关注的是数据的有效性，当数据过期后，访问请求会同步地回源加载，导致线程阻塞直到新数据返回。
过期数据管理
数据惰性删除：惰性删除是指 Caffeine 不会在数据过期时立即将其从缓存中移除，而是等到下次访问该数据时才会检查其是否过期。如果发现数据已过期，Caffeine 会先将其标记为无效并从缓存中移除，然后再触发回源操作（如从数据库加载新数据）并更新缓存。这种机制避免了不必要的同步淘汰操作，减少了主线程的阻塞，从而提升了并发性能
定时清理：为了及时清理那些长期未被访问的过期数据，Caffeine 会启动一个后台定时任务（默认约每秒执行一次），主动扫描缓存并移除已过期的条目。 这种定期清理机制与惰性删除相结合，既保证了缓存访问的高效性，又避免了内存中堆积大量无效数据。
本地缓存数据不一致问题
1.多台机器数据同步：使用MQ进行消息广播通知进行实时变更。
2.先更新库再删除缓存，或者使用延迟双删，延迟双删是解决并发情况下的极端情况，延迟时间需要控制好。