ConcurrentHashMap.computeIfAbsent通过synchronized+CAS将检查与插入合为原子操作，避免重复计算；适用于低频、短期、可控key场景，但无过期/淘汰机制，不适用需超时或LRU的缓存。
ConcurrentHashMap.computeIfAbsent 为什么能避免重复计算
它把“检查是否存在”和“不存在时创建并放入”这两步合成了一个原子操作，底层用 synchronized + CAS 实现，不会出现两个线程同时发现 key 不存在、然后都去执行 value 生成逻辑的问题。
常见错误现象：NullPointerException 或重复初始化（比如缓存对象被构造两次、数据库查询跑了两遍）——往往是因为先 get() 判断再手动 put()，中间有竞态窗口。
- 只在 value 创建开销大（如 IO、复杂计算）时才值得用
computeIfAbsent - 传入的 mappingFunction 不能为
null，否则抛NullPointerException - mappingFunction 内部不应依赖外部可变状态，否则可能因重入导致不一致
- 如果 mappingFunction 抛异常，该次调用失败，key 不会存入 map，但异常会向上抛出
computeIfAbsent 的参数陷阱：lambda 捕获变量要小心
Java 中 lambda 表达式捕获的局部变量必须是 effectively final；但更隐蔽的问题是：若捕获的是可变引用（比如一个 StringBuilder），多个线程并发调用时可能读到彼此修改后的中间状态。
使用场景：缓存 JSON 解析结果、模板渲染、配置加载等需要按需构建的值。
立即学习“Java免费学习笔记（深入）”；
- 避免在 lambda 里直接使用非 final 的集合、builder、计数器等可变对象
- 如果必须复用资源，应在线程内新建（如
() -> new ObjectMapper().readValue(json, T.class)） - 不要在 lambda 中调用含副作用的方法（如写日志、发请求），除非你明确接受它可能被执行多次（异常时重试或其它线程触发）
示例：
cache.computeIfAbsent(key, k -> {
// ✅ 安全：每次调用都新建解析器
return objectMapper.readValue(fetchJson(k), Data.class);
});
ConcurrentHashMap 作为缓存的边界在哪
它不是通用缓存解决方案，没有过期、淘汰、大小限制机制。适合短期、低频更新、key 空间可控的场景（如类元信息、静态配置映射）。
性能影响：高并发下 computeIfAbsent 比普通 putIfAbsent 略重，因为要执行函数；但如果函数本身耗时远大于 map 操作，这点开销可忽略。
- 不支持自动失效，需自行管理生命周期（比如配合
ScheduledExecutorService清理） - 不处理内存泄漏：value 强引用持有对象，若 value 是大对象或包含 ClassLoader，容易 OOM
- key 和 value 都不能为
null，否则抛NullPointerException - 如果 key 是自定义对象，务必正确实现
equals()和hashCode()
替代方案对比：什么时候不该用 computeIfAbsent
当你要做带超时、LRU、异步加载、统计命中率等事时，ConcurrentHashMap 就力不从心了。这时候该换真正缓存库。
常见错误现象：用 computeIfAbsent 包裹 HTTP 请求，结果缓存无限增长、无法降级、超时不生效。
- 需要定时刷新 → 考虑
Caffeine.newBuilder().refreshAfterWrite(10, TimeUnit.MINUTES) - 需要容量控制 →
Caffeine.newBuilder().maximumSize(1000) - 需要异步加载且不阻塞调用线程 →
AsyncLoadingCache - 只是临时避免重复构造，且生命周期明确 →
computeIfAbsent仍是最轻量靠谱的选择
最易被忽略的一点：computeIfAbsent 的 mappingFunction 在 key 第一次插入时才执行，之后所有 get 都是无锁读 —— 这个“首次”时机，取决于哪个线程最先触发它，而不是你预想的“应用启动时”。
