WeakHashMap 的键回收不实时，依赖 GC 后的 expungeStaleEntries() 调用（如 get/size/entrySet），若只写不读则失效条目滞留；值为强引用，需自行管理生命周期，否则易致内存泄漏；并发与迭代行为不稳定，生产环境推荐 Guava Cache 或 Caffeine。
WeakHashMap 的键回收时机不等于 GC 触发时刻
WeakHashMap 不会在你调用 put() 或 get() 后立刻清理“已无强引用”的键，而是依赖垃圾回收器扫描后触发 expungeStaleEntries() —— 这个方法只在部分操作中被调用，比如 size()、get()、put()、entrySet() 等。它不是实时的，也不是定时的。
这意味着：如果你只往 WeakHashMap 里塞数据，但从不读、不查、不遍历，那些本该失效的条目就一直挂着，直到某次访问才被顺手清理。实际缓存场景中，这容易造成「内存已空但缓存不缩容」的假象。
- 务必在关键路径（如
get()）后主动触发一次size()或isEmpty()，确保 stale entry 被清理 - 不要依赖
System.gc()—— 它只是建议，JVM 可能忽略；且现代 GC（如 ZGC、Shenandoah）对弱引用处理逻辑更复杂，手动触发反而干扰节奏 - 如果缓存命中率低、写多读少，考虑包装一层带周期性
expungeStaleEntries()调用的代理类（通过反射调用私有方法或继承重写）
值对象必须自己管理生命周期，WeakHashMap 不管它
WeakHashMap 只对键做弱引用，值是强引用。一旦键被回收，对应 Entry 被移除，但值对象若还被其他地方持有（比如缓存结果被返回后又被上层长期持有），它就不会被 GC —— 这正是最隐蔽的内存泄漏源头。
典型踩坑场景：缓存一个大 byte[] 或 BufferedImage，键是查询参数对象（很快丢弃），但返回值被 UI 层强引用着，导致值对象永久驻留。
- 值类型尽量用不可变小对象（如
String、Integer），避免大对象直存 - 若必须缓存大对象，考虑用
SoftReference<v></v>包一层再存为值（即WeakHashMap<k softreference>></k>），让值也能响应内存压力 - 绝不要把线程局部变量、监听器、回调函数等生命周期不确定的对象作为值存进去
不能当普通 Map 用：并发、迭代、size 都不稳定
由于键可能在任意 GC 后消失，WeakHashMap 的行为天然非确定。连续两次 get(key) 可能一次返回值、一次返回 null；size() 在两次调用间可能突变；遍历 entrySet() 时甚至可能抛 ConcurrentModificationException（虽然它没实现 ConcurrentMap，但弱引用清理本身就有隐式修改）。
它不适合做状态一致要求高的缓存，比如分布式 session 映射或事务上下文存储。
- 禁止在 for-each 循环中直接修改缓存（如边遍历边
remove()），改用Iterator.remove() - 高并发场景下，用
Collections.synchronizedMap(new WeakHashMap())仅解决线程安全问题，不解决语义漂移；更稳妥的是用ConcurrentHashMap+ 定时清理策略 - 如果业务需要稳定 size 或可预测的迭代顺序，WeakHashMap 就不该是首选
替代方案比硬套 WeakHashMap 更常见
真正生产环境的轻量本地缓存，90% 以上不会直接裸用 WeakHashMap。它太原始，边界模糊，调试困难。主流做法是组合使用：
- Guava Cache：支持 weakKeys() / weakValues() / softValues()，自动清理 + 过期 + 并发控制 + 统计，一行配置搞定
- Caffeine：性能更强，基于 Window TinyLFU 算法，weak/soft 支持更精细，且提供
onRemoval()回调便于诊断 - 自研简易缓存：用
ConcurrentHashMap存数据，另起一个低优先级线程定期扫描 key 引用状态（配合ReferenceQueue），可控性更高
WeakHashMap 最适合的场景其实很窄：临时、短命、低一致性要求、且键对象本身生命周期明确可控（比如 Swing 中监听器与组件的映射）。把它当成“自动 GC 友好型 Map”可以，当成“开箱即用缓存”就会反复踩坑。
