排查 java 内存泄漏时,利用缓存淘汰策略的核心在于通过限制缓存大小和设置合理的过期机制来防止对象无限增长。具体做法是引入如 caffeine 或 guava cache 等支持自动淘汰的库,配置最大容量(maximumsize)或最大权重(maximumweight),并开启统计功能以监控命中率。当缓存达到上限时,淘汰策略(如 lru、lfu)会自动移除旧数据,从而释放堆内存,避免 outofmemoryerror。

如何配置 Caffeine 缓存以触发自动淘汰
在项目中集成 Caffeine 缓存并配置淘汰策略,可以显著降低手动清理代码的复杂度。通过构建器模式设置 maximumSize(1000) 和 expireAfterWrite(Duration.ofMinutes(10)),缓存会在条目数量超过阈值或写入时间过长时自动执行淘汰逻辑。这种配置确保了内存使用的可控性,同时减少了因对象长期驻留导致的泄漏风险。

import com.github.benmanes.caffeine.cache.Cache;
import com.github.benmanes.caffeine.cache.Caffeine;
import java.util.concurrent.TimeUnit;
public class CacheLeakDemo {
public static void main(String[] args) {
// 创建带有淘汰策略的缓存实例
Cache<String, String> cache = Caffeine.newBuilder()
.maximumSize(100) // 最多存储100个条目
.expireAfterWrite(5, TimeUnit.SECONDS) // 写入后5秒过期
.recordStats() // 开启统计功能
.build();
// 模拟填充缓存
for (int i = 0; i < 150; i++) {
cache.put("key-" + i, "value-" + i);
}
// 打印统计信息以验证淘汰行为
System.out.println("Hit Rate: " + cache.stats().hitRate());
System.out.println("Eviction Count: " + cache.stats().evictionCount());
}
}
如何通过监控缓存指标发现潜在泄漏
即使配置了淘汰策略,仍需通过监控指标来确认策略是否生效以及是否存在异常增长。Caffeine 提供的 Stats API 可以获取命中率(hitRate)、缺失率(missRate)和驱逐计数(evictionCount)。如果 evictionCount 持续增加但内存使用量依然居高不下,可能意味着缓存的对象权重计算错误或存在外部引用导致无法被 GC 回收。定期检查这些指标有助于及时发现并调整配置。
FilePond 是一个 JavaScript 文件上传库,支持通过拖拽、粘贴和 API 方式处理文件、目录、URL 和 Data URI。它包含内置的图像优化功能、异步分块上传功能,并提供了适用于 React、Vue、Angular 和 Svelte 的适配器。
立即学习“Java免费学习笔记(深入)”;

import com.github.benmanes.caffeine.cache.Cache;
import com.github.benmanes.caffeine.cache.Caffeine;
import com.github.benmanes.caffeine.cache.stats.CacheStats;
import java.util.concurrent.TimeUnit;
public class CacheMonitorDemo {
public static void main(String[] args) throws InterruptedException {
Cache<String, byte[]> cache = Caffeine.newBuilder()
.maximumSize(50)
.expireAfterAccess(2, TimeUnit.SECONDS)
.recordStats()
.build();
// 填充缓存
for (int i = 0; i < 60; i++) {
cache.put("data-" + i, new byte[1024 * 10]); // 每个值约10KB
}
// 等待一段时间让过期策略生效
Thread.sleep(3000);
// 获取并分析统计信息
CacheStats stats = cache.stats();
System.out.println("Total Evictions: " + stats.evictionCount());
System.out.println("Current Size: " + cache.estimatedSize());
// 如果驱逐计数为0但大小超限,需检查配置
if (cache.estimatedSize() > 50 && stats.evictionCount() == 0) {
System.out.println("Warning: Cache size exceeds limit without evictions!");
}
}
}
当缓存驱逐计数为零但内存持续增长时应如何处理
如果在运行过程中发现缓存的 estimatedSize() 超过了设定的 maximumSize,且 stats().evictionCount() 始终为零,这通常表明缓存的配置未正确应用或存在其他引用链阻止了对象的回收。此时应检查是否误用了无界缓存(如 newCache() 而非 build()),或者缓存键/值的 equals/hashCode 实现异常导致重复插入。此外,若使用了 weight 功能,需确保 Weighter 接口正确返回非零权重,否则默认权重可能导致淘汰逻辑失效。

















