`expireAfterWrite`可能导致缓存数据未及时过期，引发内存泄漏或脏读吗？

Question

`expireAfterWrite` 是 Caffeine 缓存库中用于设置缓存项在写入后存活时间的策略。若配置不当，可能导致缓存数据未及时过期。例如，在高并发场景下，频繁更新缓存可能延迟过期时间，造成旧数据长期滞留，引发脏读。此外，若未结合 `maximumSize` 或 `maximumWeight` 使用，还可能因缓存无限增长而导致内存泄漏。合理配置过期时间和内存上限，可有效规避此类问题。

Answer 1

1. 理解 Caffeine 缓存中的 `expireAfterWrite`

`expireAfterWrite` 是 Caffeine 缓存库中用于设置缓存项在写入后存活时间的策略。该策略确保缓存项在指定的时间后自动失效，从而避免数据长时间滞留内存。

例如，若设置为 expireAfterWrite(5, TimeUnit.MINUTES)，则每次写入缓存项后，该项将在 5 分钟后过期。

然而，若配置不当，可能导致缓存未及时过期，影响系统一致性与性能。

2. 高并发场景下的潜在问题

在高并发环境下频繁更新缓存时，`expireAfterWrite` 的行为可能不符合预期：

• 每次写操作都会重置过期时间，导致旧数据长期存在。
• 这可能引发脏读问题，特别是在分布式系统中。
• 例如，多个服务实例同时更新缓存，可能导致部分实例读取到过期数据。

Cache<String, String> cache = Caffeine.newBuilder()
  .expireAfterWrite(5, TimeUnit.MINUTES)
  .build();

3. 内存泄漏风险分析

如果仅使用 `expireAfterWrite` 而不结合以下策略之一：

策略	用途
maximumSize	限制缓存最大条目数
maximumWeight	基于权重控制缓存总大小

则可能导致缓存无限增长，最终引发内存泄漏。

4. 合理配置实践建议

为了有效规避上述问题，建议采用如下配置组合：

1. 始终将 `expireAfterWrite` 与 `maximumSize` 或 `maximumWeight` 搭配使用。
2. 根据业务需求设定合理的过期时间，避免过短或过长。
3. 对关键业务数据，考虑引入本地+远程双缓存机制，提高一致性。

Cache<String, String> cache = Caffeine.newBuilder()
  .maximumSize(1000)
  .expireAfterWrite(5, TimeUnit.MINUTES)
  .build();

5. 复杂场景下的监控与调优

在实际生产环境中，应通过监控手段持续观察缓存命中率、过期频率和内存占用情况。

可以借助 Micrometer、Prometheus 等工具采集指标，并绘制如下的缓存生命周期流程图：

graph TD
            A[缓存写入] --> B{是否达到最大容量?}
            B -- 是 --> C[触发淘汰策略]
            B -- 否 --> D[记录写入时间]
            D --> E{是否超过expireAfterWrite时间?}
            E -- 是 --> F[标记为过期]
            E -- 否 --> G[可继续访问]