在Java应用中，对于访问频率高，更新少的数据，通常的方案是将这类数据加入缓存中。相对从数据库中读取来说，读缓存效率会有很大提升。
在集群环境下，常用的分布式缓存有Redis、Memcached等。但在某些业务场景上，可能不需要去搭建一套复杂的分布式缓存系统，在单机环境下，通常是会希望使用内部的缓存（LocalCache）。
这里提供了两种LocalCache的实现，一种是基于ConcurrentHashMap实现基本本地缓存，另外一种是基于LinkedHashMap实现LRU策略的本地缓存。
static {
timer = new Timer();
map = new ConcurrentHashMap<>();
}以ConcurrentHashMap作为缓存的存储结构。因为ConcurrentHashMap的线程安全的，所以基于此实现的LocalCache在多线程并发环境的操作是安全的。在JDK1.8中，ConcurrentHashMap是支持完全并发读，这对本地缓存的效率也是一种提升。通过调用ConcurrentHashMap对map的操作来实现对缓存的操作。
private LocalCache() {
}LocalCache是工具类，通过私有构造函数强化不可实例化的能力。
/**
* 清除缓存任务类
*/
static class CleanWorkerTask extends TimerTask {
private String key;
public CleanWorkerTask(String key) {
this.key = key;
}
public void run() {
LocalCache.remove(key);
}
}清理失效缓存是由Timer类实现的。内部类CleanWorkerTask继承于TimerTask用户清除缓存。每当新增一个元素的时候，都会调用timer.schedule加载清除缓存的任务。
以LinkedHashMap作为缓存的存储结构。主要是通过LinkedHashMap的按照访问顺序的特性来实现LRU策略。
LRU是Least Recently Used的缩写，即最近最久未使用。LRU缓存将会利用这个算法来淘汰缓存中老的数据元素，从而优化内存空间。
这里利用LinkedHashMap来实现基于LRU策略的map。通过调用父类LinkedHashMap的构造函数来实例化map。参数accessOrder设置为true保证其可以实现LRU策略。
static class LRUMap<K, V> extends LinkedHashMap<K, V> {
... // 省略部分代码
public LRUMap(int initialCapacity, float loadFactor) {
super(initialCapacity, loadFactor, true);
}
... // 省略部分代码
/**
* 重写LinkedHashMap中removeEldestEntry方法;
* 新增元素的时候,会判断当前map大小是否超过DEFAULT_MAX_CAPACITY,超过则移除map中最老的节点;
*
* @param eldest
* @return
*/
protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
return size() > DEFAULT_MAX_CAPACITY;
}
} /**
* 读写锁
*/
private final ReadWriteLock readWriteLock = new ReentrantReadWriteLock();
private final Lock rLock = readWriteLock.readLock();
private final Lock wLock = readWriteLock.writeLock();LinkedHashMap并不是线程安全，如果不加控制的在多线程环境下使用的话，会有问题。所以在LRUMap中引入了ReentrantReadWriteLock读写锁，来控制并发问题。
protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
return size() > DEFAULT_MAX_CAPACITY;
}此处重写LinkedHashMap中removeEldestEntry方法， 当缓存新增元素的时候,会判断当前map大小是否超过DEFAULT_MAX_CAPACITY,超过则移除map中最老的节点。
缓存清除机制与ConcurrentHashMap的实现一致，均是通过timer实现。