核心分析¶

项目定位：Guava 采用 纯 Java + 模块化 实现，目标是最大化平台兼容性与易用性，同时通过分发策略支持不同运行时（JRE/Android）。

技术特点¶

• 纯 Java 优势：无本地依赖，易于在不同 JVM 环境运行，减少打包/部署复杂度。
• 包级模块化：按 collections、concurrent、io 等子包组织，方便按需依赖，降低冲突与体积。
• 双 flavor 策略：-jre/-android 适配运行时差异，避免 Android 上的兼容问题。
• 稳定性管理：通过 @Beta 标注与对非 @Beta API 的兼容承诺保障生产环境可预测性。

使用建议¶

1. 按需引入子模块，避免把整个库都暴露到公共 API，从而降低 API 表面与升级风险。
2. 在多平台项目（服务端+Android）统一依赖策略，选择相应 flavor 来避免运行时问题。

重要提示：尽管为纯 Java 实现，但仍需留意序列化兼容性和 @Beta API 的使用限制。

总结：纯 Java 与模块化是 Guava 的核心架构优势，带来可移植、可维护和按需依赖的实际好处。

核心分析¶

项目定位：Guava 的 Immutable* 类型旨在提供线程安全、可共享且常常更紧凑的集合实现，降低并发与防御性编程的复杂度。

技术特点与优势¶

• 天然线程安全：无需同步即可在多线程间共享只读数据。
• 内存与性能优化：针对常见小集合场景有紧凑表示，Iterator 与 equals/hashCode 行为一致。
• 明确语义：表达不变性，有助于 API 设计与契约清晰。

常见误用与代价¶

1. 误以为完全替代并发控制：不可变集合不能替代需要原子性写入/替换的并发更新策略（例如原子引用或并发映射）。
2. 频繁构建的大集合：如果在热路径上频繁创建新的不可变集合，会产生分配/GC 开销。
3. 序列化依赖：不要依赖 Guava 的二进制序列化作为长期持久化格式（README 警告）。

实用建议¶

• 在共享读取场景优先使用 Immutable*；在需要可变性时明确使用可变类型并封装变更边界。
• 对于大量动态更新，考虑使用并发集合或用细粒度不可变替换策略并评估内存开销。

重要提示：不可变有助于降低并发错误，但不是万能的并发解决方案；注意构建成本与序列化限制。

总结：Immutable* 非常适合表达只读契约与简化共享，但需根据变更频率和序列化要求谨慎选用。

核心分析¶

项目定位：Guava 并发工具为异步组合、回调注册、速率控制和服务生命周期管理提供了富有表达力的抽象，便于在没有或不宜大量依赖 JDK 新特性的环境中降低样板。

技术特点¶

• ListenableFuture/Futures：允许注册回调、组合与转换，简化异步控制流；在 Java 8 之前尤为重要。
• RateLimiter：基于令牌桶的速率控制，便于平滑出站请求或控制资源消耗。
• Service 管理：为有启动/停止语义的组件提供统一生命周期管理。

使用建议¶

1. 线程/执行上下文明确：注册回调时指定或理解回调运行的线程池，避免在执行线程中阻塞或引入竞态。
2. 异常与取消策略：使用 Futures 提供的转换/捕获方法处理异常，注意取消并传播给下游。
3. 在 Java 8+ 环境评估替代方案：考虑 CompletableFuture 是否能满足需求，或在需要时实现互操作。

重要提示：不要默认把 ListenableFuture 作为公共 API 的唯一异步类型；如果对外暴露，考虑兼容或封装为标准 JDK 类型以降低耦合。

总结：Guava 并发工具在构建异步控制流和速率控制上非常实用，但要明确线程语义、错误处理与与 JDK 原生 API 的互操作策略。

核心分析¶

项目定位：Guava 的 Cache/LoadingCache 提供了易用的本地缓存抽象，但默认行为需要显式配置容量、过期和清理策略以避免内存问题。

技术要点¶

• 配置选项：maximumSize、expireAfterWrite、expireAfterAccess、weakKeys/weakValues、softValues、RemovalListener 等。
• 典型风险：未设置上限会导致缓存无限增长；长时间持有强引用会阻止 GC 回收；加载器异常或阻塞会放大问题。

实用建议¶

1. 始终设定容量或失效策略（如 maximumSize(10_000) 或 expireAfterAccess(10, TimeUnit.MINUTES)）。
2. 根据对象大小选择引用类型：对大对象可考虑 weakValues() 或 softValues()（注意语义与回收不可预测）。
3. 添加 RemovalListener 做显式资源释放（例如关闭流或显式解除注册）。
4. 监控指标：缓存大小、命中率、加载延迟与移除原因应纳入监控报警。
5. 评估替代实现：在需要极低延迟与高并发下，评估更现代的缓存实现（按需替换）。

重要提示：Cache 不是内存管理的万能钥匙；合理配置与监控是防止泄漏的核心。

总结：通过容量/失效/引用配置、清理监听与监控，可以将 LoadingCache 安全地用于多数本地缓存场景；高并发或特殊回收需求时再评估替代方案。

核心分析¶

项目定位：Guava 的字符串工具和哈希/概率结构提供高层次、优化的实现，用于减少输入处理样板、实现稳定哈希以及在空间受限场景下做快速存在性检验。

技术特点¶

• Splitter/Joiner/CharMatcher/CaseFormat：高可读、链式 API，处理拆分、拼接与字符过滤场景更简洁。
• Hashing：提供高质量哈希函数（便于自定义结构或一致性哈希场景）。
• BloomFilter：空间高效的概率集合测试，支持参数化误报率与估算容量。

使用建议¶

1. 文本处理：使用 Splitter/Joiner 替代 ad-hoc split/concat，代码更健壮并能处理边缘情况（空串、裁剪等）。
2. 哈希场景：当需可控、可重复的哈希结果时使用 Hashing；避免直接用默认对象 hashCode 在跨进程/跨语言环境中。
3. 布隆过滤器：适用于高并发、海量项存在性判断且能容忍误报的场景（例如缓存预检）；务必按预计插入量与目标误报率配置，并监控负载因子。

重要提示：不要依赖 Guava 对象的二进制序列化作为长期存储；布隆过滤器的参数选择直接决定误报与空间使用权衡。

总结：使用 Guava 的字符串与哈希工具能显著减少样板并提高一致性；布隆过滤器适合空间敏感但容错的存在性检测，需谨慎调优和序列化设计。