基于Spring|基于Spring Cache实现二级缓存(Caffeine+Redis) 基于SpringCache实现二级缓存(C

文章图片
一、聊聊什么是硬编码使用缓存？在学习Spring Cache之前，笔者经常会硬编码的方式使用缓存。
我们来举个实际中的例子，为了提升用户信息的查询效率，我们对用户信息使用了缓存，示例代码如下：

@Autowire private UserMapper userMapper; @Autowire private RedisCache redisCache; //查询用户 public User getUserById(Long userId) { //定义缓存key String cacheKey = "userId_" + userId; //先查询redis缓存 User user = redisCache.get(cacheKey); //如果缓存中有就直接返回，不再查询数据库 if (user != null) { return user; } //没有再查询数据库 user = userMapper.getUserById(userId); //数据存入缓存，这样下次查询就能到缓存中获取 if (user != null) { stringCommand.set(cacheKey, user); }return user; }

相信很多同学都写过类似风格的代码，这种风格符合面向过程的编程思维，非常容易理解。但它也有一些缺点：
代码不够优雅。业务逻辑有四个典型动作：存储，读取，修改，删除。每次操作都需要定义缓存Key ，调用缓存命令的API，产生较多的重复代码；
缓存操作和业务逻辑之间的代码耦合度高，对业务逻辑有较强的侵入性。侵入性主要体现如下两点：

开发联调阶段，需要去掉缓存，只能注释或者临时删除缓存操作代码，也容易出错；
某些场景下，需要更换缓存组件，每个缓存组件有自己的API，更换成本颇高。

如果说是下面这样的，是不是就优雅多了。

@Mapper public interface UserMapper{/** * 根据用户id获取用户信息 * * 如果缓存中有直接返回缓存数据，如果没有那么就去数据库查询，查询完再插入缓存中，这里缓存的key前缀为cache_user_id_，+传入的用户ID */ @Cacheable(key = "'cache_user_id_' + #userId") User getUserById(Long userId); }

再看实现类

@Autowire private UserMapper userMapper; //查询用户 public User getUserById(Long userId) { return userMapper.getUserById(userId); }

这么一看是不是完全和缓存分离开来，如果开发联调阶段，需要去掉缓存那么直接注释掉注解就好了，是不是非常完美。
而且这一整套实现都不要自己手动写，Spring Cache就已经帮我定义好相关注解和接口，我们可以轻易实现上面的功能。

二、Spring Cache简介 Spring Cache是Spring-context包中提供的基于注解方式使用的缓存组件，定义了一些标准接口，通过实现这些接口，就可以通过在
方法上增加注解来实现缓存。这样就能够避免缓存代码与业务处理耦合在一起的问题。
Spring Cache核心的接口就两个：Cache和CacheManager
1、Cache接口该接口定义提供缓存的具体操作，比如缓存的放入、读取、清理：

package org.Springframework.cache; import java.util.concurrent.Callable; public interface Cache { // cacheName，缓存的名字，默认实现中一般是CacheManager创建Cache的bean时传入cacheName String getName(); //得到底层使用的缓存，如Ehcache Object getNativeCache(); // 通过key获取缓存值，注意返回的是ValueWrapper，为了兼容存储空值的情况，将返回值包装了一层，通过get方法获取实际值 ValueWrapper get(Object key); // 通过key获取缓存值，返回的是实际值，即方法的返回值类型 T get(Object key, Class type); // 通过key获取缓存值，可以使用valueLoader.call()来调使用@Cacheable注解的方法。当@Cacheable注解的sync属性配置为true时使用此方法。 // 因此方法内需要保证回源到数据库的同步性。避免在缓存失效时大量请求回源到数据库 T get(Object key, Callable valueLoader); // 将@Cacheable注解方法返回的数据放入缓存中 void put(Object key, Object value); // 当缓存中不存在key时才放入缓存。返回值是当key存在时原有的数据 ValueWrapper putIfAbsent(Object key, Object value); // 删除缓存 void evict(Object key); // 清空缓存 void clear(); // 缓存返回值的包装 interface ValueWrapper { // 返回实际缓存的对象 Object get(); } }

2、CacheManager接口主要提供Cache实现bean的创建，每个应用里可以通过cacheName来对Cache进行隔离，每个cacheName对应一个Cache实现。

package org.Springframework.cache; import java.util.Collection; public interface CacheManager { // 通过cacheName创建Cache的实现bean，具体实现中需要存储已创建的Cache实现bean，避免重复创建，也避免内存缓存 //对象（如Caffeine）重新创建后原来缓存内容丢失的情况 Cache getCache(String name); // 返回所有的cacheName Collection getCacheNames(); }

3、常用注解说明 【基于Spring|基于Spring Cache实现二级缓存(Caffeine+Redis)】@Cacheable：主要应用到查询数据的方法上。

public @interface Cacheable {// cacheNames，CacheManager就是通过这个名称创建对应的Cache实现bean @AliasFor("cacheNames") String[] value() default {}; @AliasFor("value") String[] cacheNames() default {}; // 缓存的key，支持SpEL表达式。默认是使用所有参数及其计算的hashCode包装后的对象（SimpleKey） String key() default ""; // 缓存key生成器，默认实现是SimpleKeyGenerator String keyGenerator() default ""; // 指定使用哪个CacheManager,如果只有一个可以不用指定 String cacheManager() default ""; // 缓存解析器 String cacheResolver() default ""; // 缓存的条件，支持SpEL表达式，当达到满足的条件时才缓存数据。在调用方法前后都会判断 String condition() default ""; // 满足条件时不更新缓存，支持SpEL表达式，只在调用方法后判断 String unless() default ""; // 回源到实际方法获取数据时，是否要保持同步，如果为false，调用的是Cache.get(key)方法；如果为true，调用的是Cache.get(key, Callable)方法 boolean sync() default false; }

@CacheEvict：清除缓存，主要应用到删除数据的方法上。相比Cacheable多了两个属性

public @interface CacheEvict {// ...相同属性说明请参考@Cacheable中的说明 // 是否要清除所有缓存的数据，为false时调用的是Cache.evict(key)方法；为true时调用的是Cache.clear()方法 boolean allEntries() default false; // 调用方法之前或之后清除缓存 boolean beforeInvocation() default false; }

@CachePut：放入缓存，主要用到对数据有更新的方法上。属性说明参考@Cacheable
@Caching：用于在一个方法上配置多种注解
@EnableCaching：启用Spring cache缓存，作为总的开关，在SpringBoot的启动类或配置类上需要加上此注解才会生效

三、使用二级缓存需要思考的一些问题？我们知道关系数据库(Mysql)数据最终存储在磁盘上，如果每次都从数据库里去读取，会因为磁盘本身的IO影响读取速度，所以就有了
像redis这种的内存缓存。
通过内存缓存确实能够很大程度的提高查询速度，但如果同一查询并发量非常的大，频繁的查询redis，也会有明显的网络IO上的消耗，
那我们针对这种查询非常频繁的数据(热点key)，我们是不是可以考虑存到应用内缓存，如：caffeine。
当应用内缓存有符合条件的数据时，就可以直接使用，而不用通过网络到redis中去获取，这样就形成了两级缓存。
应用内缓存叫做一级缓存，远程缓存（如redis）叫做二级缓存。
整个流程如下

基于Spring|基于Spring Cache实现二级缓存(Caffeine+Redis)

文章图片
流程看着是很清新，但其实二级缓存需要考虑的点还很多。
1.如何保证分布式节点一级缓存的一致性？
我们说一级缓存是应用内缓存，那么当你的项目部署在多个节点的时候，如何保证当你对某个key进行修改删除操作时，使其它节点
的一级缓存一致呢？
2.是否允许存储空值？
这个确实是需要考虑的点。因为如果某个查询缓存和数据库中都没有，那么就会导致频繁查询数据库，导致数据库Down,这也是我们
常说的缓存穿透。
但如果存储空值呢，因为可能会存储大量的空值，导致缓存变大，所以这个最好是可配置，按照业务来决定是否开启。
3.是否需要缓存预热？
也就是说，我们会觉得某些key一开始就会非常的热，也就是热点数据，那么我们是否可以一开始就先存储到缓存中，避免缓存击穿。
4.一级缓存存储数量上限的考虑？
既然一级缓存是应用内缓存，那你是否考虑一级缓存存储的数据给个限定最大值，避免存储太多的一级缓存导致OOM。
5.一级缓存过期策略的考虑？
我们说redis作为二级缓存，redis是淘汰策略来管理的。具体可参考redis的8种淘汰策略。那你的一级缓存策略呢？就好比你设置一级缓存
数量最大为5000个,那当第5001个进来的时候，你是怎么处理呢？是直接不保存，还是说自定义LRU或者LFU算法去淘汰之前的数据？
6.一级缓存过期了如何清除？
我们说redis作为二级缓存，我们有它的缓存过期策略(定时、定期、惰性)，那你的一级缓存呢，过期如何清除呢？
这里4、5、6小点如果说用我们传统的Map显然实现是很费劲的，但现在有更好用的一级缓存库那就是Caffeine。

四、Caffeine 简介 Caffeine，一个用于Java的高性能缓存库。
缓存和Map之间的一个根本区别是缓存会清理存储的项目。
1、写入缓存策略 Caffeine有三种缓存写入策略：手动、同步加载和异步加载。
2、缓存值的清理策略 Caffeine有三种缓存值的清理策略：基于大小、基于时间和基于引用。
基于容量：当缓存大小超过配置的大小限制时会发生回收。
基于时间：

写入后到期策略。
访问后过期策略。
到期时间由 Expiry 实现独自计算。

基于引用：启用基于缓存键值的垃圾回收。

Java种有四种引用：强引用，软引用，弱引用和虚引用，caffeine可以将值封装成弱引用或软引用。
软引用：如果一个对象只具有软引用，则内存空间足够，垃圾回收器就不会回收它；如果内存空间不足了，就会回收这些对象的内存。
弱引用：在垃圾回收器线程扫描它所管辖的内存区域的过程中，一旦发现了只具有弱引用的对象，不管当前内存空间足够与否，都会
回收它的内存。

3、统计 Caffeine提供了一种记录缓存使用统计信息的方法，可以实时监控缓存当前的状态，以评估缓存的健康程度以及缓存命中率等，方便后
续调整参数。
4、高效的缓存淘汰算法缓存淘汰算法的作用是在有限的资源内，尽可能识别出哪些数据在短时间会被重复利用，从而提高缓存的命中率。常用的缓存淘汰算法有
LRU、LFU、FIFO等。

FIFO：先进先出。选择最先进入的数据优先淘汰。 LRU：最近最少使用。选择最近最少使用的数据优先淘汰。 LFU：最不经常使用。选择在一段时间内被使用次数最少的数据优先淘汰。

LRU（Least Recently Used）算法认为最近访问过的数据将来被访问的几率也更高。
LRU通常使用链表来实现，如果数据添加或者被访问到则把数据移动到链表的头部，链表的头部为热数据，链表的尾部如冷数据，当
数据满时，淘汰尾部的数据。
LFU（Least Frequently Used）算法根据数据的历史访问频率来淘汰数据，其核心思想是“如果数据过去被访问多次，那么将来被访问
的频率也更高”。根据LFU的思想，如果想要实现这个算法，需要额外的一套存储用来存每个元素的访问次数，会造成内存资源的浪费。
Caffeine采用了一种结合LRU、LFU优点的算法：W-TinyLFU，其特点：高命中率、低内存占用。
5、其他说明 Caffeine的底层数据存储采用ConcurrentHashMap。因为Caffeine面向JDK8，在jdk8中ConcurrentHashMap增加了红黑树，在hash冲突
严重时也能有良好的读性能。

五、基于Spring Cache实现二级缓存(Caffeine+Redis) 前面说了，使用了redis缓存，也会存在一定程度的网络传输上的消耗，所以会考虑应用内缓存，但有点很重要的要记住:
应用内缓存可以理解成比redis缓存更珍惜的资源，所以，caffeine 不适用于数据量大，并且缓存命中率极低的业务场景，如用户维度的缓存。
当前项目针对应用都部署了多个节点，一级缓存是在应用内的缓存，所以当对数据更新和清除时，需要通知所有节点进行清理缓存的操作。
可以有多种方式来实现这种效果，比如：zookeeper、MQ等，但是既然用了redis缓存，redis本身是有支持订阅/发布功能的，所以就
不依赖其他组件了，直接使用redis的通道来通知其他节点进行清理缓存的操作。
当某个key进行更新删除操作时，通过发布订阅的方式通知其它节点进行删除该key本地的一级缓存就可以了。
具体具体项目代码这里就不再粘贴出来了，这样只粘贴如何引用这个starter包。
1、maven引入使用

com.jincou redis-caffeine-cache-starter 1.0.0

2、application.yml 添加二级缓存相关配置

# 二级缓存配置 # 注：caffeine 不适用于数据量大，并且缓存命中率极低的业务场景，如用户维度的缓存。请慎重选择。 l2cache: config: # 是否存储空值，默认true，防止缓存穿透 allowNullValues: true # 组合缓存配置 composite: # 是否全部启用一级缓存，默认false l1AllOpen: false # 是否手动启用一级缓存，默认false l1Manual: true # 手动配置走一级缓存的缓存key集合，针对单个key维度 l1ManualKeySet: - userCache:user01 - userCache:user02 - userCache:user03 # 手动配置走一级缓存的缓存名字集合，针对cacheName维度 l1ManualCacheNameSet: - userCache - goodsCache # 一级缓存 caffeine: # 是否自动刷新过期缓存 true 是 false 否 autoRefreshExpireCache: false # 缓存刷新调度线程池的大小 refreshPoolSize: 2 # 缓存刷新的频率(秒) refreshPeriod: 10 # 写入后过期时间(秒) expireAfterWrite: 180 # 访问后过期时间(秒) expireAfterAccess: 180 # 初始化大小 initialCapacity: 1000 # 最大缓存对象个数，超过此数量时之前放入的缓存将失效 maximumSize: 3000# 二级缓存 redis: # 全局过期时间，单位毫秒，默认不过期 defaultExpiration: 300000 # 每个cacheName的过期时间，单位毫秒，优先级比defaultExpiration高 expires: {userCache: 300000,goodsCache: 50000} # 缓存更新时通知其他节点的topic名称默认 cache:redis:caffeine:topic topic: cache:redis:caffeine:topic

3、启动类上增加@EnableCaching

/** *启动类 */ @EnableCaching @SpringBootApplication public class CacheApplication { public static void main(String[] args) { SpringApplication.run(CacheApplication.class, args); }}

4、在需要缓存的方法上增加@Cacheable注解

/** *测试 */ @Service public class CaffeineCacheService {private final Logger logger = LoggerFactory.getLogger(CaffeineCacheService.class); /** * 用于模拟db */ private static Map userMap = new HashMap<>(); { userMap.put("user01", new UserDTO("1", "张三")); userMap.put("user02", new UserDTO("2", "李四")); userMap.put("user03", new UserDTO("3", "王五")); userMap.put("user04", new UserDTO("4", "赵六")); }/** * 获取或加载缓存项 */ @Cacheable(key = "'cache_user_id_' + #userId", value = "https://www.it610.com/article/userCache") public UserDTO queryUser(String userId) { UserDTO userDTO = userMap.get(userId); try { Thread.sleep(1000); // 模拟加载数据的耗时 } catch (InterruptedException e) { e.printStackTrace(); } logger.info("加载数据:{}", userDTO); return userDTO; }/** * 获取或加载缓存项 * * 注：因底层是基于caffeine来实现一级缓存，所以利用的caffeine本身的同步机制来实现 * sync=true 则表示并发场景下同步加载缓存项， * sync=true，是通过get(Object key, Callable valueLoader)来获取或加载缓存项，此时valueLoader（加载缓存项的具体逻辑）会被缓存起来，所以CaffeineCache在定时刷新过期缓存时，缓存项过期则会重新加载。 * sync=false，是通过get(Object key)来获取缓存项，由于没有valueLoader（加载缓存项的具体逻辑），所以CaffeineCache在定时刷新过期缓存时，缓存项过期则会被淘汰。 * */ @Cacheable(value = "https://www.it610.com/article/userCache", key = "#userId", sync = true) public List queryUserSyncList(String userId) { UserDTO userDTO = userMap.get(userId); List list = new ArrayList(); list.add(userDTO); logger.info("加载数据:{}", list); return list; }/** * 更新缓存 */ @CachePut(value = "https://www.it610.com/article/userCache", key = "#userId") public UserDTO putUser(String userId, UserDTO userDTO) { return userDTO; }/** * 淘汰缓存 */ @CacheEvict(value = "https://www.it610.com/article/userCache", key = "#userId") public String evictUserSync(String userId) { return userId; } }

项目源码: https://github.com/yudiandemingzi/springboot-redis-caffeine-cache

推荐相关二级缓存相关项目
1.阿里巴巴jetcache: https://github.com/alibaba/jetcache
2.J2Cache: https://gitee.com/ld/J2Cache
3.l2cache: https://github.com/ck-jesse/l2cache（感谢）
这几个现在业界比较常用的二级缓存项目，功能更加强大，而且性能更高效，使用也非常方便只要引入jar包，添加配置注解就可以。