spring boot中的cache使用

1.缓存介绍

1.1缓存简介

缓存：缓存就是数据交换的缓冲区（称作Cache），当某一硬件要读取数据时，会首先从缓存中查找需要的数据，如果找到了则直接执行，找不到的话则从内存中找。为什么使用缓存？究其原因就是缓存的读写速度远快与磁盘，从减轻I/O开销和加快运行速度方便都有很好的效果。那么我们缓存什么？哪些经常读取而又不经常修改的数据，那些数据量较大又很少修改的数据。缓存策略三要素：缓存命中率、缓存更新策略、最大缓存容量。

1.2缓存命中率

如何解读缓存命中率，就是一个被缓存的数据被读取的次数/总读取次数。而这个命中率也是越高越好。
命中率=从缓存中读取的次数/总读取次数
未命中率=没有从换存中读取的次数/总读取次数
衡量一个缓存方案的好坏标准是：缓存命中率。缓存命中率越高，缓存方法设计的越好。

1.3缓存更新策略

说起缓存，那也就必定会聊到缓存更新策略，即在缓存到达最大容量时改如何处理。常用的缓存策略有：

1. FIFO（First In First Out） 队列，先进先出，典型应用：MySQL的 query cache，采用的就是这种简单的缓存更新策略
2. LFU（Least Frequently Used）：最近最少使用算法，一定时间段内使用次数（频率）最少的那个被移除，借助计数器实现；
3. LRU（Least Recently Used）：最久未使用算法，使用时间距离现在最久的那个被移除，借助计数器和队列实现；
4. TTL（Time To Live ）：存活期，即从缓存中创建时间点开始直到它到期的一个时间段（不管在这个时间段内有没有访问都将过期）
5. TTI（Time To Idle）：空闲期，即一个数据多久没被访问将从缓存中移除的时间。

1.4最大缓存容量

大容量的缓存虽然可以在硬盘进行读写工作状态下，让更多的数据存储在缓存中，以提高硬盘的访问速度，但并不意味着缓存越大就越出众。缓存的应用存在一个算法的问题，即便缓存容量很大，而没有一个高效率的算法，那将导致应用中缓存数据的命中率偏低，无法有效发挥出大容量缓存的优势。算法是和缓存容量相辅相成，大容量的缓存需要更为有效率的算法，否则性能会大大折扣，从技术角度上说，高容量缓存的算法是直接影响到硬盘性能发挥的重要因素。更大容量缓存是未来硬盘发展的必然趋势。

以上便是缓存的基本知识，接下来我们来了解一下spring提供的cache。本文也主要以注解方式实现。

2.示例

2.1添加maven依赖

首先我们先添加maven依赖

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-cache</artifactId>
        </dependency>

2.2源码简单分析

接着我们来看下spring提供的核心cache接口：

//
// Source code recreated from a .class file by IntelliJ IDEA
// (powered by Fernflower decompiler)
//

package org.springframework.cache;

import java.util.concurrent.Callable;

public interface Cache {
   
    String getName();

    Object getNativeCache();

    Cache.ValueWrapper get(Object var1);

    <T> T get(Object var1, Class<T> var2);

    <T> T get(Object var1, Callable<T> var2);

    void put(Object var1, Objec