使用Spring管理Caffeine缓存（CacheManager+Caffeine）

1 依赖

使用Spring管理Caffeine缓存的主要pom依赖如下所示。

<dependency>
	<groupId>org.springframework</groupId>
	<artifactId>spring-context</artifactId>
	<version>5.2.8.RELEASE</version>
</dependency>
			
<dependency>
    <groupId>org.springframework</groupId>
    <artifactId>spring-context-support</artifactId>
    <version>5.2.8.RELEASE</version>
</dependency>

<dependency>
	<groupId>com.github.ben-manes.caffeine</groupId>
	<artifactId>caffeine</artifactId>
	<version>2.9.2</version>
</dependency>

2 配置类

CacheManager配置类如下所示。

@Configuration
@EnableCaching
public class CacheManagerConfig {

    /**
     * 创建基于Caffeine的CacheManager
     */
    @Bean
    @Primary
    public CacheManager caffeineCacheManager() {
        SimpleCacheManager cacheManager = new SimpleCacheManager();
        List<CaffeineCache> caches = Lists.newArrayList();
        for (LocalCacheEnum c : LocalCacheEnum.values()) {
            caches.add(new  CaffeineCache(c.getCacheName(),Caffeine.newBuilder().recordStats()
			.expireAfterWrite(c.getTtl(), TimeUnit.SECONDS).maximumSize(c.getMaxSize()).build()));
        }
        cacheManager.setCaches(caches);
        return cacheManager;
    }
}

@Getter
public enum LocalCacheEnum {

    TestOne(5, 1000, LocalCacheEnum.Test_One),
    TestTwo(10, 2000, LocalCacheEnum.Test_Two),
    ;

    public static final String Test_One = "testOne";
    public static final String Test_Two = "testTwo";


    /** 过期时间 秒 */
    private final long ttl;
    /** 最大数量 */
    private final int maxSize;
    /** 缓存名称 */
    private final String cacheName;

    LocalCacheEnum(long ttl, int maxSize, String cacheName) {
        this.ttl = ttl;
        this.maxSize = maxSize;
        this.cacheName = cacheName;
    }

}

3 使用

首次查询时，使用Caffeine将查询结果缓存在本地，在缓存过期的时间范围内，下次查询时将从本地缓存获取数据，使用案例如下所示。

@Cacheable(cacheNames = LocalCacheEnum.Test_One)
public List<String> queryListFromDb() {
	// 具体查询方法
	// ...
}

4 备注

（1）关于缓存的最大数量 - maxSize
当首次设置缓存并尝试存入的数据量大于设置的 maxSize 时，Caffeine不会直接报错。但是，当尝试将新数据添加到已满的缓存时，Caffeine会根据其内置的策略来处理这种情况。

具体来说，如果缓存已满并且没有可用的空间来存储新的条目，Caffeine会根据其过期策略和访问策略来决定是否替换旧条目以腾出空间，这可能包括最近最少使用（LRU）策略、时间基的过期策略等。

因此，虽然不会直接报错，但当你尝试向已满的缓存中添加新数据时，Caffeine会默默地处理这种情况，并根据其策略决定是否替换旧数据或忽略新数据。