ehcache结合redis实现二级缓存系统

最新推荐文章于 2024-04-10 11:14:00 发布

>no problem<

最新推荐文章于 2024-04-10 11:14:00 发布

阅读量993

点赞数

分类专栏： # ehcache 文章标签：二级缓存 CPU缓存设计 ehcache redis springBoot

本文链接：https://blog.csdn.net/qq_40925189/article/details/109681327

版权

ehcache 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

1、为什么要实现二级缓存呢？

不为什么，单纯是为了将热点数据和非热点数据分一下类，根本上来讲就是为了提高系统性能，扩大吞吐量。要是在说原因的话，可能是为了避免一级缓存的热点数据失效时，不至于将大量的请求涌向数据库，这也是解决缓存雪崩的方案之一。

2、二级缓存的设计思路？

有了前面学习的ehcache和redis，及他们与springBoot整合的案例后，在springBoot下用ehcache结合redis实现二级缓存系统就比较简单了。首先说一下整体思路，我打算用ehcache结合spring的缓存注解来实现一级缓存，用redis来充当二级缓存。理由如下：参照CPU的L1 cache、L2 cache、L3 cache的设计功能与原则，L1 cache是最快的同时也是容量最小的，这和它使用的存储介质SRAM有关，L2 cache容量比L1大，但速度却比L1慢得多，L3和L2的关系类似。我们横向类比一下，假设我们的程序就是CPU，那么本地缓存ehcache、分布式缓存redis和本地磁盘就相当于CPU的L1、L2、L3缓存了。首先ehcache数据存储在JVM堆内存中，这对于java程序(CPU)来说是天然的优势，因为java程序就是跑在JVM里面的，访问速度不受网络影响，自然要快于redis，而且既然数据处于JVM堆内存中，也注定了数据存储量不会太大，正好符合CPU中L1 cache的特点。用redis来充当二级缓存，因为redis是通过网络socket进行数据传输的，redis服务器可能不和java程序部署在同一台机器上，分离的越远“redis的性能瓶颈”就越明显，所以访问速度上要鳗鱼ehcache的，但由于redis属于分布式缓存，服务本身可以独立部署运行，而且可以做集群，所以容量上可以远大于ehcache，也正好符合的CPU中L2 cache的特点。最底层的当然是我们的数据库了，数据存储在磁盘中，访问速度最慢，但数据不易丢失且容量最大。

我们这么设计，除了根据数据传输速度来划分一级、二级、三级缓存之外，还可以在缓存不同的数据内容上面做一些文章。CPU的L1 cache快于L2 cache根本原因是硬件SRAM的速度快于RAM，我们软件层面无法做硬件层面的区分，但可以通过一些设计使之更像L1和L2 cache，比如，我们在一级缓存中存储最热的那些数据，次热的数据放到二级缓存里面；一级缓存存储由多个二级缓存经过复杂计算后的计算结果等方式。

更多CPU缓存请看百度百科：https://baike.baidu.com/item/%E7%BC%93%E5%AD%98/100710?fr=aladdin

3、一个基本的二级缓存小案例

首先，我们将@Cacheable注解打在了controller的方法上，用来缓存该controller方法的返回值，下次在请求该controller方法时，会直接走ehcache的缓存。若一级缓存中有数据就直接返回；若没有再调用service层的方法，service层首先调用二级缓存redis，若有数据直接返回并将结果回写到一级缓存ehcache的中；若redis中也没有则查询数据库，将结果回写到redis中，再将service层的返回值回写到ehcache中。对于@Cacheable注解标注的方法，若该方法里面只是进行了一些简单的查询计算，而且被调用的次数还不是很频繁，那么该一级缓存的收益就很小，可以不将这样的返回值放到一级缓存中，直接调用service层的方法走二级缓存即可；但如果该方法会被频繁调用，或者方法里面进行了复杂的查询和计算，那么将这样的方法的返回值放到一级缓存里面，收益就很高了。

controller层

@RestController
public class EmployeeController {

    @Autowired
    private EmployeeService employeeService;

    @Cacheable(cacheNames = "employee",key = "#id")
    @GetMapping("/emp/{id}")
    public Employee getEmpById(@PathVariable("id") Integer id){
        Employee employee = employeeService.getEmployeeById(id);
        return employee;
    }


    @CachePut(cacheNames = "employee",key = "#employee.id")
    @PostMapping("/addEmp")
    public Employee addEmp(Employee employee){
        employeeService.addEmployee(employee);
        return employee;
    }

    //@CachePut进行的是更新缓存而不是删除更新，不符合cache-aside pattern，建议手动删除ehcache中的缓存，而不是使用@CachePut注解
    @CachePut(cacheNames = "employee",key = "#employee.id")
    @PostMapping("/updateEmp")
    public Employee updateEmployee(Employee employee){
        employeeService.updateEmployee(employee);
        return employee;
    }

    @CacheEvict(cacheNames = "employee",key = "#id")
    //@CacheEvict(cacheNames = "employee",allEntries = true)
    @GetMapping("/deleteEmp")
    public String deleteEmployee(Integer id){
        System.out.println("删除id为"+id+"的员工。");
        return "删除成功!";
    }


}

serviceImpl层

@Service
public class EmployeeServiceImpl implements EmployeeService {

    @Autowired
    private EmployeeMapper employeeMapper;



    //@Cacheable(cacheNames = "employee",key = "#id")
    @Override
    public Employee getEmployeeById(Integer id) {
        String redisValue = RedisUtils.get("employee:" + id);
        if (!StringUtils.isEmpty(redisValue)) {
            return JsonUtils.stringToObject(redisValue, Employee.class);
        }else {
            //这里可以加个锁，防止大并发下的缓存击穿
            Employee employee = employeeMapper.getEmployeeById(id);
            //回写数据到redis中
            String jsonEmp = JsonUtils.objectToString(employee);
            RedisUtils.set("employee:"+id,jsonEmp);
            return employee;
        }
    }

    @Override
    public void addEmployee(Employee employee) {
        employeeMapper.addEmployee(employee);
    }

    @Override
    public void updateEmployee(Employee employee) {
        int b = employeeMapper.updateEmployee(employee);
        //更新完数据库后，删除缓存，使用的是cache-aside pattern 模式
        if (b == 1){
            RedisUtils.del("employee:" + employee.getId());
        }
    }
}

可以看到serviceImpl层的第一个方法，我们光操作缓存就写了很多代码，而且多个这种方法的缓存处理逻辑几乎全一样，所以我们可以参照阿里的java开发规范中的工程规范中讲的那样，在service层和dao层之间引入manager层，用来处理这些通用的缓存处理代码。如果项目中使用的缓存模式确定下来后，还可以定义一个专用的缓存注解，利用aop来处理这些二级缓存和数据库之间的缓存操作。

行了，本文只是提供了一种二级缓存的设计思路，并配上了一个简单的小例子。实际在项目中去应用肯定也会遇到其他问题，不要怕，去探索吧！

上一篇：2、ehcache与springBoot整合

下一篇：缓存设计和使用中的经典问题