java cache缓存更新_JetCache 扩展：实现二级缓存准实时刷新

遇到问题7 C% Y3 b/ s; }6 |2 G- X  V3 i' r

4 V2 H0 j( N4 z9 G5 u! |$ B! q

项目建设过程中遇到一个问题：使用频率很高的基础数据(8MB)，缓存到redis 存取效率不高。存在多条这样的基础数据。

! `5 X; \* Z, Q8 ^9 a) L1 \  J8 U* u2 i

9 q) T5 B% K; O# r3 i

当然，可以用ListenableFutureCallback结合CountDownLatch做并发和结果聚合。(前提是获取缓存数据的操作不存在先后关系)

/ J2 M1 v2 O0 D但每次接口调用仍会有零点几秒消耗在查询Redis上。

! \1 Q5 C4 j/ f1 _0 l' ]2 s自行实现二级缓存又存在一致性问题：, G7 A* y. c" D( j' |0 w

即使有定时刷新作业，也会出现：一段时间内同一个应用的不同实例本地缓存的数据不一致的情况。

1 Q: J0 }+ x# A2 k因为更新的时候无法更新所有应用实例的本地缓存。9 l" C1 k9 ?( p  u# [2 H  b, |4 b% r

举栗说明：

8 @+ Y* i+ U. |- z/ G应用A借助JetCache实现二级缓存。部署时创建两个实例4 M( i: F( W" Z

实例1修改了一条数据，并更新到数据库、local cache、remote cache中。

& X* y6 {, N  B4 \5 c实例2在本地缓存刷新或过期前，local cache中的数据仍是旧的。

* n4 Q6 z" o* A1 W6 c9 |5 @; V数据不一致的最长时间取决于缓存刷新作业的执行周期

* Y2 `! {1 Y/ B5 u! |& v后面goolge到了阿里开源的二级缓存组件JetCache，做了对比实验：# \* X) h8 s" Z6 a

Redisson(redis)VS JetCache 一级缓存(redis) VS JetCache 二级缓存(redis + caffeine)

" `& f* O% B; C8 D9 q) C7 ]/ f+ p/ P* `

配置文件：

' t6 K0 ]6 u. U' ?  \, W. V6 {) C) r7 r1 v" k: q; {

9 l) [) i" A" N5 n

单元测试方法：/ {  D% U1 F3 f5 P     @Test    public void compareEfficiency() throws IOException {        //保障数据都加载到缓存中        airportCacheDao.getAllFromRedisson();        long start = System.currentTimeMillis();        for (int i = 0; i < 20; i++) {            airportCacheDao.getAllFromRedisson();        }        long end = System.currentTimeMillis();        System.out.println(String.format("通过Redisson查询redis；20次全量数据，耗时：%s ms", end - start));        //保障数据都加载到缓存中        airportCacheDao.getAllFromDbOrJetCacheRemote();        long start1 = System.currentTimeMillis();        for (int i = 0; i < 20; i++) {            airportCacheDao.getAllFromDbOrJetCacheRemote();        }        long end1 = System.currentTimeMillis();        System.out.println(String.format("通过JetCache查询redis；20次全量数据，耗时：%s ms", end1 - start1));        //保障数据都加载到缓存中        airportCacheDao.getAllFromDbOrJetCacheBoth();        long start2 = System.currentTimeMillis();        for (int i = 0; i < 20; i++) {            airportCacheDao.getAllFromDbOrJetCacheBoth();        }        long end2 = System.currentTimeMillis();        System.out.println(String.format("通过JetCache二级缓存查询；20次全量数据，耗时：%s ms", end2 - start2));        System.in.read();    }

; O0 F% e( W; ]3 P0 Z0 P4 a~5 C6 `- c  @! q

DAO中的方法

5 [- [" P; c1 s0 n; U8 i    public List getAllFromRedisson() {        List airports;        RBucket airportRList = redissonClient.getBucket(RedisKey.MDMAirportDataList+"_Redisson");        if (airportRList.isExists()) {            //System.out.println("get from cache");            airports = airportRList.get();        } else {            System.out.println("get from db");            airports = iMdBmdmAirportDao.list(null);            airportRList.set(airports);        }        return airports;    }    @Cached(name = RedisKey.MDMAirportDataList+"_JetCache_Remote", cacheType = CacheType.REMOTE, expire = 1000)    public List getAllFromDbOrJetCacheRemote() {        System.out.println("get from db");        List airports;        airports = iMdBmdmAirportDao.list(null);        return airports;    }    @Cached(name = RedisKey.MDMAirportDataList+"_JetCache_Both", cacheType = CacheType.BOTH, expire = 1000)    public List getAllFromDbOrJetCacheBoth() {        System.out.println("get from db");        List airports;        airports = iMdBmdmAirportDao.list(null);        return airports;    }

从对比实验中可看出查询效率差别巨大。

7 E  Y) Z: m0 X, \0 |* h说明：: {: F1 o; n