Redis+Caffeine两级缓存，让访问速度纵享丝滑

在高性能的服务架构设计中，缓存是一个不可或缺的环节。在实际的项目中，我们通常会将一些热点数据存储到

Redis

或

MemCache

这类缓存中间件中，只有当缓存的访问没有命中时再查询数据库。在提升访问速度的同时，也能降低数据库的压力。

随着不断的发展，这一架构也产生了改进，在一些场景下可能单纯使用

Redis

类的远程缓存已经不够了，还需要进一步配合本地缓存使用，例如

Guava cache

或

Caffeine

，从而再次提升程序的响应速度与服务性能。于是，就产生了使用本地缓存作为一级缓存，再加上远程缓存作为二级缓存的

两级缓存

架构。

在先不考虑并发等复杂问题的情况下，两级缓存的访问流程可以用下面这张图来表示：

优点与问题

那么，使用两级缓存相比单纯使用远程缓存，具有什么优势呢？

• 本地缓存基于本地环境的内存，访问速度非常快，对于一些变更频率低、实时性要求低的数据，可以放在本地缓存中，提升访问速度

• 使用本地缓存能够减少和
  Redis
  类的远程缓存间的数据交互，减少网络I/O开销，降低这一过程中在网络通信上的耗时

但是在设计中，还是要考虑一些问题的，例如数据一致性问题。首先，两级缓存与数据库的数据要保持一致，一旦数据发生了修改，在修改数据库的同时，本地缓存、远程缓存应该同步更新。

另外，如果是分布式环境下，一级缓存之间也会存在一致性问题，当一个节点下的本地缓存修改后，需要通知其他节点也刷新本地缓存中的数据，否则会出现读取到过期数据的情况，这一问题可以通过类似于Redis中的发布/订阅功能解决。

此外，缓存的过期时间、过期策略以及多线程访问的问题也都需要考虑进去，不过我们今天暂时先不考虑这些问题，先看一下如何简单高效的在代码中实现两级缓存的管理。

准备工作

在简单梳理了一下要面对的问题后，下面开始两级缓存的代码实战，我们整合号称最强本地缓存的

Caffeine

作为一级缓存、性能之王的

Redis

作为二级缓存。首先建一个springboot项目，引入缓存要用到的相关的依赖：

<dependency>
 <groupId>com.github.ben-manes.caffeine</groupId>
 <artifactId>caffeine</artifactId>
 <version>2.9.2</version>
</dependency>
<dependency>
 <groupId>org.springframework.boot</groupId>
 <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>
<dependency>
 <groupId>org.springframework.boot</groupId>
 <artifactId>spring-boot-starter-cache</artifactId>
</dependency>
<dependency>
 <groupId>org.apache.commons</groupId>
 <artifactId>commons-pool2</artifactId>
 <version>2.8.1</version>
</dependency>


在

application.yml

中配置

Redis

的连接信息：

spring:
 redis:
 host: 127.0.0.1
 port: 6379
 database: 0
 timeout: 10000ms
 lettuce:
 pool:
 max-active: 8
 max-wait: -1ms
 max-idle: 8
 min-idle: 0


在下面的例子中，我们将使用

RedisTemplate

来对

redis

进行读写操作，

RedisTemplate

使用前需要配置一下

ConnectionFactory

和序列化方式，这一过程比较简单就不贴出代码了，有需要本文全部示例代码的可以在

文末获取

。

下面我们在单机环境下，将按照对业务侵入性的不同程度，分三个版本来实现两级缓存的使用。

V1.0版本

我们可以通过手动操作

Caffeine

中的

Cache

对象来缓存数据，它是一个类似

Map

的数据结构，以

key

作为索引，

value

存储数据。在使用

Cache

前，需要先配置一下相关参数：

@Configuration
public class CaffeineConfig {
 @Bean
 public Cache<String,Object> caffeineCache(){
 return Caffeine.newBuilder()
 .initialCapacity(128)//初始大小
 .maximumSize(1024)//最大数量
 .expireAfterWrite(60, TimeUnit.SECONDS)//过期时间
 .build();
 }
}


简单解释一下

Cache

相关的几个参数的意义：

• initialCapacity
  ：初始缓存空大小

• maximumSize
  ：缓存的最大数量，设置这个值可以避免出现内存溢出

• expireAfterWrite
  ：指定缓存的过期时间，是最后一次写操作后的一个时间，这里

此外，缓存的过期策略也可以通过

expireAfterAccess

或

refreshAfterWrite

指定。

在创建完成

Cache

后，我们就可以在业务代码中注入并使用它了。在没有使用任何缓存前，一个只有简单的

Service

层代码是下面这样的，只有crud操作：

@Service
@AllArgsConstructor
public class OrderServiceImpl implements OrderService {
 private final OrderMapper orderMapper;

 @Override
 public Order getOrderById(Long id) { 
 Order order = orderMapper.selectOne(new LambdaQueryWrapper<Order>()
 .eq(Order::getId, id)); 
 return order;
 }
 
 @Override
 public void updateOrder(Order order) { 
 orderMapper.updateById(order);
 }
 
 @Override
 public void deleteOrder(Long id) {
 orderMapper.deleteById(id);
 }
}


接下来，对上面的

OrderService

进行改造，在执行正常业务外再加上操作两级缓存的代码，先看改造后的查询操作：

public Order getOrderById(Long id) {
 String key = CacheConstant.ORDER + id;
 Order order = (Order) cache.get(key,
 k -> {
 //先查询 Redis
 Object obj = redisTemplate.opsForValue().get(k);
 if (Objects.nonNull(obj)) {
 log.info("get data from redis");
 return obj;
 }

 // Redis没有则查询 DB
 log.info("get data from database");
 Order myOrder = orderMapper.selectOne(new LambdaQueryWrapper<Order>()
 .eq(Order::getId, id));
 redisTemplate.opsForValue().set(k, myOrder, 120, TimeUnit.SECONDS);
 return myOrder;
 });
 return order;
}


在

Cache

的

get

方法中，会先从缓存中进行查找，如果找到缓存的值那么直接返回。如果没有找到则执行后面的方法，并把结果加入到缓存中。

因此上面的逻辑就是先查找

Caffeine

中的缓存，没有的话查找

Redis

，

Redis

再不命中则查询数据库，写入

Redis

缓存的操作需要手动写入，而

Caffeine

的写入由

get

方法自己完成。

在上面的例子中，设置

Caffeine

的过期时间为60秒，而

Redis

的过期时间为120秒，下面进行测试，首先看第一次接口调用时，进行了数据库的查询：

而在之后60秒内访问接口时，都没有打印打任何sql或自定义的日志内容，说明接口没有查询

Redis

或数据库，直接从

Caffeine

中读取了缓存。

等到距离第一次调用接口进行缓存的60秒后，再次调用接口：

可以看到这时从

Redis

中读取了数据，因为这时

Caffeine

中的缓存已经过期了，但是

Redis

中的缓存没有过期仍然可用。

下面再来看一下修改操作，代码在原先的基础上添加了手动修改

Redis

和

Caffeine

缓存的逻辑：

public void updateOrder(Order order) {
 log.info("update order data");
 String key=CacheConstant.ORDER + order.getId();
 orderMapper.updateById(order);
 //修改 Redis
 redisTemplate.opsForValue().set(key,order,120, TimeUnit.SECONDS);
 // 修改本地缓存
 cache.put(key,order);
}


看一下下面图中接口的调用、以及缓存的刷新过程。可以看到在更新数据后，同步刷新了缓存中的内容，再之后的访问接口时不查询数据库，也可以拿到正确的结果：

最后再来看一下删除操作，在删除数据的同时，手动移除

Reids

和

Caffeine

中的缓存：

public void deleteOrder(Long id) {
 log.info("delete order");
 orderMapper.deleteById(id);
 String key= CacheConstant.ORDER + id;
 redisTemplate.delete(key);
 cache.invalidate(key);
}


我们在删除某个缓存后，再次调用之前的查询接口时，又会出现重新查询数据库的情况：

简单的演示到此为止，可以看到上面这种使用缓存的方式，虽然看起来没什么大问题，但是对代码的入侵性比较强。在业务处理的过程中要由我们频繁的操作两级缓存，会给开发人员带来很大负担。那么，有什么方法能够简化这一过程呢？我们看看下一个版本。

V2.0版本

在

spring

项目中，提供了

CacheManager

接口和一些注解，允许让我们通过注解的方式来操作缓存。先来看一下常用几个注解说明：

• @Cacheable
  ：根据键从缓存中取值，如果缓存存在，那么获取缓存成功之后，直接返回这个缓存的结果。如果缓存不存在，那么执行方法，并将结果放入缓存中。

• @CachePut
  ：不管之前的键对应的缓存是否存在，都执行方法，并将结果强制放入缓存

• @CacheEvict
  ：执行完方法后，会移除掉缓存中的数据。

如果要使用上面这几个注解管理缓存的话，我们就不需要配置V1版本中的那个类型为

Cache

的

Bean

了，而是需要配置

spring

中的

CacheManager

的相关参数，具体参数的配置和之前一样：

@Configuration
public class CacheManagerConfig {
 @Bean
 public CacheManager cacheManager(){
 CaffeineCacheManager cacheManager=new CaffeineCacheManager();
 cacheManager.setCaffeine(Caffeine.newBuilder()
 .initialCapacity(128)
 .maximumSize(1024)
 .expireAfterWrite(60, TimeUnit.SECONDS));
 return cacheManager;
 }
}


然后在启动类上再添加上

@EnableCaching

注解，就可以在项目中基于注解来使用

Caffeine

的缓存支持了。下面，再次对

Service

层代码进行改造。

首先，还是改造查询方法，在方法上添加

@Cacheable

注解：

@Cacheable(value = "order",key = "#id")
//@Cacheable(cacheNames = "order",key = "#p0")
public Order getOrderById(Long id) {
 String key= CacheConstant.ORDER + id;
 //先查询 Redis
 Object obj = redisTemplate.opsForValue().get(key);
 if (Objects.nonNull(obj)){
 log.info("get data from redis");
 return (Order) obj;
 }
 // Redis没有则查询 DB
 log.info("get data from database");
 Order myOrder = orderMapper.selectOne(new LambdaQueryWrapper<Order>()
 .eq(Order::getId, id));
 redisTemplate.opsForValue().set(key,myOrder,120, TimeUnit.SECONDS);
 return myOrder;
}


@Cacheable

注解的属性多达9个，好在我们日常使用时只需要配置两个常用的就可以了。其中

value

和

cacheNames

互为别名关系，表示当前方法的结果会被缓存在哪个

Cache

上，应用中通过

cacheName

来对

Cache

进行隔离，每个

cacheName

对应一个

Cache

实现。

value

和

cacheNames

可以是一个数组，绑定多个

Cache

。

而另一个重要属性

key

，用来指定缓存方法的返回结果时对应的

key

，这个属性支持使用

SpringEL

表达式。通常情况下，我们可以使用下面几种方式作为

key

：

#参数名
#参数对象.属性名
#p参数对应下标


在上面的代码中，我们看到添加了

@Cacheable

注解后，在代码中只需要保留原有的业务处理逻辑和操作

Redis

部分的代码即可，

Caffeine

部分的缓存就交给spring处理了。

下面，我们再来改造一下更新方法，同样，使用

@CachePut

注解后移除掉手动更新

Cache

的操作：

@CachePut(cacheNames = "order",key = "#order.id")
public Order updateOrder(Order order) {
 log.info("update order data");
 orderMapper.updateById(order);
 //修改 Redis
 redisTemplate.opsForValue().set(CacheConstant.ORDER + order.getId(),
 order, 120, TimeUnit.SECONDS);
 return order;
}


注意，这里和V1版本的代码有一点区别，在之前的更新操作方法中，是没有返回值的

void

类型，但是这里需要修改返回值的类型，否则会缓存一个空对象到缓存中对应的

key

上。当下次执行查询操作时，会直接返回空对象给调用方，而不会执行方法中查询数据库或

Redis

的操作。

最后，删除方法的改造就很简单了，使用

@CacheEvict

注解，方法中只需要删除

Redis

中的缓存即可：

@CacheEvict(cacheNames = "order",key = "#id")
public void deleteOrder(Long id) {
 log.info("delete order");
 orderMapper.deleteById(id);
 redisTemplate.delete(CacheConstant.ORDER + id);
}


可以看到，借助

spring

中的

CacheManager

和

Cache

相关的注解，对V1版本的代码经过改进后，可以把全手动操作两级缓存的强入侵代码方式，改进为本地缓存交给

spring

管理，

Redis

缓存手动修改的半入侵方式。那么，还能进一步改造，使之成为对业务代码完全无入侵的方式吗？

V3.0版本

模仿

spring

通过注解管理缓存的方式，我们也可以选择自定义注解，然后在切面中处理缓存，从而将对业务代码的入侵降到最低。

首先定义一个注解，用于添加在需要操作缓存的方法上：

@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface DoubleCache {
 String cacheName();
 String key(); //支持springEl表达式
 long l2TimeOut() default 120;
 CacheType type() default CacheType.FULL;
}


我们使用

cacheName + key

作为缓存的真正

key

（仅存在一个

Cache

中，不做

CacheName

隔离），

l2TimeOut

为可以设置的二级缓存

Redis

的过期时间，

type

是一个枚举类型的变量，表示操作缓存的类型，枚举类型定义如下：

public enum CacheType {
 FULL, //存取
 PUT, //只存
 DELETE //删除
}


因为要使

key

支持

springEl

表达式，所以需要写一个方法，使用表达式解析器解析参数：

public static String parse(String elString, TreeMap<String,Object> map){
 elString=String.format(&quot;#{%s}&quot;,elString);
 //创建表达式解析器
 ExpressionParser parser = new SpelExpressionParser();
 //通过evaluationContext.setVariable可以在上下文中设定变量。
 EvaluationContext context = new StandardEvaluationContext();
 map.entrySet().forEach(entry->
 context.setVariable(entry.getKey(),entry.getValue())
 );

 //解析表达式
 Expression expression = parser.parseExpression(elString, new TemplateParserContext());
 //使用Expression.getValue()获取表达式的值，这里传入了Evaluation上下文
 String value = expression.getValue(context, String.class);
 return value;
}


参数中的

elString

对应的就是注解中

key

的值，

map

是将原方法的参数封装后的结果。简单进行一下测试：

public void test() {
 String elString="#order.money";
 String elString2="#user";
 String elString3="#p0"; 

 TreeMap<String,Object> map=new TreeMap<>();
 Order order = new Order();
 order.setId(111L);
 order.setMoney(123D);
 map.put(&quot;order&quot;,order);
 map.put(&quot;user&quot;,&quot;Hydra&quot;);

 String val = parse(elString, map);
 String val2 = parse(elString2, map);
 String val3 = parse(elString3, map);

 System.out.println(val);
 System.out.println(val2);
 System.out.println(val3);
}


执行结果如下，可以看到支持按照参数名称、参数对象的属性名称读取，但是不支持按照参数下标读取，暂时留个小坑以后再处理。

123.0
Hydra
null


至于

Cache

相关参数的配置，我们沿用V1版本中的配置即可。准备工作做完了，下面我们定义切面，在切面中操作

Cache

来读写

Caffeine

的缓存，操作

RedisTemplate

读写

Redis

缓存。

@Slf4j @Component @Aspect 
@AllArgsConstructor
public class CacheAspect {
 private final Cache cache;
 private final RedisTemplate redisTemplate;

 @Pointcut("@annotation(com.cn.dc.annotation.DoubleCache)")
 public void cacheAspect() {
 }

 @Around("cacheAspect()")
 public Object doAround(ProceedingJoinPoint point) throws Throwable {
 MethodSignature signature = (MethodSignature) point.getSignature();
 Method method = signature.getMethod();

 //拼接解析springEl表达式的map
 String[] paramNames = signature.getParameterNames();
 Object[] args = point.getArgs();
 TreeMap<String, Object> treeMap = new TreeMap<>();
 for (int i = 0; i < paramNames.length; i++) {
 treeMap.put(paramNames[i],args[i]);
 }

 DoubleCache annotation = method.getAnnotation(DoubleCache.class);
 String elResult = ElParser.parse(annotation.key(), treeMap);
 String realKey = annotation.cacheName() + CacheConstant.COLON + elResult;

 //强制更新
 if (annotation.type()== CacheType.PUT){
 Object object = point.proceed();
 redisTemplate.opsForValue().set(realKey, object,annotation.l2TimeOut(), TimeUnit.SECONDS);
 cache.put(realKey, object);
 return object;
 }
 //删除
 else if (annotation.type()== CacheType.DELETE){
 redisTemplate.delete(realKey);
 cache.invalidate(realKey);
 return point.proceed();
 }

 //读写，查询Caffeine
 Object caffeineCache = cache.getIfPresent(realKey);
 if (Objects.nonNull(caffeineCache)) {
 log.info(&quot;get data from caffeine&quot;);
 return caffeineCache;
 }

 //查询Redis
 Object redisCache = redisTemplate.opsForValue().get(realKey);
 if (Objects.nonNull(redisCache)) {
 log.info(&quot;get data from redis&quot;);
 cache.put(realKey, redisCache);
 return redisCache;
 }

 log.info(&quot;get data from database&quot;);
 Object object = point.proceed();
 if (Objects.nonNull(object)){
 //写入Redis
 redisTemplate.opsForValue().set(realKey, object,annotation.l2TimeOut(), TimeUnit.SECONDS);
 //写入Caffeine
 cache.put(realKey, object); 
 }
 return object;
 }
}


切面中主要做了下面几件工作：

• 通过方法的参数，解析注解中
  key
  的
  springEl
  表达式，组装真正缓存的
  key

• 根据操作缓存的类型，分别处理存取、只存、删除缓存操作

• 删除和强制更新缓存的操作，都需要执行原方法，并进行相应的缓存删除或更新操作

• 存取操作前，先检查缓存中是否有数据，如果有则直接返回，没有则执行原方法，并将结果存入缓存

修改

Service

层代码，代码中只保留原有业务代码，再添加上我们自定义的注解就可以了：

@DoubleCache(cacheName = "order", key = "#id",
 type = CacheType.FULL)
public Order getOrderById(Long id) {
 Order myOrder = orderMapper.selectOne(new LambdaQueryWrapper<Order>()
 .eq(Order::getId, id));
 return myOrder;
}

@DoubleCache(cacheName = &quot;order&quot;,key = &quot;#order.id&quot;,
 type = CacheType.PUT)
public Order updateOrder(Order order) {
 orderMapper.updateById(order);
 return order;
}

@DoubleCache(cacheName = &quot;order&quot;,key = &quot;#id&quot;,
 type = CacheType.DELETE)
public void deleteOrder(Long id) {
 orderMapper.deleteById(id);
}


到这里，基于切面操作缓存的改造就完成了，

Service

的代码也瞬间清爽了很多，让我们可以继续专注于业务逻辑处理，而不用费心去操作两级缓存了。

总结

本文按照对业务入侵的递减程度，依次介绍了三种管理两级缓存的方法。至于在项目中是否需要使用二级缓存，需要考虑自身业务情况，如果Redis这种远程缓存已经能够满足你的业务需求，那么就没有必要再使用本地缓存了。毕竟实际使用起来远没有那么简单，本文中只是介绍了最基础的使用，实际中的并发问题、事务的回滚问题都需要考虑，还需要思考什么数据适合放在一级缓存、什么数据适合放在二级缓存等等的其他问题。

那么，这次的分享就到这里，我是Hydra，下期见。

本文的全部代码示例已传到了Hydra的

Github

上，公众号

码农参上

后台回复

缓存

获取链接

作者简介，码农参上，一个热爱分享的公众号，有趣、深入、直接，与你聊聊技术。欢迎添加好友，进一步交流。