Redis+Caffeine兩級緩存的實現(xiàn)
在高性能的服務(wù)架構(gòu)設(shè)計中，緩存是一個不可或缺的環(huán)節(jié)。在實際的項目中，我們通常會將一些熱點數(shù)據(jù)存儲到Redis或MemCache這類緩存中間件中，只有當(dāng)緩存的訪問沒有命中時再查詢數(shù)據(jù)庫。在提升訪問速度的同時，也能降低數(shù)據(jù)庫的壓力。
隨著不斷的發(fā)展，這一架構(gòu)也產(chǎn)生了改進(jìn)，在一些場景下可能單純使用Redis類的遠(yuǎn)程緩存已經(jīng)不夠了，還需要進(jìn)一步配合本地緩存使用，例如Guava cache或Caffeine，從而再次提升程序的響應(yīng)速度與服務(wù)性能。于是，就產(chǎn)生了使用本地緩存作為一級緩存，再加上遠(yuǎn)程緩存作為二級緩存的兩級緩存架構(gòu)。
在先不考慮并發(fā)等復(fù)雜問題的情況下，兩級緩存的訪問流程可以用下面這張圖來表示：
優(yōu)點與問題
那么，使用兩級緩存相比單純使用遠(yuǎn)程緩存，具有什么優(yōu)勢呢?
- 本地緩存基于本地環(huán)境的內(nèi)存，訪問速度非常快，對于一些變更頻率低、實時性要求低的數(shù)據(jù)，可以放在本地緩存中，提升訪問速度；
- 使用本地緩存能夠減少和Redis類的遠(yuǎn)程緩存間的數(shù)據(jù)交互，減少網(wǎng)絡(luò)I/O開銷，降低這一過程中在網(wǎng)絡(luò)通信上的耗時 ；
但是在設(shè)計中，還是要考慮一些問題的，例如數(shù)據(jù)一致性問題。首先，兩級緩存與數(shù)據(jù)庫的數(shù)據(jù)要保持一致，一旦數(shù)據(jù)發(fā)生了修改，在修改數(shù)據(jù)庫的同時，本地緩存、遠(yuǎn)程緩存應(yīng)該同步更新。
另外，如果是分布式環(huán)境下，一級緩存之間也會存在一致性問題，當(dāng)一個節(jié)點下的本地緩存修改后，需要通知其他節(jié)點也刷新本地緩存中的數(shù)據(jù)，否則會出現(xiàn)讀取到過期數(shù)據(jù)的情況，這一問題可以通過類似于Redis中的發(fā)布/訂閱功能解決。
此外，緩存的過期時間、過期策略以及多線程訪問的問題也都需要考慮進(jìn)去，不過我們今天暫時先不考慮這些問題，先看一下如何簡單高效的在代碼中實現(xiàn)兩級緩存的管理。
準(zhǔn)備工作
在簡單梳理了一下要面對的問題后，下面開始兩級緩存的代碼實戰(zhàn)，我們整合號稱最強(qiáng)本地緩存的Caffeine作為一級緩存、性能之王的Redis作為二級緩存。首先建一個springboot項目，引入緩存要用到的相關(guān)的依賴：
<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的連接信息：
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，我們將使用RedisTemplate來對redis進(jìn)行讀寫操作，RedisTemplate使用前需要配置一下ConnectionFactory和序列化方式，這一過程比較簡單就不貼出代碼了。
下面我們在單機(jī)環(huán)境下，將按照對業(yè)務(wù)侵入性的不同程度，分三個版本來實現(xiàn)兩級緩存的使用。
V1.0版本
我們可以通過手動操作Caffeine中的Cache對象來緩存數(shù)據(jù)，它是一個類似Map的數(shù)據(jù)結(jié)構(gòu)，以key作為索引，value存儲數(shù)據(jù)。在使用Cache前，需要先配置一下相關(guān)參數(shù)：
@Configuration
public class CaffeineConfig {
@Bean
public Cache<String,Object> caffeineCache(){
return Caffeine.newBuilder()
.initialCapacity(128)//初始大小
.maximumSize(1024)//最大數(shù)量
.expireAfterWrite(60, TimeUnit.SECONDS)//過期時間
.build();
}
}簡單解釋一下Cache相關(guān)的幾個參數(shù)的意義：
- initialCapacity：初始緩存空大?。?/li>
- maximumSize：緩存的最大數(shù)量，設(shè)置這個值可以避免出現(xiàn)內(nèi)存溢出；
- expireAfterWrite：指定緩存的過期時間，是最后一次寫操作后的一個時間，這里；
此外，緩存的過期策略也可以通過expireAfterAccess或refreshAfterWrite指定。
在創(chuàng)建完成Cache后，我們就可以在業(yè)務(wù)代碼中注入并使用它了。在沒有使用任何緩存前，一個只有簡單的Service層代碼是下面這樣的，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);
}
}接下來，對上面的OrderService進(jìn)行改造，在執(zhí)行正常業(yè)務(wù)外再加上操作兩級緩存的代碼，先看改造后的查詢操作：
public Order getOrderById(Long id) {
String key = CacheConstant.ORDER + id;
Order order = (Order) cache.get(key,
k -> {
//先查詢 Redis
Object obj = redisTemplate.opsForValue().get(k);
if (Objects.nonNull(obj)) {
log.info("get data from redis");
return obj;
}
// Redis沒有則查詢 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，會先從緩存中進(jìn)行查找，如果找到緩存的值那么直接返回。如果沒有找到則執(zhí)行后面的方法，并把結(jié)果加入到緩存中。
因此上面的邏輯就是先查找Caffeine中的緩存，沒有的話查找Redis，Redis再不命中則查詢數(shù)據(jù)庫，寫入Redis緩存的操作需要手動寫入，而Caffeine的寫入由get方法自己完成。
在上面的例子中，設(shè)置Caffeine的過期時間為60秒，而Redis的過期時間為120秒，下面進(jìn)行測試，首先看第一次接口調(diào)用時，進(jìn)行了數(shù)據(jù)庫的查詢：
而在之后60秒內(nèi)訪問接口時，都沒有打印打任何sql或自定義的日志內(nèi)容，說明接口沒有查詢Redis或數(shù)據(jù)庫，直接從Caffeine中讀取了緩存。
等到距離第一次調(diào)用接口進(jìn)行緩存的60秒后，再次調(diào)用接口：
可以看到這時從Redis中讀取了數(shù)據(jù)，因為這時Caffeine中的緩存已經(jīng)過期了，但是Redis中的緩存沒有過期仍然可用。
下面再來看一下修改操作，代碼在原先的基礎(chǔ)上添加了手動修改Redis和Caffeine緩存的邏輯：
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);
// 修改本地緩存
cache.put(key,order);
}看一下下面圖中接口的調(diào)用、以及緩存的刷新過程?？梢钥吹皆诟聰?shù)據(jù)后，同步刷新了緩存中的內(nèi)容，在之后的訪問接口時不查詢數(shù)據(jù)庫，也可以拿到正確的結(jié)果：
最后再來看一下刪除操作，在刪除數(shù)據(jù)的同時，手動移除Reids和Caffeine中的緩存：
public void deleteOrder(Long id) {
log.info("delete order");
orderMapper.deleteById(id);
String key= CacheConstant.ORDER + id;
redisTemplate.delete(key);
cache.invalidate(key);
}我們在刪除某個緩存后，再次調(diào)用之前的查詢接口時，又會出現(xiàn)重新查詢數(shù)據(jù)庫的情況：
簡單地演示到此為止，可以看到上面這種使用緩存的方式，雖然看起來沒什么大問題，但是對代碼的入侵性比較強(qiáng)。在業(yè)務(wù)處理的過程中要由我們頻繁地操作兩級緩存，會給開發(fā)人員帶來很大的負(fù)擔(dān)。那么，有什么方法能夠簡化這一過程呢?我們看看下一個版本。
V2.0版本
在spring項目中，提供了CacheManager接口和一些注解，允許讓我們通過注解的方式來操作緩存。先來看一下常用的幾個注解說明：
- @Cacheable：根據(jù)鍵從緩存中取值，如果緩存存在，那么獲取緩存成功之后，直接返回這個緩存的結(jié)果。如果緩存不存在，那么執(zhí)行方法，并將結(jié)果放入緩存中。
- @CachePut：不管之前的鍵對應(yīng)的緩存是否存在，都執(zhí)行方法，并將結(jié)果強(qiáng)制放入緩存。
- @CacheEvict：執(zhí)行完方法后，會移除掉緩存中的數(shù)據(jù)。
如果要使用上面這幾個注解管理緩存的話，我們就不需要配置V1版本中的那個類型為Cache的Bean了，而是需要配置spring中的CacheManager的相關(guān)參數(shù)，具體參數(shù)的配置和之前一樣：
@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;
}
}然后在啟動類上再添加上@EnableCaching注解，就可以在項目中基于注解來使用Caffeine的緩存支持了。下面，再次對Service層代碼進(jìn)行改造。
首先，還是改造查詢方法，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;
//先查詢 Redis
Object obj = redisTemplate.opsForValue().get(key);
if (Objects.nonNull(obj)){
log.info("get data from redis");
return (Order) obj;
}
// Redis沒有則查詢 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注解的屬性多達(dá)9個，好在我們?nèi)粘Ｊ褂脮r只需要配置兩個常用的就可以了。其中value和cacheNames互為別名關(guān)系，表示當(dāng)前方法的結(jié)果會被緩存在哪個Cache上，應(yīng)用中通過cacheName來對Cache進(jìn)行隔離，每個cacheName對應(yīng)一個Cache實現(xiàn)。value和cacheNames可以是一個數(shù)組，綁定多個Cache。
而另一個重要屬性key，用來指定緩存方法的返回結(jié)果時對應(yīng)的key，這個屬性支持使用SpringEL表達(dá)式。通常情況下，我們可以使用下面幾種方式作為key：
#參數(shù)名 #參數(shù)對象.屬性名 #p參數(shù)對應(yīng)下標(biāo)
在上面的代碼中，我們看到添加了@Cacheable注解后，在代碼中只需要保留原有的業(yè)務(wù)處理邏輯和操作Redis部分的代碼即可，Caffeine部分的緩存就交給spring處理了。
下面，我們再來改造一下更新方法，同樣，使用@CachePut注解后移除掉手動更新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，這里和V1版本的代碼有一點區(qū)別，在之前的更新操作方法中，是沒有返回值的void類型，但是這里需要修改返回值的類型，否則會緩存一個空對象到緩存中對應(yīng)的key上。當(dāng)下次執(zhí)行查詢操作時，會直接返回空對象給調(diào)用方，而不會執(zhí)行方法中查詢數(shù)據(jù)庫或Redis的操作。
最后，刪除方法的改造就很簡單了，使用@CacheEvict注解，方法中只需要刪除Redis中的緩存即可：
@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相關(guān)的注解，對V1版本的代碼經(jīng)過改進(jìn)后，可以把全手動操作兩級緩存的強(qiáng)入侵代碼方式，改進(jìn)為本地緩存交給spring管理，Redis緩存手動修改的半入侵方式。那么，還能進(jìn)一步改造，使之成為對業(yè)務(wù)代碼完全無入侵的方式嗎?
V3.0版本
模仿spring通過注解管理緩存的方式，我們也可以選擇自定義注解，然后在切面中處理緩存，從而將對業(yè)務(wù)代碼的入侵降到最低。
首先定義一個注解，用于添加在需要操作緩存的方法上：
@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface DoubleCache {
String cacheName();
String key(); //支持springEl表達(dá)式
long l2TimeOut() default 120;
CacheType type() default CacheType.FULL;
}我們使用cacheName + key作為緩存的真正key(僅存在一個Cache中，不做CacheName隔離)，l2TimeOut為可以設(shè)置的二級緩存Redis的過期時間，type是一個枚舉類型的變量，表示操作緩存的類型，枚舉類型定義如下：
public enum CacheType {
FULL, //存取
PUT, //只存
DELETE //刪除
}因為要使key支持springEl表達(dá)式，所以需要寫一個方法，使用表達(dá)式解析器解析參數(shù)：
public static String parse(String elString, TreeMap<String,Object> map){
elString=String.format("#{%s}",elString);
//創(chuàng)建表達(dá)式解析器
ExpressionParser parser = new SpelExpressionParser();
//通過evaluationContext.setVariable可以在上下文中設(shè)定變量。
EvaluationContext context = new StandardEvaluationContext();
map.entrySet().forEach(entry->
context.setVariable(entry.getKey(),entry.getValue())
);
//解析表達(dá)式
Expression expression = parser.parseExpression(elString, new TemplateParserContext());
//使用Expression.getValue()獲取表達(dá)式的值，這里傳入了Evaluation上下文
String value = expression.getValue(context, String.class);
return value;
}參數(shù)中的elString對應(yīng)的就是注解中key的值，map是將原方法的參數(shù)封裝后的結(jié)果。簡單進(jìn)行一下測試：
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("order",order);
map.put("user","Hydra");
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);
}執(zhí)行結(jié)果如下，可以看到支持按照參數(shù)名稱、參數(shù)對象的屬性名稱讀取，但是不支持按照參數(shù)下標(biāo)讀取，暫時留個小坑以后再處理。
123.0
Hydra
null
至于Cache相關(guān)參數(shù)的配置，我們沿用V1版本中的配置即可。準(zhǔn)備工作做完了，下面我們定義切面，在切面中操作Cache來讀寫Caffeine的緩存，操作RedisTemplate讀寫Redis緩存。
@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表達(dá)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;
//強(qiáng)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;
}
//刪除
else if (annotation.type()== CacheType.DELETE){
redisTemplate.delete(realKey);
cache.invalidate(realKey);
return point.proceed();
}
//讀寫，查詢Caffeine
Object caffeineCache = cache.getIfPresent(realKey);
if (Objects.nonNull(caffeineCache)) {
log.info("get data from caffeine");
return caffeineCache;
}
//查詢Redis
Object redisCache = redisTemplate.opsForValue().get(realKey);
if (Objects.nonNull(redisCache)) {
log.info("get data from redis");
cache.put(realKey, redisCache);
return redisCache;
}
log.info("get data from database");
Object object = point.proceed();
if (Objects.nonNull(object)){
//寫入Redis
redisTemplate.opsForValue().set(realKey, object,annotation.l2TimeOut(), TimeUnit.SECONDS);
//寫入Caffeine
cache.put(realKey, object);
}
return object;
}
}切面中主要做了下面幾件工作：
- 通過方法的參數(shù)，解析注解中key的springEl表達(dá)式，組裝真正緩存的key。
- 根據(jù)操作緩存的類型，分別處理存取、只存、刪除緩存操作。
- 刪除和強(qiáng)制更新緩存的操作，都需要執(zhí)行原方法，并進(jìn)行相應(yīng)的緩存刪除或更新操作。
- 存取操作前，先檢查緩存中是否有數(shù)據(jù)，如果有則直接返回，沒有則執(zhí)行原方法，并將結(jié)果存入緩存。
修改Service層代碼，代碼中只保留原有業(yè)務(wù)代碼，再添加上我們自定義的注解就可以了：
@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 = "order",key = "#order.id",
type = CacheType.PUT)
public Order updateOrder(Order order) {
orderMapper.updateById(order);
return order;
}
@DoubleCache(cacheName = "order",key = "#id",
type = CacheType.DELETE)
public void deleteOrder(Long id) {
orderMapper.deleteById(id);
}到這里，基于切面操作緩存的改造就完成了，Service的代碼也瞬間清爽了很多，讓我們可以繼續(xù)專注于業(yè)務(wù)邏輯處理，而不用費心去操作兩級緩存了。
總結(jié)本文按照對業(yè)務(wù)入侵的遞減程度，依次介紹了三種管理兩級緩存的方法。至于在項目中是否需要使用二級緩存，需要考慮自身業(yè)務(wù)情況，如果Redis這種遠(yuǎn)程緩存已經(jīng)能夠滿足你的業(yè)務(wù)需求，那么就沒有必要再使用本地緩存了。畢竟實際使用起來遠(yuǎn)沒有那么簡單，本文中只是介紹了最基礎(chǔ)的使用，實際中的并發(fā)問題、事務(wù)的回滾問題都需要考慮，還需要思考什么數(shù)據(jù)適合放在一級緩存、什么數(shù)據(jù)適合放在二級緩存等等的其他問題。
到此這篇關(guān)于Redis+Caffeine兩級緩存的實現(xiàn)的文章就介紹到這了,更多相關(guān)Redis Caffeine兩級緩存內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信