在应用程序中，数据一般是存在数据库中（磁盘介质），对于某些被频繁访问的数据，如果每次都访问数据库，不仅涉及到网络io，还受到数据库查询的影响；而目前通常会将频繁使用，并且不经常改变的数据放入缓存中，从缓存中查询数据的效率要高于数据库，因为缓存一般KV形式存储，并且是将数据存在“内存”中，从内存访问数据是相当快的。
对于频繁访问，需要缓存的数据，我们一般是这样做的：
1、当收到查询请求，先去查询缓存，如果缓存中查询到数据，那么直接将查到的数据作为响应数据；
2、如果缓存中没有找到要查询的数据，那么就从其他地方，比如数据库中查询出来，如果从数据库中查到了数据，就将数据放入缓存后，再将数据返回，下一次可以直接从缓存查询；
这里就不进一步探究“缓存穿透”的问题，有兴趣可以自己学习一下。
本文就根据Spring框架分别对ConcurrentHashMap、Guava Cache、Redis进行阐释如何使用，完整代码已上传到github：https://github.com/searchingbeyond/ssm
ConcurrentHashMap是JDK自带的，所以不需要多余的jar包；
使用ConcurrentHashMap，是直接使用将数据存放在内存中，并且没有数据过期的概念，也没有数据容量的限制，所以只要不主动清理数据，那么数据将一直不会减少。
另外，ConcurrentHashMap在多线程情况下也是安全的，不要使用HashMap存缓存数据，因为HashMap在多线程操作时容易出现问题。
下面是user类代码：
package cn.ganlixin.ssm.model.entity;
import lombok.Data;
@Data
public class UserDO {
private Integer id;
private String name;
private Integer age;
private Integer gender;
private String addr;
private Integer status;
}
创建一个UserCache类（类名随意），实现org.springframework.cache.Cache接口，然后override需要实现的接口方法，主要针对getName、get、put、evict这4个方法进行重写。
注意，我在缓存user数据时，指定了缓存的规则：key用的是user的id，value就是user对象的json序列化字符。
package cn.ganlixin.ssm.cache.origin;
import cn.ganlixin.ssm.constant.CacheNameConstants;
import cn.ganlixin.ssm.model.entity.UserDO;
import cn.ganlixin.ssm.util.common.JsonUtils;
import org.apache.commons.lang3.StringUtils;
import org.springframework.cache.Cache;
import org.springframework.cache.support.SimpleValueWrapper;
import org.springframework.stereotype.Component;
import java.util.Map;
import java.util.Objects;
import java.util.concurrent.Callable;
import java.util.concurrent.ConcurrentHashMap;
@Component
public class UserCache implements Cache {
// 使用ConcurrentHashMap作为数据的存储
private Map<String, String> storage = new ConcurrentHashMap<>();
// getName获取cache的名称，存取数据的时候用来区分是针对哪个cache操作
@Override
public String getName() {
return CacheNameConstants.USER_ORIGIN_CACHE;// 我用一个常量类来保存cache名称
}
// put方法，就是执行将数据进行缓存
@Override
public void put(Object key, Object value) {
if (Objects.isNull(value)) {
return;
}
// 注意我在缓存的时候，缓存的值是把对象序列化后的（当然可以修改storage直接存放UserDO类也行）
storage.put(key.toString(), JsonUtils.encode(value, true));
}
// get方法，就是进行查询缓存的操作，注意返回的是一个包装后的值
@Override
public ValueWrapper get(Object key) {
String k = key.toString();
String value = storage.get(k);
// 注意返回的数据，要和存放时接收到数据保持一致，要将数据反序列化回来。
return StringUtils.isEmpty(value) ? null : new SimpleValueWrapper(JsonUtils.decode(value, UserDO.class));
}
// evict方法，是用来清除某个缓存项
@Override
public void evict(Object key) {
storage.remove(key.toString());
}
/*----------------------------下面的方法暂时忽略不管-----------------*/
@Override
public Object getNativeCache() { return null; }
@Override
public void clear() { }
@Override
public <T> T get(Object key, Class<T> type) { return null; }
@Override
public <T> T get(Object key, Callable<T> valueLoader) { return null; }
}
这里就不写贴出UserMapper的代码了，直接看接口就明白了：
package cn.ganlixin.ssm.service;
import cn.ganlixin.ssm.model.entity.UserDO;
public interface UserService {
UserDO findUserById(Integer id);
Boolean removeUser(Integer id);
Boolean addUser(UserDO user);
Boolean modifyUser(UserDO user);
}
实现UserService，代码如下：
package cn.ganlixin.ssm.service.impl;
import cn.ganlixin.ssm.constant.CacheNameConstants;
import cn.ganlixin.ssm.mapper.UserMapper;
import cn.ganlixin.ssm.model.entity.UserDO;
import cn.ganlixin.ssm.service.UserService;
import lombok.extern.slf4j.Slf4j;
import org.springframework.cache.annotation.CacheEvict;
import org.springframework.cache.annotation.Cacheable;
import org.springframework.stereotype.Service;
import javax.annotation.Resource;
import java.util.Objects;
@Service
@Slf4j
public class UserServiceImpl implements UserService {
@Resource
private UserMapper userMapper;
@Override
@Cacheable(value = CacheNameConstants.USER_ORIGIN_CACHE, key = "#id")
public UserDO findUserById(Integer id) {
try {
log.info("从DB查询id为{}的用户", id);
return userMapper.selectById(id);
} catch (Exception e) {
log.error("查询用户数据失败，id:{}, e:{}", id, e);
}
return null;
}
@Override
@CacheEvict(
value = CacheNameConstants.USER_ORIGIN_CACHE,
key = "#id",
condition = "#result != false"
)
public Boolean removeUser(Integer id) {
if (Objects.isNull(id) || id <= 0) {
return false;
}
try {
int cnt = userMapper.deleteUserById(id);
return cnt > 0;
} catch (Exception e) {
log.error("删除用户数据失败，id:{}, e:{}", id, e);
}
return false;
}
@Override
public Boolean addUser(UserDO user) {
if (Objects.isNull(user)) {
log.error("添加用户异常，参数不能为null");
return false;
}
try {
return userMapper.insertUserSelectiveById(user) > 0;
} catch (Exception e) {
log.error("添加用户失败，data:{}, e:{}", user, e);
}
return false;
}
@Override
@CacheEvict(
value = CacheNameConstants.USER_ORIGIN_CACHE,
key = "#user.id",
condition = "#result != false"
)
public Boolean modifyUser(UserDO user) {
if (Objects.isNull(user) || Objects.isNull(user.getId()) || user.getId() <= 0) {
log.error("更新用户异常，参数不合法，data:{}", user);
return false;
}
try {
return userMapper.updateUserSelectiveById(user) > 0;
} catch (Exception e) {
log.error("添加用户失败，data:{}, e:{}", user, e);
}
return false;
}
}
上面方法声明上有@Cachable、@CachePut、@CacheEvict注解，用法如下：
@Cachable注解的方法，先查询缓存中有没有，如果已经被缓存，则从缓存中查询数据并返回给调用方；如果查缓存没有查到数据，就执行被注解的方法（一般是从DB中查询），然后将从DB查询的结果进行缓存，然后将结果返回给调用方；
@CachePut注解的方法，不会查询缓存是否存在要查询的数据，而是每次都执行被注解的方法，然后将结果的返回值先缓存，然后返回给调用方；
@CacheEvict注解的方法，每次都会先执行被注解的方法，然后再将缓存中的缓存项给清除；
这三个注解都有几个参数，分别是value、key、condition，这些参数的含义如下：
value，用来指定将数据放入哪个缓存，比如上面是将数据缓存到UserCache中；
key，表示放入缓存的key，也就是UserCache中的put方法的key；
condition，表示数据进行缓存的条件，condition为true时才会缓存数据；
最后缓存项的值，这个值是指的K-V的V，其实只有@Cachable和@CachePut才需要注意缓存项的值（也就是put方法的value），缓存项的值就是被注解的方法的返回值。
代码如下：
package cn.ganlixin.ssm.controller;
import cn.ganlixin.ssm.enums.ResultStatus;
import cn.ganlixin.ssm.model.Result;
import cn.ganlixin.ssm.model.entity.UserDO;
import cn.ganlixin.ssm.service.UserService;
import org.springframework.web.bind.annotation.*;
import javax.annotation.Resource;
import java.util.Objects;
@RestController
@RequestMapping("/user")
public class UserController {
@Resource
private UserService userService;
@GetMapping(value = "/getUserById")
public Result<UserDO> getUserById(Integer id) {
UserDO data = userService.findUserById(id);
if (Objects.isNull(data)) {
return new Result<>(ResultStatus.DATA_EMPTY.getCode(), ResultStatus.DATA_EMPTY.getMsg(), null);
}
return new Result<>(ResultStatus.OK.getCode(), ResultStatus.OK.getMsg(), data);
}
@PostMapping(value = "removeUser")
public Result<Boolean> removeUser(Integer id) {
Boolean res = userService.removeUser(id);
return res ? new Result<>(ResultStatus.OK.getCode(), ResultStatus.OK.getMsg(), true)
: new Result<>(ResultStatus.FAILED.getCode(), ResultStatus.FAILED.getMsg(), false);
}
@PostMapping(value = "addUser")
public Result<Boolean> addUser(@RequestBody UserDO user) {
Boolean res = userService.addUser(user);
return res ? new Result<>(ResultStatus.OK.getCode(), ResultStatus.OK.getMsg(), true)
: new Result<>(ResultStatus.FAILED.getCode(), ResultStatus.FAILED.getMsg(), false);
}
@PostMapping(value = "modifyUser")
public Result<Boolean> modifyUser(@RequestBody UserDO user) {
Boolean res = userService.modifyUser(user);
return res ? new Result<>(ResultStatus.OK.getCode(), ResultStatus.OK.getMsg(), true)
: new Result<>(ResultStatus.FAILED.getCode(), ResultStatus.FAILED.getMsg(), false);
}
}
使用Guava Cache实现，其实只是替换ConcurrentHashMap，其他的逻辑都是一样的。
Guava是google开源的一个集成包，用途特别广，在Cache也占有一席之地，对于Guava Cache的用法，如果没有用过，可以参考：guava cache使用方式
使用Guava Cache，可以设置缓存的容量以及缓存的过期时间。
仍旧使用之前的示例，重新创建一个Cache实现类，这里对“Book”进行缓存，所以缓存名称为BookCache。
package cn.ganlixin.ssm.cache.guava;
import cn.ganlixin.ssm.constant.CacheNameConstants;
import cn.ganlixin.ssm.model.entity.BookDO;
import com.google.common.cache.Cache;
import com.google.common.cache.CacheBuilder;
import org.springframework.cache.support.SimpleValueWrapper;
import org.springframework.stereotype.Component;
import javax.annotation.PostConstruct;
import java.util.Objects;
import java.util.concurrent.Callable;
import java.util.concurrent.TimeUnit;
/**
* 书籍数据缓存
*/
@Component
public class BookCache implements org.springframework.cache.Cache {
// 下面的Cache是Guava对cache
private Cache<String, BookDO> storage;
@PostConstruct
private void init() {
storage = CacheBuilder.newBuilder()
// 设置缓存的容量为100
.maximumSize(100)
// 设置初始容量为16
.initialCapacity(16)
// 设置过期时间为写入缓存后10分钟过期
.refreshAfterWrite(10, TimeUnit.MINUTES)
.build();
}
@Override
public String getName() {
return CacheNameConstants.BOOK_GUAVA_CACHE;
}
@Override
public ValueWrapper get(Object key) {
if (Objects.isNull(key)) {
return null;
}
BookDO data = storage.getIfPresent(key.toString());
return Objects.isNull(data) ? null : new SimpleValueWrapper(data);
}
@Override
public void evict(Object key) {
if (Objects.isNull(key)) {
return;
}
storage.invalidate(key.toString());
}
@Override
public void put(Object key, Object value) {
if (Objects.isNull(key) || Objects.isNull(value)) {
return;
}
storage.put(key.toString(), (BookDO) value);
}
/*-----------------------忽略下面的方法-----------------*/
@Override
public <T> T get(Object key, Class<T> type) { return null; }
@Override
public Object getNativeCache() { return null; }
@Override
public <T> T get(Object key, Callable<T> valueLoader) { return null; }
@Override
public void clear() { }
}
由于ConcurrentHashMap和Guava Cache都是将数据直接缓存在服务主机上，很显然，缓存数据量的多少和主机的内存直接相关，一般不会用来缓存特别大的数据量；
而比较大的数据量，我们一般用Redis进行缓存。
使用Redis整合Spring Cache，其实和ConcurrentHashMap和Guava Cache一样，只是在实现Cache接口的类中，使用Redis进行存储接口。
建议自己搭建一个redis测试集群，可以参考：
redis配置如下（application.properties)
#redis集群的节点信息 redis.cluster.nodes=192.168.1.3:6379,192.168.1.4:6379,192.168.1.5:6379 # redis连接池的配置 redis.cluster.pool.max-active=8 redis.cluster.pool.max-idle=5 redis.cluster.pool.min-idle=3
代码如下：
package cn.ganlixin.ssm.config;
import org.apache.commons.collections4.CollectionUtils;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import redis.clients.jedis.HostAndPort;
import redis.clients.jedis.JedisCluster;
import redis.clients.jedis.JedisPoolConfig;
import java.util.Set;
import java.util.stream.Collectors;
@Configuration
public class RedisClusterConfig {
private static final Logger log = LoggerFactory.getLogger(RedisClusterConfig.class);
@Value("${redis.cluster.nodes}")
private Set<String> redisNodes;
@Value("${redis.cluster.pool.max-active}")
private int maxTotal;
@Value("${redis.cluster.pool.max-idle}")
private int maxIdle;
@Value("${redis.cluster.pool.min-idle}")
private int minIdle;
// 初始化redis配置
@Bean
public JedisCluster redisCluster() {
if (CollectionUtils.isEmpty(redisNodes)) {
throw new RuntimeException();
}
// 设置redis集群的节点信息
Set<HostAndPort> nodes = redisNodes.stream().map(node -> {
String[] nodeInfo = node.split(":");
if (nodeInfo.length == 2) {
return new HostAndPort(nodeInfo[0], Integer.parseInt(nodeInfo[1]));
} else {
return new HostAndPort(nodeInfo[0], 6379);
}
}).collect(Collectors.toSet());
// 配置连接池
JedisPoolConfig jedisPoolConfig = new JedisPoolConfig();
jedisPoolConfig.setMaxTotal(maxTotal);
jedisPoolConfig.setMaxIdle(maxIdle);
jedisPoolConfig.setMinIdle(minIdle);
// 创建jediscluster，传入节点列表和连接池配置
JedisCluster cluster = new JedisCluster(nodes, jedisPoolConfig);
log.info("finish jedis cluster initailization");
return cluster;
}
}
只需要在涉及到数据操作的时候，使用上面的jedisCluster即可，这里存在redis的数据，我设置为Music，所以叫做music cache：
package cn.ganlixin.ssm.cache.redis;
import cn.ganlixin.ssm.constant.CacheNameConstants;
import cn.ganlixin.ssm.model.entity.MusicDO;
import cn.ganlixin.ssm.util.common.JsonUtils;
import com.google.common.base.Joiner;
import org.apache.commons.lang3.StringUtils;
import org.springframework.cache.Cache;
import org.springframework.cache.support.SimpleValueWrapper;
import org.springframework.stereotype.Component;
import redis.clients.jedis.JedisCluster;
import javax.annotation.Resource;
import java.util.Objects;
import java.util.concurrent.Callable;
@Component
public class MusicCache implements Cache {
// 使用自定义的redisCluster
@Resource
private JedisCluster redisCluster;
/**
* 构建redis缓存的key
*
* @param type 类型
* @param params 参数（不定长）
* @return 构建的key
*/
private String buildKey(String type, Object... params) {
// 自己设定构建方式
return Joiner.on("_").join(type, params);
}
@Override
public String getName() {
return CacheNameConstants.MUSIC_REDIS_CACHE;
}
@Override
public void put(Object key, Object value) {
if (Objects.isNull(value)) {
return;
}
// 自己定义数据类型和格式
redisCluster.set(buildKey("music", key), JsonUtils.encode(value, true));
}
@Override
public ValueWrapper get(Object key) {
if (Objects.isNull(key)) {
return null;
}
// 自己定义数据类型和格式
String music = redisCluster.get(buildKey("music", key));
return StringUtils.isEmpty(music) ? null : new SimpleValueWrapper(JsonUtils.decode(music, MusicDO.class));
}
@Override
public void evict(Object key) {
if (Objects.isNull(key)) {
return;
}
redisCluster.del(buildKey("music", key));
}
@Override
public <T> T get(Object key, Class<T> type) { return null; }
@Override
public <T> T get(Object key, Callable<T> valueLoader) { return null; }
@Override
public void clear() { }
@Override
public Object getNativeCache() { return null; }
}
使用spring cache的便捷之处在于@Cachable、@CachePut、@CacheEvict等几个注解的使用，可以让数据的处理变得更加的便捷，但其实，也并不是很便捷，因为我们需要对数据的存储格式进行设定，另外还要根据不同情况来选择使用哪一种缓存（ConcurrentHashMap、Guava Cache、Redis？）；
其实使用@Cachable、@CachePut、@CacheEvict也有很多局限的地方，比如删除某项数据的时候，我希望清空多个缓存，因为这一项数据关联的数据比较多，此时要么在实现spring cache的接口方法上进行这些操作，但是这就涉及到在一个cache service中操作另外一个cache。
针对上面说的情况，就不推荐使用spring cache，而是应该自己手动实现缓存的处理，这样可以做到条理清晰；但是一般的情况，spring cache已经能够胜任了。
Spring配置cache（concurrentHashMap，guava cache、redis实现）附源码
原文：https://www.cnblogs.com/-beyond/p/12436704.html