当前位置：首页 > news >正文

首页实现多级缓存

news 2025/6/22 13:08:41

缓存设计

缓存对象：需要缓存首先的图片列表数据，也就是对 listPictureVOByPage 接口进行缓存。

缓存三要素：“key、value、过期时间”。

1）缓存 key 设计

由于接口支持传入不同的查询条件，对应的数据不同，因此需要将查询条件作为缓存 key 的一部分。可以将查询条件对象转换为 JSON 字符串，但这个 JSON 会比较长，可以利用哈斯算法（md5) 来压缩 key。此外由于使用分布式缓存，可能由多个项目和业务共享，因此需要在 key 的开头拼接前缀进行隔离。设计出的 key 如下：

picture:listPictureVOByPage:${查询条件key}

2）缓存 value 设计

缓存从数据库中查到的 Page 分页对象，存储为什么格式呢？这里有2中选择：

为了可读性，可以转换为 JSON 结构的字符串。例：{"id":"1","name":"pgs"}
为了压缩空间，可以存为二进制等其他结构

但是对应的 Redis 数据结构都是 string.

3）缓存过期的时间设置

必须设置缓存过期时间！根据实际业务场景和缓存空间的大小、数据的一致性的要求设置，合适即可，此处由于查询条件较多、而且考虑到图片会持续更新，设置为 5 ~ 60 分钟即可。

如何操作 Redis?

Java 中有很多的 Redis 操作库，比如 Jedis、Lettuce 等。为了便于和 Spring 项目集成，Spring还提供了 Spring Data Redis 作为操作 Redis 的更高层抽象（默认使用 Lettuce 作为底层客户端）。由于我们的项目使用 Spring Boot，也推荐使用 Spring Data Redis，开发成本更低。

Caffeine 本地缓存

当应用需要频繁访问某些数据时，可以将这些缓存存到应用内存中（比如 JVM中）；下次访问时，直接从内存读取，而不需要经过网络或其他存储系统。

相比于分布式缓存，本地缓存的速度更快，但是无法在多个服务器间共享数据、而且不方便扩容。

所以本地缓存的应用场景一般是：

数据访问量有限的小型数据集
不需要服务器间共享数据的单机应用
高频、低延迟的访问场景（如用户临时会话信息、短期热点数据）。

对于 Java 项目，Caffeine 是主流的本地缓存技术，拥有极高的性能和丰富的功能。比如可以精确控制缓存数量和大小、支持缓存过期、支持多种缓存淘汰策略、支持异步操作、线程安全等。

多级缓存

多级缓存是指结合本地缓存和分布式缓存的优点，在同一业务场景下构建两级缓存系统，这样可以兼顾本地缓存的高性能、以及分布式缓存的数据一致性和可靠性。

多级缓存的工作流程：

第一级（Caffeine 本地缓存）：优先从本地缓存中读取数据。如果命中，则直接返回。
第二级（Redis 分布式缓存）：如果本地缓存未命中，则查询 Redis 分布式缓存。如果 Redis 命中，则返回数据并更新本地缓存。
数据库查询：如果 Redis 也没有命中，则查询数据库，并将结果写入 Redis 和本地缓存。

多级缓存还有‎一个优势，就是提升了系统的容错性。即使 Re⁢dis 出现故障，本地‍缓存仍可提供服务，减少⁠对数据库的直接依赖。

后端开发

1）引入 Maven 依赖，使用 Spring Boot Stater 快速整合 Redis，引入Caffeine：

 <!-- Redis --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId></dependency>

<!-- 本地缓存 Caffeine -->
<dependency><groupId>com.github.ben-manes.caffeine</groupId><artifactId>caffeine</artifactId><version>3.1.8</version>
</dependency>

2）在 application.yml 中添加 Redis 配置：

spring:redis:database: 0host: 127.0.0.1port: 6379timeout: 5000

3）新写一个使用缓存的分页查询图片列表的接口。在查询数据库前先查询缓存，如果已有数据则直接返回缓存，如果没有数据则查询数据库，并且将结果设置到缓存中。

构造本地缓存，设置缓存容量和过期时间：

private final Cache<String, String> LOCAL_CACHE =Caffeine.newBuilder().initialCapacity(1024).maximumSize(10000L)// 缓存 5 分钟移除.expireAfterWrite(5L, TimeUnit.MINUTES).build();

 @PostMapping("/list/page/vo/cache")public BaseResponse<Page<PictureVO>> listPictureVOByPageWithCache(@RequestBody PictureQueryRequest pictureQueryRequest,HttpServletRequest request){long current = pictureQueryRequest.getCurrent();long size = pictureQueryRequest.getPageSize();// 缓存限制爬虫ThrowUtils.throwIf(size > 20, ErrorCode.PARAMS_ERROR);//普通用户只能看到已过审的数据pictureQueryRequest.setReviewStatus(PictureReviewStatusEnum.PASS.getValue());//构建缓存 keyString queryCondition = JSONUtil.toJsonStr(pictureQueryRequest);String hashKey = DigestUtils.md5DigestAsHex(queryCondition.getBytes());String cacheKey = String.format("pgspicture:listPictureVOByPage:%s", hashKey);//从 Redis 缓存中查询//1.先从本地缓存中查询String cacheValue = LOCAL_CACHE.getIfPresent(cacheKey);if(cacheValue != null){//如果缓存命中，返回结果Page<PictureVO> cachePage = JSONUtil.toBean(cacheValue, Page.class);return ResultUtils.success(cachePage);}//2.本地缓存未命中，查询Redis 分布式缓存ValueOperations<String,String> valueOps = stringRedisTemplate.opsForValue();String cachedValue = valueOps.get(cacheKey);if(cachedValue != null){//如果缓存命中，更新本地缓存，返回结果LOCAL_CACHE.put(cacheKey,cachedValue);Page<PictureVO> cachePage = JSONUtil.toBean(cachedValue, Page.class);return ResultUtils.success(cachePage);}//3.查询数据库Page<Picture> picturePage = pictureService.page(new Page<>(current, size),pictureService.getQueryWrapper(pictureQueryRequest));//获取封装类Page<PictureVO> pictureVOPage = pictureService.getPictureVOPage(picturePage, request);//4.更新缓存//存入 Redis 缓存LOCAL_CACHE.put(cacheKey,cacheValue);cacheValue = JSONUtil.toJsonStr(pictureVOPage);// 5 - 10 分钟随机过期，防止雪崩int cacheExpireTime = 300 + RandomUtil.randomInt(0,300);valueOps.set(cacheKey,cacheValue,cacheExpireTime, TimeUnit.SECONDS);//返回结果return ResultUtils.success(pictureVOPage);}

测试：

没有缓存