快捷導(dǎo)航

SpringBoot多級(jí)緩存實(shí)現(xiàn)方案總結(jié)

更新時(shí)間：2023年08月08日 10:33:44 作者：shepherd111

所謂多級(jí)緩存,是指在整個(gè)系統(tǒng)架構(gòu)的不同系統(tǒng)層面進(jìn)行數(shù)據(jù)緩存,以提升訪(fǎng)問(wèn)速度,多級(jí)緩存就是為了解決項(xiàng)目服務(wù)中單一緩存使用不足的缺點(diǎn),本文我們將給大家總結(jié)了SpringBoot多級(jí)緩存實(shí)現(xiàn)方案,需要的朋友可以參考下

1.背景

緩存，就是讓數(shù)據(jù)更接近使用者，讓訪(fǎng)問(wèn)速度加快，從而提升系統(tǒng)性能。工作機(jī)制大概是先從緩存中加載數(shù)據(jù)，如果沒(méi)有，再?gòu)穆僭O(shè)備(eg:數(shù)據(jù)庫(kù))中加載數(shù)據(jù)并同步到緩存中。

所謂多級(jí)緩存，是指在整個(gè)系統(tǒng)架構(gòu)的不同系統(tǒng)層面進(jìn)行數(shù)據(jù)緩存，以提升訪(fǎng)問(wèn)速度。主要分為三層緩存：網(wǎng)關(guān)nginx緩存、分布式緩存、本地緩存。這里的多級(jí)緩存就是用redis分布式緩存+caffeine本地緩存整合而來(lái)。

平時(shí)我們?cè)陂_(kāi)發(fā)過(guò)程中，一般都是使用redis實(shí)現(xiàn)分布式緩存、caffeine操作本地緩存，但是發(fā)現(xiàn)只使用redis或者是caffeine實(shí)現(xiàn)緩存都有一些問(wèn)題：

一級(jí)緩存：Caffeine是一個(gè)一個(gè)高性能的 Java 緩存庫(kù)；使用 Window TinyLfu 回收策略，提供了一個(gè)近乎最佳的命中率。優(yōu)點(diǎn)數(shù)據(jù)就在應(yīng)用內(nèi)存所以速度快。缺點(diǎn)受應(yīng)用內(nèi)存的限制，所以容量有限；沒(méi)有持久化，重啟服務(wù)后緩存數(shù)據(jù)會(huì)丟失；在分布式環(huán)境下緩存數(shù)據(jù)數(shù)據(jù)無(wú)法同步；
二級(jí)緩存：redis是一高性能、高可用的key-value數(shù)據(jù)庫(kù)，支持多種數(shù)據(jù)類(lèi)型，支持集群，和應(yīng)用服務(wù)器分開(kāi)部署易于橫向擴(kuò)展。優(yōu)點(diǎn)支持多種數(shù)據(jù)類(lèi)型，擴(kuò)容方便；有持久化，重啟應(yīng)用服務(wù)器緩存數(shù)據(jù)不會(huì)丟失；他是一個(gè)集中式緩存，不存在在應(yīng)用服務(wù)器之間同步數(shù)據(jù)的問(wèn)題。缺點(diǎn)每次都需要訪(fǎng)問(wèn)redis存在IO浪費(fèi)的情況。

綜上所述，我們可以通過(guò)整合redis和caffeine實(shí)現(xiàn)多級(jí)緩存，解決上面單一緩存的痛點(diǎn)，從而做到相互補(bǔ)足。

2.整合實(shí)現(xiàn)

2.1思路

Spring 本來(lái)就提供了Cache的支持，最核心的就是實(shí)現(xiàn)Cache和CacheManager接口。但是Spring Cache存在以下問(wèn)題：

Spring Cache 僅支持單一的緩存來(lái)源，即：只能選擇 Redis 實(shí)現(xiàn)或者 Caffeine 實(shí)現(xiàn)，并不能同時(shí)使用。
數(shù)據(jù)一致性：各層緩存之間的數(shù)據(jù)一致性問(wèn)題，如應(yīng)用層緩存和分布式緩存之前的數(shù)據(jù)一致性問(wèn)題。

由此我們可以通過(guò)重新實(shí)現(xiàn)Cache和CacheManager接口，整合redis和caffeine，從而實(shí)現(xiàn)多級(jí)緩存。在講實(shí)現(xiàn)原理之前先看看多級(jí)緩存調(diào)用邏輯圖：

2.2實(shí)現(xiàn)

首先，我們需要一個(gè)多級(jí)緩存配置類(lèi)，方便對(duì)緩存屬性的動(dòng)態(tài)配置，通過(guò)開(kāi)關(guān)做到可插拔。

@ConfigurationProperties(prefix = "multilevel.cache")
@Data
public class MultilevelCacheProperties {
?
 ? ?/**
 ? ? * 一級(jí)本地緩存最大比例
 ? ? */
 ? ?private Double maxCapacityRate = 0.2;
?
 ? ?/**
 ? ? * 一級(jí)本地緩存與最大緩存初始化大小比例
 ? ? */
 ? ?private Double initRate = 0.5;
?
 ? ?/**
 ? ? * 消息主題
 ? ? */
 ? ?private String topic = "multilevel-cache-topic";
?
 ? ?/**
 ? ? * 緩存名稱(chēng)
 ? ? */
 ? ?private String name = "multilevel-cache";
?
 ? ?/**
 ? ? * 一級(jí)本地緩存名稱(chēng)
 ? ? */
 ? ?private String caffeineName = "multilevel-caffeine-cache";
?
 ? ?/**
 ? ? * 二級(jí)緩存名稱(chēng)
 ? ? */
 ? ?private String redisName = "multilevel-redis-cache";
?
 ? ?/**
 ? ? * 一級(jí)本地緩存過(guò)期時(shí)間
 ? ? */
 ? ?private Integer caffeineExpireTime = 300;
?
 ? ?/**
 ? ? * 二級(jí)緩存過(guò)期時(shí)間
 ? ? */
 ? ?private Integer redisExpireTime = 600;
?
?
 ? ?/**
 ? ? * 一級(jí)緩存開(kāi)關(guān)
 ? ? */
 ? ?private Boolean caffeineSwitch = true;
?
}

在自動(dòng)配置類(lèi)使用 @EnableConfigurationProperties(MultilevelCacheProperties.class) 注入即可使用。

接下來(lái)就是重新實(shí)現(xiàn)spring的Cache接口，整合caffeine本地緩存和redis分布式緩存實(shí)現(xiàn)多級(jí)緩存

package com.plasticene.boot.cache.core.manager;
?
import com.plasticene.boot.cache.core.listener.CacheMessage;
import com.plasticene.boot.cache.core.prop.MultilevelCacheProperties;
import com.plasticene.boot.common.executor.plasticeneThreadExecutor;
import lombok.extern.slf4j.Slf4j;
import org.springframework.cache.caffeine.CaffeineCache;
import org.springframework.cache.support.AbstractValueAdaptingCache;
import org.springframework.data.redis.cache.RedisCache;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.lang.NonNull;
import org.springframework.util.Assert;
?
import javax.annotation.Resource;
import java.util.Objects;
import java.util.concurrent.*;
?
/**
 * @author fjzheng
 * @version 1.0
 * @date 2022/7/20 17:03
 */
@Slf4j
public class MultilevelCache extends AbstractValueAdaptingCache {
?
 ? ?@Resource
 ? ?private MultilevelCacheProperties multilevelCacheProperties;
 ? ?@Resource
 ? ?private RedisTemplate redisTemplate;
?
?
 ? ?ExecutorService cacheExecutor = new plasticeneThreadExecutor(
 ? ? ? ? ? ?Runtime.getRuntime().availableProcessors() * 2,
 ? ? ? ? ? ?Runtime.getRuntime().availableProcessors() * 20,
 ? ? ? ? ? ?Runtime.getRuntime().availableProcessors() * 200,
 ? ? ? ? ? "cache-pool"
 ?  );
?
 ? ?private RedisCache redisCache;
 ? ?private CaffeineCache caffeineCache;
?
 ? ?public MultilevelCache(boolean allowNullValues,RedisCache redisCache, CaffeineCache caffeineCache) {
 ? ? ? ?super(allowNullValues);
 ? ? ? ?this.redisCache = redisCache;
 ? ? ? ?this.caffeineCache = caffeineCache;
 ?  }
?
?
 ? ?@Override
 ? ?public String getName() {
 ? ? ? ?return multilevelCacheProperties.getName();
?
 ?  }
?
 ? ?@Override
 ? ?public Object getNativeCache() {
 ? ? ? ?return null;
 ?  }
?
 ? ?@Override
 ? ?public <T> T get(Object key, Callable<T> valueLoader) {
 ? ? ? ?Object value = lookup(key);
 ? ? ? ?return (T) value;
 ?  }
?
 ? ?/**
 ? ? *  注意：redis緩存的對(duì)象object必須序列化 implements Serializable, 不然緩存對(duì)象不成功。
 ? ? *  注意：這里asyncPublish()方法是異步發(fā)布消息，然后讓分布式其他節(jié)點(diǎn)清除本地緩存,防止當(dāng)前節(jié)點(diǎn)因更新覆蓋數(shù)據(jù)而其他節(jié)點(diǎn)本地緩存保存是臟數(shù)據(jù)
 ? ? *  這樣本地緩存數(shù)據(jù)才能成功存入
 ? ? * @param key
 ? ? * @param value
 ? ? */
 ? ?@Override
 ? ?public void put(@NonNull Object key, Object value) {
 ? ? ? ?redisCache.put(key, value);
 ? ? ? ?// 異步清除本地緩存
 ? ? ? ?if (multilevelCacheProperties.getCaffeineSwitch()) {
 ? ? ? ? ? ?asyncPublish(key, value);
 ? ? ?  }
 ?  }
?
 ? ?/**
 ? ? * key不存在時(shí)，再保存，存在返回當(dāng)前值不覆蓋
 ? ? * @param key
 ? ? * @param value
 ? ? * @return
 ? ? */
 ? ?@Override
 ? ?public ValueWrapper putIfAbsent(@NonNull Object key, Object value) {
 ? ? ? ?ValueWrapper valueWrapper = redisCache.putIfAbsent(key, value);
 ? ? ? ?// 異步清除本地緩存
 ? ? ? ?if (multilevelCacheProperties.getCaffeineSwitch()) {
 ? ? ? ? ? ?asyncPublish(key, value);
 ? ? ?  }
 ? ? ? ?return valueWrapper;
 ?  }
?
?
 ? ?@Override
 ? ?public void evict(Object key) {
 ? ? ? ?// 先清除redis中緩存數(shù)據(jù)，然后通過(guò)消息推送清除所有節(jié)點(diǎn)caffeine中的緩存，
 ? ? ? ?// 避免短時(shí)間內(nèi)如果先清除caffeine緩存后其他請(qǐng)求會(huì)再?gòu)膔edis里加載到caffeine中
 ? ? ? ?redisCache.evict(key);
 ? ? ? ?// 異步清除本地緩存
 ? ? ? ?if (multilevelCacheProperties.getCaffeineSwitch()) {
 ? ? ? ? ? ?asyncPublish(key, null);
 ? ? ?  }
 ?  }
?
 ? ?@Override
 ? ?public boolean evictIfPresent(Object key) {
 ? ? ? ?return false;
 ?  }
?
 ? ?@Override
 ? ?public void clear() {
 ? ? ? ?redisCache.clear();
 ? ? ? ?// 異步清除本地緩存
 ? ? ? ?if (multilevelCacheProperties.getCaffeineSwitch()) {
 ? ? ? ? ? ?asyncPublish(null, null);
 ? ? ?  }
 ?  }
?
?
?
 ? ?@Override
 ? ?protected Object lookup(Object key) {
 ? ? ? ?Assert.notNull(key, "key不可為空");
 ? ? ? ?ValueWrapper value;
 ? ? ? ?if (multilevelCacheProperties.getCaffeineSwitch()) {
 ? ? ? ? ? ?// 開(kāi)啟一級(jí)緩存，先從一級(jí)緩存緩存數(shù)據(jù)
 ? ? ? ? ? ?value = caffeineCache.get(key);
 ? ? ? ? ? ?if (Objects.nonNull(value)) {
 ? ? ? ? ? ? ? ?log.info("查詢(xún)caffeine 一級(jí)緩存 key:{}, 返回值是:{}", key, value.get());
 ? ? ? ? ? ? ? ?return value.get();
 ? ? ? ? ?  }
 ? ? ?  }
 ? ? ? ?value = redisCache.get(key);
 ? ? ? ?if (Objects.nonNull(value)) {
 ? ? ? ? ? ?log.info("查詢(xún)r(jià)edis 二級(jí)緩存 key:{}, 返回值是:{}", key, value.get());
 ? ? ? ? ? ?// 異步將二級(jí)緩存redis寫(xiě)到一級(jí)緩存caffeine
 ? ? ? ? ? ?if (multilevelCacheProperties.getCaffeineSwitch()) {
 ? ? ? ? ? ? ? ?ValueWrapper finalValue = value;
 ? ? ? ? ? ? ? ?cacheExecutor.execute(()->{
 ? ? ? ? ? ? ? ? ? ?caffeineCache.put(key, finalValue.get());
 ? ? ? ? ? ? ?  });
 ? ? ? ? ?  }
 ? ? ? ? ? ?return value.get();
 ? ? ?  }
 ? ? ? ?return null;
 ?  }
?
 ? ?/**
 ? ? * 緩存變更時(shí)通知其他節(jié)點(diǎn)清理本地緩存
 ? ? * 異步通過(guò)發(fā)布訂閱主題消息，其他節(jié)點(diǎn)監(jiān)聽(tīng)到之后進(jìn)行相關(guān)本地緩存操作，防止本地緩存臟數(shù)據(jù)
 ? ? */
 ? ?void asyncPublish(Object key, Object value) {
 ? ? ? ?cacheExecutor.execute(()->{
 ? ? ? ? ? ?CacheMessage cacheMessage = new CacheMessage();
 ? ? ? ? ? ?cacheMessage.setCacheName(multilevelCacheProperties.getName());
 ? ? ? ? ? ?cacheMessage.setKey(key);
 ? ? ? ? ? ?cacheMessage.setValue(value);
 ? ? ? ? ? ?redisTemplate.convertAndSend(multilevelCacheProperties.getTopic(), cacheMessage);
 ? ? ?  });
 ?  }
?
?
?
}
?

緩存消息監(jiān)聽(tīng)：我們通監(jiān)聽(tīng)caffeine鍵值的移除、打印日志方便排查問(wèn)題，通過(guò)監(jiān)聽(tīng)redis發(fā)布的消息，實(shí)現(xiàn)分布式集群多節(jié)點(diǎn)本地緩存清除從而達(dá)到數(shù)據(jù)一致性。

消息體

@Data
public class CacheMessage implements Serializable {
 ? ?private String cacheName;
 ? ?private Object key;
 ? ?private Object value;
 ? ?private Integer type;
}

caffeine移除監(jiān)聽(tīng)：

@Slf4j
public class CaffeineCacheRemovalListener implements RemovalListener<Object, Object> {
 ? ?@Override
 ? ?public void onRemoval(@Nullable Object k, @Nullable Object v, @NonNull RemovalCause cause) {
 ? ? ? ?log.info("[移除緩存] key:{} reason:{}", k, cause.name());
 ? ? ? ?// 超出最大緩存
 ? ? ? ?if (cause == RemovalCause.SIZE) {
?
 ? ? ?  }
 ? ? ? ?// 超出過(guò)期時(shí)間
 ? ? ? ?if (cause == RemovalCause.EXPIRED) {
 ? ? ? ? ? ?// do something
 ? ? ?  }
 ? ? ? ?// 顯式移除
 ? ? ? ?if (cause == RemovalCause.EXPLICIT) {
 ? ? ? ? ? ?// do something
 ? ? ?  }
 ? ? ? ?// 舊數(shù)據(jù)被更新
 ? ? ? ?if (cause == RemovalCause.REPLACED) {
 ? ? ? ? ? ?// do something
 ? ? ?  }
 ?  }
}
?

redis消息監(jiān)聽(tīng)：

@Slf4j
@Data
public class RedisCacheMessageListener implements MessageListener {
?
 ? ?private CaffeineCache caffeineCache;
 ? ?@Override
 ? ?public void onMessage(Message message, byte[] pattern) {
 ? ? ? ?log.info("監(jiān)聽(tīng)的redis message: {}" + message.toString());
 ? ? ? ?CacheMessage cacheMessage = JsonUtils.parseObject(message.toString(), CacheMessage.class);
 ? ? ? ?if (Objects.isNull(cacheMessage.getKey())) {
 ? ? ? ? ? ?caffeineCache.invalidate();
 ? ? ?  } else {
 ? ? ? ? ? ?caffeineCache.evict(cacheMessage.getKey());
 ? ? ?  }
 ?  }
}

最后，通過(guò)自動(dòng)配置類(lèi)，注入相關(guān)bean：

**
 * @author fjzheng
 * @version 1.0
 * @date 2022/7/20 17:24
 */
@Configuration
@EnableConfigurationProperties(MultilevelCacheProperties.class)
public class MultilevelCacheAutoConfiguration {
?
 ? ?@Resource
 ? ?private MultilevelCacheProperties multilevelCacheProperties;
?
 ? ?ExecutorService cacheExecutor = new plasticeneThreadExecutor(
 ? ? ? ? ? ?Runtime.getRuntime().availableProcessors() * 2,
 ? ? ? ? ? ?Runtime.getRuntime().availableProcessors() * 20,
 ? ? ? ? ? ?Runtime.getRuntime().availableProcessors() * 200,
 ? ? ? ? ? ?"cache-pool"
 ?  );
?
 ? ?@Bean
 ? ?@ConditionalOnMissingBean({RedisTemplate.class})
 ? ?public ?RedisTemplate<Object, Object> redisTemplate(RedisConnectionFactory factory) {
 ? ? ? ?RedisTemplate<Object, Object> template = new RedisTemplate<Object, Object>();
 ? ? ? ?template.setConnectionFactory(factory);
 ? ? ? ?template.setKeySerializer(new StringRedisSerializer());
 ? ? ? ?template.setHashKeySerializer(new StringRedisSerializer());
 ? ? ? ?template.setDefaultSerializer(new Jackson2JsonRedisSerializer<>(Object.class));
 ? ? ? ?template.setHashValueSerializer(new Jackson2JsonRedisSerializer<>(Object.class));
 ? ? ? ?return template;
 ?  }
?
 ? ?@Bean
 ? ?public RedisCache redisCache (RedisConnectionFactory redisConnectionFactory) {
 ? ? ? ?RedisCacheWriter redisCacheWriter = RedisCacheWriter.nonLockingRedisCacheWriter(redisConnectionFactory);
 ? ? ? ?RedisCacheConfiguration redisCacheConfiguration = defaultCacheConfig();
 ? ? ? ?redisCacheConfiguration = redisCacheConfiguration.entryTtl(Duration.of(multilevelCacheProperties.getRedisExpireTime(), ChronoUnit.SECONDS));
 ? ? ? ?redisCacheConfiguration = redisCacheConfiguration.serializeKeysWith(RedisSerializationContext.SerializationPair.fromSerializer(new StringRedisSerializer()));
 ? ? ? ?redisCacheConfiguration = redisCacheConfiguration.serializeValuesWith(RedisSerializationContext.SerializationPair.fromSerializer(new GenericJackson2JsonRedisSerializer()));
 ? ? ? ?RedisCache redisCache = new CustomRedisCache(multilevelCacheProperties.getRedisName(), redisCacheWriter, redisCacheConfiguration);
 ? ? ? ?return redisCache;
 ?  }
?
 ? ?/**
 ? ? * 由于Caffeine 不會(huì)再值過(guò)期后立即執(zhí)行清除，而是在寫(xiě)入或者讀取操作之后執(zhí)行少量維護(hù)工作，或者在寫(xiě)入讀取很少的情況下，偶爾執(zhí)行清除操作。
 ? ? * 如果我們項(xiàng)目寫(xiě)入或者讀取頻率很高，那么不用擔(dān)心。如果想入寫(xiě)入和讀取操作頻率較低，那么我們可以通過(guò)Cache.cleanUp()或者加scheduler去定時(shí)執(zhí)行清除操作。
 ? ? * Scheduler可以迅速刪除過(guò)期的元素，***Java 9 +***后的版本，可以通過(guò)Scheduler.systemScheduler(), 調(diào)用系統(tǒng)線(xiàn)程，達(dá)到定期清除的目的
 ? ? * @return
 ? ? */
 ? ?@Bean
 ? ?@ConditionalOnClass(CaffeineCache.class)
 ? ?@ConditionalOnProperty(name = "multilevel.cache.caffeineSwitch", havingValue = "true", matchIfMissing = true)
 ? ?public CaffeineCache caffeineCache() {
 ? ? ? ?int maxCapacity = (int) (Runtime.getRuntime().totalMemory() * multilevelCacheProperties.getMaxCapacityRate());
 ? ? ? ?int initCapacity = (int) (maxCapacity * multilevelCacheProperties.getInitRate());
 ? ? ? ?CaffeineCache caffeineCache = new CaffeineCache(multilevelCacheProperties.getCaffeineName(), Caffeine.newBuilder()
 ? ? ? ? ? ? ? ?// 設(shè)置初始緩存大小
 ? ? ? ? ? ? ?  .initialCapacity(initCapacity)
 ? ? ? ? ? ? ? ?// 設(shè)置最大緩存
 ? ? ? ? ? ? ?  .maximumSize(maxCapacity)
 ? ? ? ? ? ? ? ?// 設(shè)置緩存線(xiàn)程池
 ? ? ? ? ? ? ?  .executor(cacheExecutor)
 ? ? ? ? ? ? ? ?// 設(shè)置定時(shí)任務(wù)執(zhí)行過(guò)期清除操作
// ? ? ? ? ? ? ?  .scheduler(Scheduler.systemScheduler())
 ? ? ? ? ? ? ? ?// 監(jiān)聽(tīng)器(超出最大緩存)
 ? ? ? ? ? ? ?  .removalListener(new CaffeineCacheRemovalListener())
 ? ? ? ? ? ? ? ?// 設(shè)置緩存讀時(shí)間的過(guò)期時(shí)間
 ? ? ? ? ? ? ?  .expireAfterAccess(Duration.of(multilevelCacheProperties.getCaffeineExpireTime(), ChronoUnit.SECONDS))
 ? ? ? ? ? ? ? ?// 開(kāi)啟metrics監(jiān)控
 ? ? ? ? ? ? ?  .recordStats()
 ? ? ? ? ? ? ?  .build());
 ? ? ? ?return caffeineCache;
 ?  }
?
 ? ?@Bean
 ? ?@ConditionalOnBean({CaffeineCache.class, RedisCache.class})
 ? ?public MultilevelCache multilevelCache(RedisCache redisCache, CaffeineCache caffeineCache) {
 ? ? ? ?MultilevelCache multilevelCache = new MultilevelCache(true, redisCache, caffeineCache);
 ? ? ? ?return multilevelCache;
 ?  }
?
 ? ?@Bean
 ? ?public RedisCacheMessageListener redisCacheMessageListener(@Autowired CaffeineCache caffeineCache) {
 ? ? ? ?RedisCacheMessageListener redisCacheMessageListener = new RedisCacheMessageListener();
 ? ? ? ?redisCacheMessageListener.setCaffeineCache(caffeineCache);
 ? ? ? ?return redisCacheMessageListener;
 ?  }
?
?
?
 ? ?@Bean
 ? ?public RedisMessageListenerContainer redisMessageListenerContainer(@Autowired RedisConnectionFactory redisConnectionFactory,
 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? @Autowired RedisCacheMessageListener redisCacheMessageListener) {
 ? ? ? ?RedisMessageListenerContainer redisMessageListenerContainer = new RedisMessageListenerContainer();
 ? ? ? ?redisMessageListenerContainer.setConnectionFactory(redisConnectionFactory);
 ? ? ? ?redisMessageListenerContainer.addMessageListener(redisCacheMessageListener, new ChannelTopic(multilevelCacheProperties.getTopic()));
 ? ? ? ?return redisMessageListenerContainer;
 ?  }
?
}
?

3.使用

使用非常簡(jiǎn)單，只需要通過(guò) multilevelCache 操作即可：

@RestController
@RequestMapping("/api/data")
@Api(tags = "api數(shù)據(jù)")
@Slf4j
public class ApiDataController {
?
 ? ?@Resource
 ? ?private MultilevelCache multilevelCache;
?
 ? ?@GetMapping("/put/cache")
 ? ?public void put() {
 ? ? ? ?DataSource ds = new DataSource();
 ? ? ? ?ds.setName("多級(jí)緩存");
 ? ? ? ?ds.setType(1);
 ? ? ? ?ds.setCreateTime(new Date());
 ? ? ? ?ds.setHost("127.0.0.1");
 ? ? ? ?multilevelCache.put("test-key", ds);
 ?  }
?
 ? ?@GetMapping("/get/cache")
 ? ?public DataSource get() {
 ? ? ? ?DataSource dataSource = multilevelCache.get("test-key", DataSource.class);
 ? ? ? ?return dataSource;
 ?  }
?
}

4.總結(jié)

以上全部就是關(guān)于多級(jí)緩存的實(shí)現(xiàn)方案總結(jié)，多級(jí)緩存就是為了解決項(xiàng)目服務(wù)中單一緩存使用不足的缺點(diǎn)。應(yīng)用場(chǎng)景有：接口權(quán)限校驗(yàn)，每次請(qǐng)求接口都需要根據(jù)當(dāng)前登錄人有哪些角色，角色有哪些權(quán)限，如果每次都去查數(shù)據(jù)庫(kù)性能開(kāi)銷(xiāo)比較嚴(yán)重，再加上權(quán)限一般不怎么會(huì)頻繁變更，所以使用多級(jí)緩存是最合適不過(guò)了；還有就是很多管理系統(tǒng)列表界面都有組織架構(gòu)信息(所屬部門(mén)、小組等)，這些信息同樣可以使用多級(jí)緩存來(lái)完美提升性能。

到此這篇關(guān)于SpringBoot多級(jí)緩存實(shí)現(xiàn)方案總結(jié)的文章就介紹到這了,更多相關(guān)SpringBoot實(shí)現(xiàn)多級(jí)緩存內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: