最近负责教育类产品的架构工作，两位研发同学建议：“团队封装的Redis客户端可否适配Spring Cache，这样加缓存就会方便多了” 。

于是边查阅文档边实战，收获颇丰，写这篇文章，想和大家分享笔者学习的过程，一起品味Spring Cache设计之美。

1 硬编码

在学习Spring Cache之前，笔者经常会硬编码的方式使用缓存。

举个例子，为了提升用户信息的查询效率，我们对用户信息使用了缓存，示例代码如下：

@Autowireprivate UserMapper userMapper;@Autowireprivate StringCommand stringCommand;//查询用户public User getUserById(Long userId) {String cacheKey = "userId_" + userId;User user=stringCommand.get(cacheKey);if(user != null) {return user;}user = userMapper.getUserById(userId);if(user != null) {stringCommand.set(cacheKey，user);return user;}//修改用户public void updateUser(User user){userMapper.updateUser(user);String cacheKey = "userId_" + userId.getId();stringCommand.set(cacheKey , user);}//删除用户public void deleteUserById(Long userId){userMapper.deleteUserById(userId);String cacheKey = "userId_" + userId.getId();stringCommand.del(cacheKey);}}

相信很多同学都写过类似风格的代码，这种风格符合面向过程的编程思维，非常容易理解。但它也有一些缺点：

代码不够优雅。业务逻辑有四个典型动作：存储，读取，修改，删除。每次操作都需要定义缓存Key ，调用缓存命令的API，产生较多的重复代码；
缓存操作和业务逻辑之间的代码耦合度高，对业务逻辑有较强的侵入性。

侵入性主要体现如下两点：
- 某些场景下，需要更换缓存组件，每个缓存组件有自己的API，更换成本颇高。

2 缓存抽象

首先需要明确一点：Spring Cache不是一个具体的缓存实现方案，而是一个对缓存使用的抽象(Cache Abstraction)。

2.1 Spring AOP

Spring AOP是基于代理模式（proxy-based）。

通常情况下，定义一个对象，调用它的方法的时候，方法是直接被调用的。

Pojo pojo = new SimplePojo();pojo.foo();

将代码做一些调整，pojo对象的引用修改成代理类。

ProxyFactory factory = new ProxyFactory(new SimplePojo());factory.addInterface(Pojo.class);factory.addAdvice(new RetryAdvice());Pojo pojo = (Pojo) factory.getProxy();//this is a method call on the proxy!pojo.foo();

调用pojo的foo方法的时候，实际上是动态生成的代理类调用foo方法。

代理类在方法调用前可以获取方法的参数，当调用方法结束后，可以获取调用该方法的返回值，通过这种方式就可以实现缓存的逻辑。

2.2 缓存声明

缓存声明，也就是标识需要缓存的方法以及缓存策略。

Spring Cache 提供了五个注解。

@Cacheable：根据方法的请求参数对其结果进行缓存，下次同样的参数来执行该方法时可以直接从缓存中获取结果，而不需要再次执行该方法；
@CachePut：根据方法的请求参数对其结果进行缓存，它每次都会触发真实方法的调用；
@CacheEvict：根据一定的条件删除缓存；
@Caching：组合多个缓存注解；
@CacheConfig：类级别共享缓存相关的公共配置。

我们重点讲解：@Cacheable，@CachePut，@CacheEvict三个核心注解。

2.2.1 @Cacheable注解

@Cacheble注解表示这个方法有了缓存的功能。

@Cacheable(value="user_cache",key="#userId", unless="#result == null")public User getUserById(Long userId) {User user = userMapper.getUserById(userId);return user;}

上面的代码片段里，

getUserById

方法和缓存

user_cache

关联起来，若方法返回的User对象不为空，则缓存起来。第二次相同参数userId调用该方法的时候，直接从缓存中获取数据，并返回。

▍ 缓存key的生成

我们都知道，缓存的本质是

key-value

存储模式，每一次方法的调用都需要生成相应的Key, 才能操作缓存。

通常情况下，@Cacheable有一个属性key可以直接定义缓存key，开发者可以使用SpEL语言定义key值。

若没有指定属性key，缓存抽象提供了

KeyGenerator

来生成key ，默认的生成器代码见下图：

它的算法也很容易理解：

如果没有参数，则直接返回SimpleKey.EMPTY；
如果只有一个参数，则直接返回该参数；
若有多个参数，则返回包含多个参数的SimpleKey对象。

当然Spring Cache也考虑到需要自定义Key生成方式，需要我们实现

org.springframework.cache.interceptor.KeyGenerator

接口。

Object generate(Object target, Method method, Object... params);

然后指定@Cacheable的keyGenerator属性。

@Cacheable(value="user_cache", keyGenerator="myKeyGenerator", unless="#result == null")public User getUserById(Long userId)

▍ 缓存条件

有的时候，方法执行的结果是否需要缓存，依赖于方法的参数或者方法执行后的返回值。

注解里可以通过

condition

属性，通过Spel表达式返回的结果是true 还是false 判断是否需要缓存。

@Cacheable(cacheNames="book", condition="#name.length() < 32")public Book findBook(String name)

上面的代码片段里，当参数的长度小于32，方法执行的结果才会缓存。

除了condition，

unless

属性也可以决定结果是否缓存，不过是在执行方法后。

@Cacheable(value="user_cache",key="#userId", unless="#result == null")public User getUserById(Long userId) {

上面的代码片段里，当返回的结果为null则不缓存。

2.2.2 @CachePut注解

@CachePut注解作用于缓存需要被更新的场景，和 @Cacheable 非常相似，但被注解的方法每次都会被执行。

返回值是否会放入缓存，依赖于condition和unless，默认情况下结果会存储到缓存。

@CachePut(value = "user_cache", key="#user.id", unless = "#result != null")public User updateUser(User user) {userMapper.updateUser(user);return user;}

当调用updateUser方法时，每次方法都会被执行，但是因为unless属性每次都是true，所以并没有将结果缓存。当去掉unless属性，则结果会被缓存。

2.2.3 @CacheEvict注解

@CacheEvict 注解的方法在调用时会从缓存中移除已存储的数据。

@CacheEvict(value = "user_cache", key = "#id")public void deleteUserById(Long id) {userMapper.deleteUserById(id);}

当调用deleteUserById方法完成后，缓存key等于参数id的缓存会被删除，而且方法的返回的类型是Void ，这和@Cacheable明显不同。

2.3 缓存配置

Spring Cache是一个对缓存使用的抽象，它提供了多种存储集成。

要使用它们，需要简单地声明一个适当的

CacheManager

– 一个控制和管理

Cache

的实体。

我们以Spring Cache默认的缓存实现Simple例子，简单探索下CacheManager的机制。

CacheManager非常简单：

public interface CacheManager {@NullableCache getCache(String name);Collection<String> getCacheNames();}

在CacheConfigurations配置类中，可以看到不同集成类型有不同的缓存配置类。

通过SpringBoot的自动装配机制，创建CacheManager的实现类

ConcurrentMapCacheManager

。

而

ConcurrentMapCacheManager

的getCache方法，会创建

ConcurrentCacheMap

。

ConcurrentCacheMap

实现了

org.springframework.cache.Cache

接口。

从Spring Cache的Simple的实现，缓存配置需要实现两个接口：

org.springframework.cache.CacheManager
org.springframework.cache.Cache

3 入门例子

首先我们先创建一个工程spring-cache-demo。

caffeine和Redisson分别是本地内存和分布式缓存Redis框架中的佼佼者，我们分别演示如何集成它们。

3.1 集成caffeine

3.1.1 maven依赖

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-cache</artifactId></dependency><dependency><groupId>com.github.ben-manes.caffeine</groupId><artifactId>caffeine</artifactId><version>2.7.0</version></dependency>

3.1.2 Caffeine缓存配置

我们先创建一个缓存配置类MyCacheConfig。

@Configuration@EnableCachingpublic class MyCacheConfig {@Beanpublic Caffeine caffeineConfig() {returnCaffeine.newBuilder().maximumSize(10000).expireAfterWrite(60, TimeUnit.MINUTES);}@Beanpublic CacheManager cacheManager(Caffeine caffeine) {CaffeineCacheManager caffeineCacheManager = new CaffeineCacheManager();caffeineCacheManager.setCaffeine(caffeine);return caffeineCacheManager;}}

首先创建了一个Caffeine对象，该对象标识本地缓存的最大数量是10000条，每个缓存数据在写入60分钟后失效。

另外，MyCacheConfig类上我们添加了注解：@EnableCaching。

3.1.3 业务代码

根据缓存声明这一节，我们很容易写出如下代码。

@Cacheable(value = "user_cache", unless = "#result == null")public User getUserById(Long id) {return userMapper.getUserById(id);}@CachePut(value = "user_cache", key = "#user.id", unless = "#result == null")public User updateUser(User user) {userMapper.updateUser(user);return user;}@CacheEvict(value = "user_cache", key = "#id")public void deleteUserById(Long id) {userMapper.deleteUserById(id);}

这段代码与硬编码里的代码片段明显精简很多。

当我们在Controller层调用 getUserById方法时，调试的时候，配置mybatis日志级别为DEBUG，方便监控方法是否会缓存。

第一次调用会查询数据库，打印相关日志：

Preparing: select * FROM user t where t.id = ?Parameters: 1(Long)Total: 1

第二次调用查询方法的时候，数据库SQL日志就没有出现了，也就说明缓存生效了。

3.2 集成Redisson

3.2.1 maven依赖

<dependency><groupId>org.Redisson</groupId><artifactId>Redisson</artifactId><version>3.12.0</version></dependency>

3.2.2 Redisson缓存配置

@Bean(destroyMethod = "shutdown")public RedissonClient Redisson() {Config config = new Config();config.useSingleServer().setAddress("redis://127.0.0.1:6201").setPassword("ts112GpO_ay");return Redisson.create(config);}@BeanCacheManager cacheManager(RedissonClient RedissonClient) {Map<String, CacheConfig> config = new HashMap<String, CacheConfig>();// create "user_cache" spring cache with ttl = 24 minutes and maxIdleTime = 12 minutesconfig.put("user_cache",new CacheConfig(24 * 60 * 1000,12 * 60 * 1000));return new RedissonSpringCacheManager(RedissonClient, config);}

可以看到，从Caffeine切换到Redisson，只需要修改缓存配置类，定义CacheManager 对象即可。而业务代码并不需要改动。

Controller层调用 getUserById方法，用户ID为1的时候，可以从Redis Desktop Manager里看到：用户信息已被缓存，user_cache缓存存储是Hash数据结构。

因为Redisson默认的编解码是FstCodec，可以看到key的名称是： \\xF6\\x01。

在缓存配置代码里，可以修改编解码器。

public RedissonClient Redisson() {Config config = new Config();config.useSingleServer().setAddress("redis://127.0.0.1:6201").setPassword("ts112GpO_ay");config.setCodec(new JsonJacksonCodec());return Redisson.create(config);}

再次调用 getUserById方法，控制台就变成：

可以观察到：缓存key已经变成了：["java.lang.Long",1]，改变序列化后key和value已发生了变化。

3.3 从列表缓存再次理解缓存抽象

列表缓存在业务中经常会遇到。通常有两种实现形式：

整体列表缓存；
按照每个条目缓存，通过redis，memcached的聚合查询方法批量获取列表，若缓存没有命中，则从数据库重新加载，并放入缓存里。

那么Spring cache整合Redisson如何缓存列表数据呢？

@Cacheable(value = "user_cache")public List<User> getUserList(List<Long> idList) {return userMapper.getUserByIds(idList);}

执行getUserList方法，参数id列表为：[1，3] 。

执行完成之后，控制台里可以看到：列表整体直接被缓存起来，用户列表缓存和用户条目缓存并没有共享，他们是平行的关系。

这种情况下，缓存的颗粒度控制也没有那么细致。

类似这样的思考，很多开发者也向Spring Framework研发团队提过。

官方的回答也很明确：对于缓存抽象来讲，它并不关心方法返回的数据类型，假如是集合，那么也就意味着需要把集合数据在缓存中保存起来。

还有一位开发者，定义了一个@CollectionCacheable注解，并做出了原型，扩展了Spring Cache的列表缓存功能。

@Cacheable("myCache")public String findById(String id) {//access DB backend return item}@CollectionCacheable("myCache")public Map<String, String> findByIds(Collection<String> ids) {//access DB backend,return map of id to item}

官方也未采纳，因为缓存抽象并不想引入太多的复杂性。

写到这里，相信大家对缓存抽象有了更进一步的理解。当我们想实现更复杂的缓存功能时，需要对Spring Cache做一定程度的扩展。

4 自定义二级缓存

4.1 应用场景

笔者曾经在原来的项目，高并发场景下多次使用多级缓存。多级缓存是一个非常有趣的功能点，值得我们去扩展。

多级缓存有如下优势：

离用户越近，速度越快；
减少分布式缓存查询频率，降低序列化和反序列化的CPU消耗；
大幅度减少网络IO以及带宽消耗。

进程内缓存做为一级缓存，分布式缓存做为二级缓存，首先从一级缓存中查询，若能查询到数据则直接返回，否则从二级缓存中查询，若二级缓存中可以查询到数据，则回填到一级缓存中，并返回数据。若二级缓存也查询不到，则从数据源中查询，将结果分别回填到一级缓存，二级缓存中。

Spring Cache并没有二级缓存的实现，我们可以实现一个简易的二级缓存DEMO，加深对技术的理解。

4.2 设计思路

MultiLevelCacheManager：多级缓存管理器；
MultiLevelChannel：封装Caffeine和RedissonClient；
MultiLevelCache：实现org.springframework.cache.Cache接口；
MultiLevelCacheConfig：配置缓存过期时间等；

MultiLevelCacheManager是最核心的类，需要实现getCache和getCacheNames两个接口。

创建多级缓存，第一级缓存是：Caffeine , 第二级缓存是：Redisson。

二级缓存，为了快速完成DEMO，我们使用Redisson对Spring Cache的扩展类RedissonCache 。它的底层是RMap，底层存储是Hash。

我们重点看下缓存的「查询」和「存储」的方法：

@Overridepublic ValueWrapper get(Object key) {Object result = getRawResult(key);return toValueWrapper(result);}public Object getRawResult(Object key) {logger.info("从一级缓存查询key:" + key);Object result = localCache.getIfPresent(key);if (result != null) {return result;}logger.info("从二级缓存查询key:" + key);result = RedissonCache.getNativeCache().get(key);if (result != null) {localCache.put(key, result);}return result;}

「查询」数据的流程：

先从本地缓存中查询数据，若能查询到，直接返回；
本地缓存查询不到数据，查询分布式缓存，若可以查询出来，回填到本地缓存，并返回；
若分布式缓存查询不到数据，则默认会执行被注解的方法。

下面来看下「存储」的代码：

public void put(Object key, Object value) {logger.info("写入一级缓存 key:" + key);localCache.put(key, value);logger.info("写入二级缓存 key:" + key);RedissonCache.put(key, value);}

最后配置缓存管理器，原有的业务代码不变。

执行下getUserById方法，查询用户编号为1的用户信息。

- 从一级缓存查询key:1- 从二级缓存查询key:1- ==> Preparing: select * FROM user t where t.id = ?- ==> Parameters: 1(Long)- <== Total: 1- 写入一级缓存 key:1- 写入二级缓存 key:1

第二次执行相同的动作，从日志可用看到从优先会从本地内存中查询出结果。

- 从一级缓存查询key:1

等待30s ，再执行一次，因为本地缓存会失效，所以执行的时候会查询二级缓存

- 从一级缓存查询key:1- 从二级缓存查询key:1

一个简易的二级缓存就组装完了。

5 什么场景选择Spring Cache

在做技术选型的时候，需要针对场景选择不同的技术。

笔者认为Spring Cache的功能很强大，设计也非常优雅。特别适合缓存控制没有那么细致的场景。比如门户首页，偏静态展示页面，榜单等等。这些场景的特点是对数据实时性没有那么严格的要求，只需要将数据源缓存下来，过期之后自动刷新即可。这些场景下，Spring Cache就是神器，能大幅度提升研发效率。

但在高并发大数据量的场景下，精细的缓存颗粒度的控制上，还是需要做功能扩展。

多级缓存；
列表缓存；
缓存变更监听器；

笔者也在思考这几点的过程，研读了 j2cache , jetcache相关源码，受益匪浅。后续的文章会重点分享下笔者的心得。

如果我的文章对你有所帮助，还请帮忙点赞、在看、转发一下，你的支持会激励我输出更高质量的文章，非常感谢！

品味Spring Cache设计之美