你好，我是yes。
今天分享一篇勇哥的硬核文，文章很长，但相信读完之后，可能会对你有些所启发。
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：
@Autowire
private
 UserMapper userMapper;

@Autowire
private
 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
publicvoidupdateUser(User user)
{

    userMapper.updateUser(user);

    String cacheKey = 
"userId_"
 + userId.getId();

    stringCommand.set(cacheKey , user);

   }

//删除用户
publicvoiddeleteUserById(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：
  1. 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；
  2. 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：
    • 开发联调阶段，需要去掉缓存，只能注释或者临时删除缓存操作代码，也容易出错；
    • 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"
)

publicvoiddeleteUserById(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：
publicinterfaceCacheManager
{

@Nullable
Cache 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
@EnableCaching
publicclassMyCacheConfig
{

@Bean
public Caffeine caffeineConfig()
{

return
      Caffeine.newBuilder()

      .maximumSize(
10000
).

      expireAfterWrite(
60
, TimeUnit.MINUTES);

  }

@Bean
public 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);

}

@Bean

CacheManager cacheManager(RedissonClient RedissonClient) {

  Map<String, CacheConfig> config = new HashMap<String, CacheConfig>();

 // create 
"user_cache"
 spring cache with ttl = 24 minutes and maxIdleTime = 12 minutes

  config.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：
  1. 整体列表缓存；
  2. 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：
  1. 离用户越近，速度越快；
  2. 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；
  3. 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。
来自《凤凰架构》缓存篇
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

  1. MultiLevelCacheManager：多级缓存管理器；
  2. MultiLevelChannel：封装Caffeine和RedissonClient；
  3. MultiLevelCache：实现org.springframework.cache.Cache接口；
  4. 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：
@Override
public 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：
  1. 先从本地缓存中查询数据，若能查询到，直接返回；
  2. 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；
  3. 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：
publicvoidput(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。
  1. 多级缓存；
  2. 列表缓存；
  3. 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。它们的设计思想很多可以用于扩展Spring Cache。后续的文章会重点分享下笔者的心得。
继续阅读
阅读原文