内存的速度远远大于硬盘的速度,当我们需要重复获取相同的数据的时候,一次又一次的请求数据库或远程服务,
导致大量时间都消耗在数据库查询或远程方法调用上面,性能下降,这时候就需要使用到缓存技术了。
本文介绍SpringBoot 如何使用redis做缓存,如何对redis缓存进行定制化配置(如key的有效期)以及初始化redis做缓存。
使用具体的代码介绍了@Cacheable
,@CacheEvict
,@CachePut
,@CacheConfig
等注解及其属性的用法。
Spring缓存支持
Spring定义了org.springframework.cache.CacheManager
和 org.springframework.cache.Cache
接口来统一不同缓存技术。
其中CacheManager是Spring提供的各种缓存技术抽象接口,内部使用Cache接口进行缓存的增删改查操作,我们一般不会直接和Cache打交道。
针对不同的缓存技术,Spring有不同的CacheManager实现类,定义如下表:
CacheManager |
描述 |
SimpleCacheManager |
使用简单的Collection存储缓存数据,用来做测试用 |
ConcurrentMapCacheManager |
使用ConcurrentMap存储缓存数据 |
EhCacheCacheManager |
使用EhCache作为缓存技术 |
GuavaCacheManager |
使用Google Guava的GuavaCache作为缓存技术 |
JCacheCacheManager |
使用JCache(JSR-107)标准的实现作为缓存技术,比如Apache Commons JCS |
RedisCacheManager |
使用Redis作为缓存技术 |
在我们使用任意一个实现的CacheManager的时候,需要注册实现Bean:
1 2 3 4 5 6 7
|
@Bean public EhCacheCacheManager cacheManager(CacheManager cacheManager) { return new EhCacheCacheManager(cacheManager); }
|
当然,各种缓存技术都有很多其他配置,但是配置cacheManager是必不可少的。
声明式缓存注解
Spring提供4个注解来声明缓存规则,如下表所示:
注解 |
说明 |
@Cacheable |
方法执行前先看缓存中是否有数据,如果有直接返回。如果没有就调用方法,并将方法返回值放入缓存 |
@CachePut |
无论怎样都会执行方法,并将方法返回值放入缓存 |
@CacheEvict |
将数据从缓存中删除 |
@Caching |
可通过此注解组合多个注解策略在一个方法上面 |
@Cacheable 、@CachePut 、@CacheEvict都有value属性,指定要使用的缓存名称,而key属性指定缓存中存储的键。
集成Redis缓存
接下来将讲解如何集成redis来实现缓存,现在使用的是最新的SpringBoot 2,改动还是比较大的。
安装redis
安装和配置redis服务器网上很多教程,这里就不多讲了。在linux服务器上面安装一个redis,启动后端口号为默认的6379。
添加maven依赖
SpringBoot 2开始默认的Redis客户端实现是Lettuce,同时你需要添加commons-pool2的依赖。
1 2 3 4 5 6 7 8 9
| <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency> <dependency> <groupId>org.apache.commons</groupId> <artifactId>commons-pool2</artifactId> </dependency>
|
配置application.yml
- 指定缓存的类型
- 配置redis的服务器信息
- 配置lettuce连接池信息
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
| spring: profiles: dev cache: type: REDIS redis: cache-null-values: false time-to-live: 600000ms use-key-prefix: true cache-names: userCache,allUsersCache redis: host: 127.0.0.1 port: 6379 database: 0 lettuce: shutdown-timeout: 200ms pool: max-active: 7 max-idle: 7 min-idle: 2 max-wait: -1ms
|
这里我还指定了缓存名称列表:userCache,allUsersCache
缓存配置类
重新配置RedisCacheManager
,使用新的自定义配置值:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
| @Configuration @EnableCaching public class RedisCacheConfig { private Logger logger = LoggerFactory.getLogger(this.getClass());
@Autowired private Environment env;
@Bean public LettuceConnectionFactory redisConnectionFactory() { RedisStandaloneConfiguration redisConf = new RedisStandaloneConfiguration(); redisConf.setHostName(env.getProperty("spring.redis.host")); redisConf.setPort(Integer.parseInt(env.getProperty("spring.redis.port"))); redisConf.setPassword(RedisPassword.of(env.getProperty("spring.redis.password"))); return new LettuceConnectionFactory(redisConf); }
@Bean public RedisCacheConfiguration cacheConfiguration() { RedisCacheConfiguration cacheConfig = RedisCacheConfiguration.defaultCacheConfig() .entryTtl(Duration.ofSeconds(600)) .disableCachingNullValues(); return cacheConfig; }
@Bean public RedisCacheManager cacheManager() { RedisCacheManager rcm = RedisCacheManager.builder(redisConnectionFactory()) .cacheDefaults(cacheConfiguration()) .transactionAware() .build(); return rcm; } }
|
keyGenerator
一般来讲我们使用key属性就可以满足大部分要求,但是如果你还想更好的自定义key,可以实现keyGenerator。
这个属性为定义key生成的类,和key属性不能同时存在。
在RedisCacheConfig
配置类中添加我自定义的KeyGenerator:
1 2 3 4 5 6 7 8 9 10 11 12 13 14
|
@Bean(name = "myKeyGenerator") public KeyGenerator myKeyGenerator() { return new KeyGenerator() { @Override public Object generate(Object o, Method method, Object... params) { logger.info("自定义缓存,使用第一参数作为缓存key,params = " + Arrays.toString(params)); return params[0]; } }; }
|
经过以上配置后,redis缓存管理对象已经生成,下面简单介绍如何使用。
缓存注解
缓存是通过注解实现的,这里详细讲解一下这几个缓存注解,以及注解参数含义。
@Cacheable
这个注解含义是方法结果会被放入缓存,并且一旦缓存后,下一次调用此方法,会通过key去查找缓存是否存在,如果存在就直接取缓存值,不再执行方法。
这个注解有几个参数值,定义如下
参数 |
解释 |
cacheNames |
缓存名称 |
value |
缓存名称的别名 |
condition |
Spring SpEL 表达式,用来确定是否缓存 |
key |
SpEL 表达式,用来动态计算key |
keyGenerator |
Bean 名字,用来自定义key生成算法,跟key不能同时用 |
unless |
SpEL 表达式,用来否决缓存,作用跟condition相反 |
sync |
多线程同时访问时候进行同步 |
在计算key、condition或者unless的值得时候,可以使用到以下的特有的SpEL表达式
表达式 |
解释 |
#result |
表示方法的返回结果 |
#root.method |
当前方法 |
#root.target |
目标对象 |
#root.caches |
被影响到的缓存列表 |
#root.methodName |
方法名称简称 |
#root.targetClass |
目标类 |
#root.args[x] |
方法的第x个参数 |
@CachePut
该注解在执行完方法后会触发一次缓存put操作,参数跟@Cacheable一致
@CacheEvict
该注解在执行完方法后会触发一次缓存evict操作,参数除了@Cacheable里的外,还有个特殊的allEntries
,
表示将清空缓存中所有的值。
使用
在service中定义增删改的几个常见方法,通过注解实现缓存:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70
| @Service @Transactional public class UserService { private Logger logger = LoggerFactory.getLogger(this.getClass()); @Resource private UserMapper userMapper;
@Cacheable(value = "userCache", key = "#id", unless="#result == null") public User getById(int id) { logger.info("获取用户start..."); return userMapper.selectById(id); }
@Cacheable(value = "allUsersCache", unless = "#result.size() == 0") public List<User> getAllUsers() { logger.info("获取所有用户列表"); return userMapper.selectList(null); }
@Caching( put = {@CachePut(value = "userCache", key = "#user.id")}, evict = {@CacheEvict(value = "allUsersCache", allEntries = true)} ) public User createUser(User user) { logger.info("创建用户start..., user.id=" + user.getId()); userMapper.insert(user); return user; }
@Caching( put = {@CachePut(value = "userCache", key = "#user.id")}, evict = {@CacheEvict(value = "allUsersCache", allEntries = true)} ) public User updateUser(User user) { logger.info("更新用户start..."); userMapper.updateById(user); return user; }
@Caching( evict = { @CacheEvict(value = "userCache", key = "#id"), @CacheEvict(value = "allUsersCache", allEntries = true) } ) public void deleteById(int id) { logger.info("删除用户start..."); userMapper.deleteById(id); }
}
|
然后写个测试类:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41
| @RunWith(SpringRunner.class) @SpringBootTest(classes = Application.class) @Transactional public class UserServiceTest { @Autowired private UserService userService; @Test public void testCache() { int id = new Random().nextInt(1000); User user = new User(id, "admin", "admin"); userService.createUser(user);
int id2 = new Random().nextInt(1000); User user2 = new User(id2, "xiong", "neng"); userService.createUser(user2);
List<User> list = userService.getAllUsers(); assertEquals(list.size(), 2);
User user3 = userService.getById(id); assertEquals(user3.getPassword(), "admin"); User user4 = userService.getById(id); assertEquals(user4.getPassword(), "admin");
user4.setPassword("123456"); userService.updateUser(user4);
User user5 = userService.getById(id); assertEquals(user5.getPassword(), "123456");
userService.deleteById(id); assertNull(userService.getById(id)); } }
|
下面是测试的打印日志一部分:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38
| 创建用户start..., user.id=444 ==> Preparing: INSERT INTO t_user ( id, username, `password` ) VALUES ( ?, ?, ? ) ==> Parameters: 444(Integer), admin(String), admin(String) <== Updates: 1 创建用户start..., user.id=895 ==> Preparing: INSERT INTO t_user ( id, username, `password` ) VALUES ( ?, ?, ? ) ==> Parameters: 895(Integer), xiong(String), neng(String) <== Updates: 1 Starting without optional epoll library Starting without optional kqueue library 获取所有用户列表 ==> Preparing: SELECT id AS id,username,`password` FROM t_user ==> Parameters: <== Total: 2 获取用户start... ==> Preparing: SELECT id AS id,username,`password` FROM t_user WHERE id=? ==> Parameters: 444(Integer) <== Total: 1 获取用户start... 更新用户start... ==> Preparing: UPDATE t_user SET username=?, `password`=? WHERE id=? ==> Parameters: admin(String), 123456(String), 444(Integer) <== Updates: 1 获取用户start... ==> Preparing: SELECT id AS id,username,`password` FROM t_user WHERE id=? ==> Parameters: 444(Integer) <== Total: 1 删除用户start... ==> Preparing: DELETE FROM t_user WHERE id=? ==> Parameters: 444(Integer) <== Updates: 1 获取用户start... ==> Preparing: SELECT id AS id,username,`password` FROM t_user WHERE id=? ==> Parameters: 444(Integer) <== Total: 0 Rolled back transaction for test: [DefaultTestContext@44ebcd03 testClass = UserServiceTest, Closing org.springframework.context.annotation.AnnotationConfigApplicationContext@1a5a4e19: {dataSource-1} closed
|
可以看到,第2次、第3次获取的时候并没有执行方法,说明缓存生效了。后面更新会同时更新缓存,取出来的也是更新后的数据。
切换缓存技术
得益于SpringBoot的自动配置机制,切换缓存技术除了替换相关maven依赖包和配置Bean外,使用方式和实例中一样,
不需要修改业务代码。如果你要切换到其他缓存技术非常简单。
EhCache
当我们需要使用EhCache作为缓存技术的时候,只需要在pom.xml中添加EhCache的依赖:
1 2 3 4 5
| <dependency> <groupId>net.sf.ehcache</groupId> <artifactId>ehcahe</artifactId> </dependency>
|
EhCache的配置文件ehcache.xml只需要放到类路径下面,SpringBoot会自动扫描,例如:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
| <?xml version="1.0" encoding="UTF-8"?> <ehcache xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="http://ehcache.org/ehcache.xsd" updateCheck="false" monitoring="autodetect" dynamicConfig="true">
<diskStore path="java.io.tmpdir/ehcache"/>
<defaultCache maxElementsInMemory="50000" eternal="false" timeToIdleSeconds="3600" timeToLiveSeconds="3600" overflowToDisk="true" diskPersistent="false" diskExpiryThreadIntervalSeconds="120" />
<cache name="authorizationCache" maxEntriesLocalHeap="2000" eternal="false" timeToIdleSeconds="3600" timeToLiveSeconds="3600" overflowToDisk="false" statistics="true"> </cache> </ehcache>
|
SpringBoot会为我们自动配置EhCacheCacheManager
这个Bean,不过你也可以自己定义。
Guava
当我们需要Guava作为缓存技术的时候,只需要在pom.xml中增加Guava的依赖即可:
1 2 3 4 5 6
| <dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>18.0</version> </dependency>
|
SpringBoot会为我们自动配置GuavaCacheManager
这个Bean。
Redis
最后还提一点,本篇采用Redis作为缓存技术,添加了依赖:
1 2 3 4 5
| <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency>
|
SpringBoot会为我们自动配置RedisCacheManager
这个Bean,同时还会配置RedisTemplate
这个Bean。
后面这个Bean就是下一篇要讲解的操作Redis数据库用,这个就比单纯注解缓存强大和灵活的多了。
参考文章
Spring Boot Redis Cache
GitHub源码
springboot-cache