基于Spring接口，集成Caffeine+Redis两级缓存

最新推荐文章于 2025-09-08 09:00:00 发布

原创最新推荐文章于 2025-09-08 09:00:00 发布 · 1k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#缓存 #spring #redis

Java 同时被 3 个专栏收录

480 篇文章

订阅专栏

程序员

480 篇文章

订阅专栏

计算机

480 篇文章

订阅专栏

文章介绍了如何通过扩展Spring接口来实现基于Caffeine和Redis的两级缓存功能。首先，文章讲解了JSR107缓存规范，然后详细阐述了如何改造Spring的Cache和CacheManager接口，以及配置和使用。在分布式环境改造部分，通过Redis的消息发布/订阅功能确保各主机间一级缓存的一致性。文章提供了详细的改造步骤和测试，确保了缓存更新和删除操作在分布式环境中的正确性。

改造

在 v3 版本中，我们使用自定义注解的方式实现了两级缓存通过 一个注解 管理的功能。本文我们换一种方式，直接通过扩展spring提供的接口来实现这个功能，在进行整合之前，我们需要简单了解一下 JSR107 缓存规范。

JSR107 规范

在 JSR107 缓存规范中定义了5个核心接口，分别是 CachingProvider , CacheManager , Cache , Entry 和 Expiry ，参考下面这张图，可以看到除了 Entry 和 Expiry 以外，从上到下都是一对多的包含关系。

从上面这张图我们可以看出，一个应用可以创建并管理多个 CachingProvider ，同样一个 CachingProvider 也可以管理多个 CacheManager ，缓存管理器 CacheManager 中则维护了多个 Cache 。

Cache 是一个类似 Map 的数据结构， Entry 就是其中存储的每一个 key-value 数据对，并且每个 Entry 都有一个过期时间 Expiry 。而我们在使用spring集成第三方的缓存时，只需要实现 Cache 和 CacheManager 这两个接口就可以了，下面分别具体来看一下。

Cache

spring中的 Cache 接口规范了缓存组件的定义，包含了缓存的各种操作，实现具体缓存操作的管理。例如我们熟悉的 RedisCache 、 EhCacheCache 等，都实现了这个接口。

在 Cache 接口中，定义了 get 、 put 、 evict 、 clear 等方法，分别对应缓存的存入、取出、删除、清空操作。不过我们这里不直接使用 Cache 接口，上面这张图中的 AbstractValueAdaptingCache 是一个抽象类，它已经实现了 Cache 接口，是spring在 Cache 接口的基础上帮助我们进行了一层封装，所以我们直接继承这个类就可以。

继承 AbstractValueAdaptingCache 抽象类后，除了创建 Cache 的构造方法外，还需要实现下面的几个方法：

// 在缓存中实际执行查找的操作，父类的get()方法会调用这个方法
protected abstract Object lookup(Object key);

// 通过key获取缓存值，如果没有找到，会调用valueLoader的call()方法
public <T> T get(Object key, Callable<T> valueLoader);

// 将数据放入缓存中
public void put(Object key, Object value);

// 删除缓存
public void evict(Object key);

// 清空缓存中所有数据
public void clear();

// 获取缓存名称，一般在CacheManager创建时指定
String getName();

// 获取实际使用的缓存
Object getNativeCache();

因为要整合 RedisTemplate 和 Caffeine 的 Cache ，所以这些都需要在缓存的构造方法中传入，除此之外构造方法中还需要再传出缓存名称 cacheName ，以及在配置文件中实际配置的一些缓存参数。先看一下构造方法的实现：

public class DoubleCache extends AbstractValueAdaptingCache {
    private String cacheName;
    private RedisTemplate<Object, Object> redisTemplate;
    private Cache<Object, Object> caffeineCache;
    private DoubleCacheConfig doubleCacheConfig;

    protected DoubleCache(boolean allowNullValues) {
        super(allowNullValues);
    }

    public DoubleCache(String cacheName,RedisTemplate<Object, Object> redisTemplate,
                       Cache<Object, Object> caffeineCache,
                       DoubleCacheConfig doubleCacheConfig){
        super(doubleCacheConfig.getAllowNull());
        this.cacheName=cacheName;
        this.redisTemplate=redisTemplate;
        this.caffeineCache=caffeineCache;
        this.doubleCacheConfig=doubleCacheConfig;
    }
    //...
}

抽象父类的构造方法中只有一个 boolean 类型的参数 allowNullValues ，表示是否允许缓存对象为 null 。除此之外， AbstractValueAdaptingCache 中还定义了两个包装方法来配合这个参数进行使用，分别是 toStoreValue 和 fromStoreValue ，特殊用途是用于在缓存 null 对象时进行包装、以及在获取时进行解析并返回。

我们之后会在 CacheManager 中调用后面这个自己实现的构造方法，来实例化 Cache 对象，参数中 DoubleCacheConfig 是使用 @ConfigurationProperties 读取的yml配置文件封装的数据对象，会在后面使用。

当一个方法添加了 @Cacheable 注解时，执行时会先调用父类 AbstractValueAdaptingCache 中的 get(key) 方法，它会再调用我们自己实现的 lookup 方法。在实际执行查找操作的 lookup 方法中，我们的逻辑仍然是先查找 Caffeine 、没有找到时再查找 Redis ：

@Override
protected Object lookup(Object key) {
    // 先从caffeine中查找
    Object obj = caffeineCache.getIfPresent(key);
    if (Objects.nonNull(obj)){
        log.info("get data from caffeine");
        return obj;
    }

    //再从redis中查找
    String redisKey=this.name+":"+ key;
    obj = redisTemplate.opsForValue().get(redisKey);
    if (Objects.nonNull(obj)){
        log.info("get data from redis");
        caffeineCache.put(key,obj);
    }
    return obj;
}

如果 lookup 方法的返回结果不为 null ，那么就会直接返回结果给调用方。如果返回为 null 时，就会执行原方法，执行完成后调用 put 方法，将数据放入缓存中。接下来我们实现 put 方法：

@Override
public void put(Object key, Object value) {
    if(!isAllowNullValues() && Objects.isNull(value)){
        log.error("the value NULL will not be cached");
        return;
    }

    //使用 toStoreValue(value) 包装，解决caffeine不能存null的问题
    caffeineCache.put(key,toStoreValue(value));

    // null对象只存在caffeine中一份就够了，不用存redis了
    if (Objects.isNull(value))
        return;

    String redisKey=this.cacheName +":"+ key;
    Optional<Long> expireOpt = Optional.ofNullable(doubleCacheConfig)
            .map(DoubleCacheConfig::getRedisExpire);
    if (expireOpt.isPresent()){
        redisTemplate.opsForValue().set(redisKey,toStoreValue(value),
                expireOpt.get(), TimeUnit.SECONDS);
    }else{
        redisTemplate.opsForValue().set(redisKey,toStoreValue(value));
    }
}

上面我们对于是否允许缓存空对象进行了判断，能够缓存空对象的好处之一就是可以避免 缓存穿透 。需要注意的是， Caffeine 中是不能直接缓存 null 的，因此可以使用父类提供的 toStoreValue() 方法，将它包装成一个 NullValue 类型。在取出对象时，如果是 NullValue ，也不用我们自己再去调用 fromStoreValue() 将这个包装类型还原，父类的 get 方法中已经帮我们做好了。

另外，上面在 put 方法中缓存空对象时，只在 Caffeine 缓存中一份即可，可以不用在 Redis 中再存一份。

缓存的删除方法 evict() 和清空方法 clear() 的实现就比较简单了，直接删除一跳或全部数据即可：

@Override
public void evict(Object key) {
    redisTemplate.delete(this.cacheName +":"+ key);
    caffeineCache.invalidate(key);
}

@Override
public void clear() {
    Set<Object> keys = redisTemplate.keys(this.cacheName.concat(":*"));
    for (Object key : keys) {
        redisTemplate.delete(String.valueOf(key));
    }
    caffeineCache.invalidateAll();
}

获取缓存 cacheName 和实际缓存的方法实现：

@Override
public String getName() {
    return this.cacheName;
}
@Override
public Object getNativeCache() {
    return this;
}

最后，我们再来看一下带有两个参数的 get 方法，为什么把这个方法放到最后来说呢，因为如果我们只是使用注解来管理缓存的话，那么这个方法不会被调用到，简单看一下实现：

@Override
public <T> T get(Object key, Callable<T> valueLoader) {
    ReentrantLock lock=new ReentrantLock();
    try{
        lock.lock();//加锁
        Object obj = lookup(key);
        if (Objects.nonNull(obj)){
            return (T)obj;
        }
        //没有找到
        obj = valueLoader.call();
        put(key,obj);//放入缓存
        return (T)obj;
    }catch (Exception e){
        log.error(e.getMessage());
    }finally {
        lock.unlock();
    }
    return null;
}

方法的实现比较容易理解，还是先调用 lookup 方法寻找是否已经缓存了对象，如果没有找到那么就调用 Callable 中的 call 方法进行获取，并在获取完成后存入到缓存中去。至于这个方法如何使用，具体代码我们放在后面使用这一块再看。

需要注意的是，这个方法的接口注释中强调了需要我们自己来保证方法同步，因此这里使用了 ReentrantLock 进行了加锁操作。到这里， Cache 的实现就完成了，下面我们接着看另一个重要的接口 CacheManager 。

CacheManager

从名字就可以看出， CacheManager 是一个缓存管理器，它可以被用来管理一组 Cache 。在上一篇文章的v2版本中，我们使用的 CaffeineCacheManager 就实现了这个接口，除此之外还有 RedisCacheManager 、 EhCacheCacheManager 等也都是通过这个接口实现。

下面我们要自定义一个类实现 CacheManager 接口，管理上面实现的 DoubleCache 作为spring中的缓存使用。接口中需要实现的方法只有下面两个：

//根据cacheName获取Cache实例，不存在时进行创建
Cache getCache(String name);

//返回管理的所有cacheName
Collection<String> getCacheNames();

在自定义的缓存管理器中，我们要使用 ConcurrentHashMap 维护一组不同的 Cache ，再定义一个构造方法，在参数中传入已经在spring中配置好的 RedisTemplate ，以及相关的缓存配置参数：

public class DoubleCacheManager implements CacheManager {
    Map<String, Cache> cacheMap = new ConcurrentHashMap<>();
    private RedisTemplate<Object, Object> redisTemplate;
    private DoubleCacheConfig dcConfig;

    public DoubleCacheManager(RedisTemplate<Object, Object> redisTemplate,
                              DoubleCacheConfig doubleCacheConfig) {
        this.redisTemplate = redisTemplate;
        this.dcConfig = doubleCacheConfig;
    }
    //...
}

然后实现 getCache 方法，逻辑很简单，先根据 name 从 Map 中查找对应的 Cache ，如果找到则直接返回，这个参数 name 就是上一篇文章中提到的 cacheName ， CacheManager 根据它实现不同 Cache 的隔离。

如果没有根据名称找到缓存的话，那么新建一个 DoubleCache 对象，并放入 Map 中。这里使用的 ConcurrentHashMap 的 putIfAbsent() 方法放入，避免重复创建 Cache 以及造成 Cache 内数据的丢失。具体代码如下：

@Override
public Cache getCache(String name) {
    Cache cache = cacheMap.get(name);
    if (Objects.nonNull(cache)) {
        return cache;
    }

    cache = new DoubleCache(name, redisTemplate, createCaffeineCache(), dcConfig);
    Cache oldCache = cacheMap.putIfAbsent(name, cache);
    return oldCache == null ? cache : oldCache;
}

在上面创建 DoubleCache 对象的过程中，需要先创建一个 Caffeine 的 Cache 对象作为参数传入，这一过程主要是根据实际项目的配置文件中的具体参数进行初始化，代码如下：

private com.github.benmanes.caffeine.cache.Cache createCaffeineCache(){
    Caffeine<Object, Object> caffeineBuilder = Caffeine.newBuilder();
    Optional<DoubleCacheConfig> dcConfigOpt = Optional.ofNullable(this.dcConfig);
    dcConfigOpt.map(DoubleCacheConfig::getInit)
            .ifPresent(init->caffeineBuilder.initialCapacity(init));
    dcConfigOpt.map(DoubleCacheConfig::getMax)
            .ifPresent(max->caffeineBuilder.maximumSize(max));
    dcConfigOpt.map(DoubleCacheConfig::getExpireAfterWrite)
            .ifPresent(eaw->caffeineBuilder.expireAfterWrite(eaw,TimeUnit.SECONDS));
    dcConfigOpt.map(DoubleCacheConfig::getExpireAfterAccess)
            .ifPresent(eaa->caffeineBuilder.expireAfterAccess(eaa,TimeUnit.SECONDS));
    dcConfigOpt.map(DoubleCacheConfig::getRefreshAfterWrite)
            .ifPresent(raw->caffeineBuilder.refreshAfterWrite(raw,TimeUnit.SECONDS));
    return caffeineBuilder.build();
}

getCacheNames 方法很简单，直接返回 Map 的 keySet 就可以了，代码如下：

@Override
public Collection<String> getCacheNames() {
    return cacheMap.keySet();
}

配置&使用

在 application.yml 文件中配置缓存的参数，代码中使用 @ConfigurationProperties 接收到 DoubleCacheConfig 类中：

doublecache:
  allowNull: true
  init: 128
  max: 1024
  expireAfterWrite: 30  #Caffeine过期时间
  redisExpire: 60      #Redis缓存过期时间

配置自定义的 DoubleCacheManager 作为默认的缓存管理器：

@Configuration
public class CacheConfig {
    @Autowired
    DoubleCacheConfig doubleCacheConfig;

    @Bean
    public DoubleCacheManager cacheManager(RedisTemplate<Object,Object> redisTemplate,
                                           DoubleCacheConfig doubleCacheConfig){
        return new DoubleCacheManager(redisTemplate,doubleCacheConfig);
    }
}

Service 中的代码还是老样子，不需要在代码中手动操作缓存，只要直接在方法上使用 @Cache 相关注解即可：

@Service @Slf4j
@AllArgsConstructor
public class OrderServiceImpl implements OrderService {
    private final OrderMapper orderMapper;

    @Cacheable(value = "order",key = "#id")
    public Order getOrderById(Long id) {
        Order myOrder = orderMapper.selectOne(new LambdaQueryWrapper<Order>()
                .eq(Order::getId, id));
        return myOrder;
    }

    @CachePut(cacheNames = "order",key = "#order.id")
    public Order updateOrder(Order order) {
        orderMapper.updateById(order);
        return order;
    }

    @CacheEvict(cacheNames = "order",key = "#id")
    public void deleteOrder(Long id) {
        orderMapper.deleteById(id);
    }
    
    //没有注解,使用get(key,callable)方法
    public Order getOrderById2(Long id) {
        DoubleCacheManager cacheManager = SpringContextUtil.getBean(DoubleCacheManager.class);
        Cache cache = cacheManager.getCache("order");
        Order order =(Order) cache.get(id, (Callable<Object>) () -> {
            log.info("get data from database");
            Order myOrder = orderMapper.selectOne(new LambdaQueryWrapper<Order>()
                    .eq(Order::getId, id));
            return myOrder;
        });
        return order;
    }    
}

注意最后这个没有添加任何注解的方法，只有以这种方式调用时才会执行我们在 DoubleCache 中自己实现的 get(key,callable) 方法。到这里，基于 JSR107 规范和spring接口的两级缓存改造就完成了，下面我们看一下遗漏的第二个问题。

分布式环境改造

前面我们说了，在分布式环境下，可能会存在各个主机上一级缓存不一致的问题。当一台主机修改了本地缓存后，其他主机是没有感知的，仍然保持了之前的缓存，那么这种情况下就可能取到脏数据。既然我们在项目中已经使用了 Redis ，那么就可以使用它的发布/订阅功能来使各个节点的缓存进行同步。

定义消息体

在使用 Redis 发送消息前，需要先定义一个消息对象。其中的数据包括消息要作用于的 Cache 名称、操作类型、数据以及发出消息的源主机标识：

@Data
@NoArgsConstructor
@AllArgsConstructor
public class CacheMassage implements Serializable {
    private static final long serialVersionUID = -3574997636829868400L;

    private String cacheName;
    private CacheMsgType type;  //标识更新或删除操作
    private Object key;			
    private Object value;
    private String msgSource;   //源主机标识，用来避免重复操作
}

定义一个枚举来标识消息的类型，是要进行更新还是删除操作：

public enum CacheMsgType {
    UPDATE,
    DELETE;
}

消息体中的 msgSource 是添加的一个消息源主机的标识，添加这个是为了避免收到当前主机发送的消息后，再进行重复操作，也就是说收到本机发出的消息直接丢掉什么都不做就可以了。源主机标识这里使用的是主机ip加项目端口的方式，获取方法如下：

public static String getMsgSource() throws UnknownHostException {
    String host = InetAddress.getLocalHost().getHostAddress();
    Environment env = SpringContextUtil.getBean(Environment.class);
    String port = env.getProperty("server.port");
    return host+":"+port;
}

这样消息体的定义就完成了，之后只要调用 redisTemplate 的 convertAndSend 方法就可以把这个对象发布到指定的主题上了。

Redis消息配置

要使用 Redis 的消息监听功能，需要配置两项内容：

MessageListenerAdapter
RedisMessageListenerContainer

@Configuration
public class MessageConfig {
    public static final String TOPIC="cache.msg";
    
    @Bean
    RedisMessageListenerContainer container(MessageListenerAdapter listenerAdapter,
                                            RedisConnectionFactory redisConnectionFactory){
        RedisMessageListenerContainer container = new RedisMessageListenerContainer();
        container.setConnectionFactory(redisConnectionFactory);
        container.addMessageListener(listenerAdapter, new PatternTopic(TOPIC));
        return container;
    }
    
    @Bean
    MessageListenerAdapter adapter(RedisMessageReceiver receiver){
        return new MessageListenerAdapter(receiver,"receive");
    }   
}

在上面的监听适配器 MessageListenerAdapter 中，我们传入了一个自定义的 RedisMessageReceiver 接收并处理消息，并指定使用它的 receive 方法来处理监听到的消息，下面我们就来看看它如何接收消息并消费。

消息消费逻辑

定义一个类 RedisMessageReceiver 来接收并消费消息，需要在它的方法中实现以下功能：

反序列化接收到的消息，转换为前面定义的 CacheMassage 类型对象
根据消息的主机标识判断这条消息是不是本机发出的，如果是那么直接丢弃，只有接收到其他主机发出的消息才进行处理
使用 cacheName 得到具体使用的那一个 DoubleCache 实例
根据消息的类型判断要执行的是更新还是删除操作，调用对应的方法

@Slf4j @Component
@AllArgsConstructor
public class RedisMessageReceiver {
    private final RedisTemplate redisTemplate;
    private final DoubleCacheManager manager;

    //接收通知，进行处理
    public void receive(String message) throws UnknownHostException {
        CacheMassage msg = (CacheMassage) redisTemplate
                .getValueSerializer().deserialize(message.getBytes());
        log.info(msg.toString());

        //如果是本机发出的消息，那么不进行处理
        if (msg.getMsgSource().equals(MessageSourceUtil.getMsgSource())){
            log.info("收到本机发出的消息，不做处理");
            return;
        }

        DoubleCache cache = (DoubleCache) manager.getCache(msg.getCacheName());
        if (msg.getType()== CacheMsgType.UPDATE) {
            cache.updateL1Cache(msg.getKey(),msg.getValue());
            log.info("更新本地缓存");
        }

        if (msg.getType()== CacheMsgType.DELETE) {
            log.info("删除本地缓存");
            cache.evictL1Cache(msg.getKey());
        }
    }
}

在上面的代码中，调用了 DoubleCache 中更新一级缓存方法 updateL1Cache 、删除一级缓存方法 evictL1Cache ，我们会后面在 DoubleCache 中进行添加。

修改DoubleCache

在 DoubleCache 中先添加上面提到的两个方法，由 CacheManager 获取到具体缓存后调用，进行一级缓存的更新或删除操作：

// 更新一级缓存
public void updateL1Cache(Object key,Object value){
    caffeineCache.put(key,value);
}

// 删除一级缓存
public void evictL1Cache(Object key){
    caffeineCache.invalidate(key);
}

好了，完事具备只欠东风，我们要在什么场合发送消息呢？答案是在 DoubleCache 中存入缓存的 put 方法和移除缓存的 evict 方法中。首先修改 put 方法，方法中前面的逻辑不变，在最后添加发送消息通知其他节点更新一级缓存的逻辑：

public void put(Object key, Object value) {
	// 省略前面的不变代码...

    //发送信息通知其他节点更新一级缓存	
	CacheMassage cacheMassage
			= new CacheMassage(this.cacheName, CacheMsgType.UPDATE,
			key,value, MessageSourceUtil.getMsgSource());
	redisTemplate.convertAndSend(MessageConfig.TOPIC,cacheMassage);
}

然后修改 evict 方法，同样保持前面的逻辑不变，在最后添加发送消息的代码：

public void evict(Object key) {
	// 省略前面的不变代码...

    //发送信息通知其他节点删除一级缓存   
    CacheMassage cacheMassage
            = new CacheMassage(this.cacheName, CacheMsgType.DELETE,
            key,null, MessageSourceUtil.getMsgSource());
    redisTemplate.convertAndSend(MessageConfig.TOPIC,cacheMassage);
}

适配分布式环境的改造工作到此结束，下面进行一下简单的测试工作。

测试

我们可以用 idea 的 Allow parallel run 功能同时启动两个一样的springboot项目，来模拟分布式环境下的两台主机，注意在启动参数中添加 -Dserver.port 参数来启动到不同端口。

首先测试更新操作，使用接口修改某一个主机的本地缓存，可以看到发出消息的主机在收到消息后，直接丢弃不做任何处理：

查看另一台主机的日志，收到消息并更新了本地缓存：

再看一下缓存的删除情况，同样本地删除后再收到消息不做处理：

看另一台主机收到消息后，会删除本地的一级缓存：

可以看到，分布式环境下本地缓存通过 Redis 消息的发布订阅机制保证了一级缓存的一致性。

另外，如果更加严谨一些的话，其实还应该处理一下缓存更新失败的情况，这里留个坑以后再填。简单说一下思路，我们应该在代码中捕获缓存更新失败的异常，然后删除二级缓存、本机以及其他主机的一级缓存，再等待下一次访问时直接拉取最新的数据进行缓存。同样，要想实现缓存失效同时作用于所有单机节点的本地缓存这一功能，也可以使用上面的发布订阅来实现。