spring boot 页面缓存 springboot自带缓存

转载

AIGC创想家 2023-07-05 21:18:34

文章标签 spring boot 页面缓存 JAVA 中间件缓存 redis 文章分类 spring boot 后端开发

spring缓存

spring框架对缓存服务进行了抽象，提供了缓存增删查改等功能。但需要实现一个具体的数据存储实体。

缓存与缓冲区

缓存是无感知的，提高多次读取相同数据的性能
缓冲区是作用于快速和慢速实体之间的数据临时存储。相同数据块一般只会读写一次。

Reids实现spring缓存服务

spring提供了Cache和CacheManger抽象，Cache有自己的名字，存储缓存数据和提供操作。CacheManager则是维护Cache列表和提供服务。

spring boot 页面缓存 springboot自带缓存_spring boot 页面缓存

spring boot 页面缓存 springboot自带缓存_中间件_02

spring boot 页面缓存 springboot自带缓存_JAVA_03

　　实现缓存抽象的数据实体

spring boot 页面缓存 springboot自带缓存_JAVA_04

环境搭建

<!--spring cache-->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-cache</artifactId>
</dependency>
 
cache:
  #设置缓存组件类型
  type: redis
  #设置缓存过期时间
  redis:
    time-to-live: 3600000
  #指定默认前缀，如果此处我们指定了前缀则使用我们指定的前缀，推荐此处不指定前缀
  #spring.cache.redis.key-prefix=CACHE_
  #是否开始前缀，建议开启
  #spring.cache.redis.use-key-prefix=true
  #是否缓存空值，防止缓存穿透
  #spring.cache.redis.cache-null-values=true
 
 
 
@EnableCaching
@Configuration
public class CacheConfig {
 
    @Bean
    public RedisCacheConfiguration redisCacheConfiguration(CacheProperties cacheProperties) {
        RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig();
        // 设置缓存key的序列化方式
        config =
                config.serializeKeysWith(
                        RedisSerializationContext.SerializationPair.fromSerializer(
                                new StringRedisSerializer()));
        // 设置缓存value的序列化方式(JSON格式) 这里用GenericJackson2JsonRedisSerializer（其他json方式会报错哦），从redis获取后可以进行强转。
        config =
                config.serializeValuesWith(
                        RedisSerializationContext.SerializationPair.fromSerializer(
                                new GenericJackson2JsonRedisSerializer()));
        CacheProperties.Redis redisProperties = cacheProperties.getRedis();
        if (redisProperties.getTimeToLive() != null) {
            config = config.entryTtl(redisProperties.getTimeToLive());
        }
        if (redisProperties.getKeyPrefix() != null) {
            config = config.prefixKeysWith(redisProperties.getKeyPrefix());
        }
        if (!redisProperties.isCacheNullValues()) {
            config = config.disableCachingNullValues();
        }
        if (!redisProperties.isUseKeyPrefix()) {
            config = config.disableKeyPrefix();
        }
        return config;
    }
 
}

　　缓存注解

　　spring缓存提供了一组注解:

　　@Cacheable：查询缓存,查不到则增加。
　　@CacheEvict：删除缓存。
　　@CachePut：增加缓存。
　　@Caching：组合多个缓存操作。
　　@CacheConfig：在类级别共享一些与缓存相关的常见设置。

使用demo

// ps：使用SpEL语法
@CachePut(cacheNames = CACHE_USER, key = "#params.name")
public UserInfo register(UserRequestParams params) {}
 
 
// sync=true 加锁  condition="#name.length() < 32" 条件缓存
@Cacheable(cacheNames = CACHE_USER, key = "#name")
public UserInfo getUser(String name){}
 
 
// allEntries=true 清楚全部缓存
@CacheEvict(cacheNames = CACHE_USER, key = "#name")
public void clear(String name){}
 
 
// 缓存操作集合,可以抽象出来
@Caching(cacheable = @Cacheable(cacheNames = "caching", key = "#age"), evict = @CacheEvict(cacheNames = "t4", key = "#age"))
public String caching(int age) {}
 
 
@CacheConfig("books")
public class BookRepositoryImpl{}
 
 
// 自定义注解，一般用来美化@Caching注解
@Retention(RetentionPolicy.RUNTIME)
@Target({ElementType.METHOD})
@Cacheable(cacheNames="books", key="#isbn")
public @interface SlowService {
}
 
 
@SlowService
public Book findBook(ISBN isbn, boolean checkWarehouse, boolean includeUsed)

　　缓存常见问题

缓存穿透

描述：访问一个缓存和数据库都不存在的 key，此时会直接打到数据库上，并且查不到数据，没法写缓存，所以下一次同样会打到数据库上。

解决方案：

1、接口校验。在正常业务流程中可能会存在少量访问不存在 key 的情况，但是一般不会出现大量的情况，所以这种场景最大的可能性是遭受了非法攻击。可以在最外层先做一层校验：用户鉴权、数据合法性校验等，例如商品查询中，商品的ID是正整数，则可以直接对非正整数直接过滤等等。

2、缓存空值。当访问缓存和DB都没有查询到值时，可以将空值写进缓存，但是设置较短的过期时间，该时间需要根据产品业务特性来设置。

3、布隆过滤器。使用布隆过滤器存储所有可能访问的 key，不存在的 key 直接被过滤，存在的 key 则再进一步查询缓存和数据库。

布隆过滤器

布隆过滤器的特点是判断不存在的，则一定不存在；判断存在的，大概率存在，但也有小概率不存在。并且这个概率是可控的，我们可以让这个概率变小或者变高，取决于用户本身的需求。

布隆过滤器由一个 bitSet 和一组 Hash 函数（算法）组成，是一种空间效率极高的概率型算法和数据结构，主要用来判断一个元素是否在集合中存在。

在初始化时，bitSet 的每一位被初始化为0，同时会定义 Hash 函数，例如有3组 Hash 函数：hash1、hash2、hash3。

spring boot 页面缓存 springboot自带缓存_缓存_05

假设抖音刷视频，需要推荐给我们没看过的视频，那么就需要缓存我们看过的视频进行排除。假设使用四个字节存储视频id，100个视频id就需要400字节，而且一般为了查询效率，也要达到O（logN）的查询，那就需要引入占用内存更多的map之类的结构。而布隆是3个bit存储，那100个视频id最理想情况下，也只有300bit ≈ 30多字节，并且查询效率达到O（1），在大数据查找领域，不失为一种最佳方案。