当前位置： 首页 > news >正文

Spring Boot 缓存实现方案，缓存是提升性能、降低数据库压力的重要手段（单机应用推荐 Spring Cache + Caffeine）

news 2026/3/26 20:13:20

在 Spring Boot 项目中，缓存是提升性能、降低数据库压力的重要手段。下面结合你提供的资金选项查询业务（/capital/options/all接口），对 Spring Boot 项目中使用缓存的方方面面做一个详细总结，涵盖 Spring Cache 抽象、本地缓存 Caffeine、分布式缓存 Redis 以及 MyBatis 自带的二级缓存，并给出最佳实践建议。

一、缓存的使用场景与业务分析

你的业务接口/capital/options/all用于查询资金相关的所有下拉选项，包括资金账户、来源、指标来源等 7 张配置表。这类数据的特点是：

  • 读多写极少：配置数据基本固定，只在后台管理修改时更新。

  • 数据量小：每张表可能只有几十到几百条记录。

  • 响应要求高：前端可能频繁调用该接口。

因此，非常适合引入缓存，将全量查询结果缓存起来，避免每次请求都查询数据库。

二、Spring Boot 中的缓存方案概览

Spring Boot 支持多种缓存方案，主要分为两类：

  1. 基于 Spring 缓存抽象（spring-boot-starter-cache）

    • 通过注解（@Cacheable、@CacheEvict等）声明式地控制缓存。

    • 可插拔的缓存实现：Caffeine（本地）、Redis（分布式）、Ehcache 等。

    • 与业务代码解耦，切换实现无需修改业务逻辑。

  2. MyBatis 自带的二级缓存

    • MyBatis 框架内置的缓存机制，作用于 Mapper 级别。

    • 无需额外依赖，直接在 Mapper 上配置即可。

    • 缓存粒度较细，但无法直接缓存组合后的 DTO。

下面将分别详细说明这两种方案在业务中的应用。

三、方案一：Spring Cache 抽象（推荐）

1. 核心概念

  • @Cacheable：标记在方法上，表示结果可缓存。首次调用后缓存结果，后续直接返回缓存值。

  • @CacheEvict：清除缓存，通常在更新操作后调用，保证数据一致性。

  • @CachePut：每次都会执行方法，并更新缓存（不常用）。

  • CacheManager：缓存管理器，负责创建和管理缓存实例。

2. 集成步骤（以 Caffeine 本地缓存为例）

2.1 添加依赖

xml

<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-cache</artifactId> </dependency> <dependency> <groupId>com.github.ben-manes.caffeine</groupId> <artifactId>caffeine</artifactId> </dependency>
2.2 启用缓存

在启动类或任意@Configuration类上加@EnableCaching。

java

@SpringBootApplication @EnableCaching public class Application { ... }
2.3 配置缓存管理器（可选但推荐）

在application.yml中指定缓存类型和基本属性：

yaml

spring: cache: type: caffeine caffeine: spec: maximumSize=500, expireAfterWrite=10m # 最大500条，写入10分钟后过期

或者通过 Java 配置类进行更细粒度的控制。

2.4 在 Service 方法上添加缓存注解

针对你的业务，改造CapitalInfoService：

java

@Service public class CapitalInfoService { // 注入各个 Mapper @Cacheable(value = "capitalOptions", key = "'all'") public CapitalAllOptionDTO queryCapitalAllOption() { // 原有的7次查询逻辑 return allOptionDTO; } @CacheEvict(value = "capitalOptions", key = "'all'") public void refreshCapitalOptions() { // 空方法，用于手动清空缓存（例如在更新配置后调用） } // 更新配置的方法示例 @CacheEvict(value = "capitalOptions", key = "'all'") public void updateAccount(CapitalAccount account) { accountMapper.updateById(account); } }
2.5 注意事项

  • 缓存键：key = "'all'"使用固定字符串，因为该方法无参且返回全量数据。如果方法有参数，可以动态生成键（如#id）。

  • 序列化：如果将来要切换 Redis，需要让CapitalAllOptionDTO及其包含的实体类实现Serializable。

  • 缓存清理：任何对配置表的修改操作（增、删、改）都必须清除缓存，否则用户会看到旧数据。可以在每个更新方法上加@CacheEvict，或统一调用refreshCapitalOptions()。

  • 空值缓存：如果数据库为空，默认不会缓存空结果，可能导致缓存穿透。可以用unless = "#result == null"避免。

3. 切换为 Redis（分布式缓存）

如果应用需要多实例部署，只需更换依赖和配置，业务代码无需修改：

  • 移除 Caffeine 依赖，添加spring-boot-starter-data-redis。

  • 在application.yml中配置 Redis 连接和 TTL：

yaml

spring: cache: type: redis redis: time-to-live: 600000 # 10分钟（毫秒） redis: host: localhost port: 6379

Spring Boot 会自动配置RedisCacheManager，之前的@Cacheable注解继续生效。

4. Spring Cache 的优势

  • 注解驱动：简洁明了，与业务代码分离。

  • 灵活：可缓存任意方法的返回值，包括组合 DTO。

  • 可扩展：轻松切换本地/分布式缓存。

  • 支持多种缓存实现：Caffeine、Redis、Ehcache 等。

四、方案二：MyBatis 二级缓存

1. 核心概念

MyBatis 内置了两级缓存：

  • 一级缓存（SqlSession 级别）：默认开启，同一会话中重复查询不查库。

  • 二级缓存（Mapper 级别）：跨会话共享，需手动开启。

二级缓存的作用域是同一个namespace（即同一个 Mapper），缓存的是 Mapper 中查询方法的返回结果（如List<CapitalAccount>）。

2. 在业务中的应用

如果使用 MyBatis 二级缓存，你需要为 7 个 Mapper 分别开启缓存：

java

@Mapper @CacheNamespace(eviction = FifoCache.class, flushInterval = 60000, size = 512) public interface CapitalAccountMapper extends BaseMapper<CapitalAccount> { }

然后，在 Service 方法中，每次调用accountMapper.selectList(null)时，如果二级缓存中有数据，就不会查询数据库。

3. 优缺点分析

优点：

  • 无需额外依赖，MyBatis 自带。

  • 配置简单，只需在 Mapper 上加注解。

  • 自动维护一致性：执行当前 Mapper 的 DML 操作时自动清空该 Mapper 的缓存。

缺点：

  • 无法缓存组合后的 DTO，每次调用queryCapitalAllOption()仍需执行 7 次查询（虽然可能命中缓存）。

  • 缓存粒度太细，不能跨 Mapper 共享。

  • 分布式环境下，各实例缓存独立，会导致数据不一致。

  • 需要实体类实现Serializable（如果缓存可读写）。

  • 与 Spring 事务结合时，需要注意缓存清空的时机（必须在事务提交后清空，MyBatis 默认在更新后清空，但如果事务回滚，缓存已被清空，可能造成不一致）。

4. 适合场景

  • 单机应用，对某个 Mapper 的查询有较高重复率。

  • 无需跨表组合缓存的简单场景。

对于你的业务（一次返回 7 张表的组合数据），MyBatis 二级缓存虽然能减少数据库查询，但仍有多次缓存读取和对象组装开销，不如 Spring Cache 直接缓存最终 DTO 高效。

五、两种方案的对比与选择

特性Spring Cache + Caffeine/RedisMyBatis 二级缓存
缓存粒度任意方法返回值（如 DTO）Mapper 级别的单个查询结果
配置复杂度需添加依赖和配置，但注解简单无需额外依赖，仅 Mapper 配置
数据一致性需手动@CacheEvict，可精细控制执行 DML 时自动清空当前 Mapper 缓存
分布式支持支持（切换 Redis）不支持（仅本地）
与业务解耦完全解耦，可作用于 Service 层与 Mapper 耦合，无法控制组合逻辑
适用场景适合组合查询、跨表结果缓存适合单表简单查询的重复缓存

针对你的业务，强烈推荐使用 Spring Cache 抽象 + Caffeine（单机）或+ Redis（分布式）。理由如下：

  • 直接缓存最终的CapitalAllOptionDTO，一次方法调用只需查一次数据库（缓存失效后），性能最佳。

  • 注解使用灵活，未来可无缝切换缓存实现。

  • 代码改动小，只需在 Service 方法上加注解，并在更新操作上加@CacheEvict。

六、最佳实践总结（结合你的业务）

1. 实施步骤

  1. 添加依赖：spring-boot-starter-cache和caffeine。

  2. 启用缓存：启动类加@EnableCaching。

  3. 配置缓存：application.yml中设置spring.cache.caffeine.spec=maximumSize=500, expireAfterWrite=10m。

  4. 注解 Service 方法：

    • queryCapitalAllOption()上加@Cacheable(value = "capitalOptions", key = "'all'")。

    • 所有更新配置的方法（如updateAccount、addSource等）上加@CacheEvict(value = "capitalOptions", key = "'all'")。

  5. 测试验证：首次调用查库，第二次直接返回缓存。

2. 注意事项

  • 缓存过期时间：根据数据更新频率设置合理的expireAfterWrite，例如 10 分钟或 30 分钟。即使有@CacheEvict，过期时间作为兜底，防止缓存永久占用内存。

  • 缓存清理：务必在所有修改操作中清除缓存，否则会出现脏数据。如果修改操作分散在多个 Service，可以统一调用一个刷新方法（@CacheEvict标注的空方法）。

  • 序列化：如果未来可能切换 Redis，提前让 DTO 和实体类实现Serializable。

  • 缓存键冲突：如果同一缓存区域有其他方法，使用不同的 key 区分。

  • 监控与调优：可以通过 Actuator 端点查看缓存命中率，调整缓存大小和过期时间。

3. 扩展思考

  • 分布式部署：当应用需要水平扩展时，将缓存实现切换为 Redis，注意配置 Redis 的序列化方式（如 Jackson2JsonRedisSerializer）以便跨语言读取。

  • 缓存穿透/雪崩：配置空值缓存（unless）和随机过期时间防止雪崩。

  • 多级缓存：对于极高并发场景，可考虑 Caffeine 作为一级缓存，Redis 作为二级缓存，但会增加复杂度。

七、总结

Spring Boot 项目中使用缓存，应根据业务场景选择合适的方案：

  • 对于组合查询、跨表结果，首选Spring Cache 抽象，它提供了声明式编程模型，能够灵活地缓存任意方法的返回值，并且支持多种缓存实现，方便未来扩展。

  • 对于简单的单表查询重复缓存，MyBatis 二级缓存也是一个轻量级的选择，但需注意其局限性和分布式问题。

在你的资金选项业务中，采用 Spring Cache + Caffeine 的实践方案，不仅能够显著提升接口性能，还能保持代码简洁、易于维护。缓存是性能优化的利器，但也要注意数据一致性、过期策略和分布式环境下的挑战，合理设计才能发挥最大价值。

http://www.jsqmd.com/news/495892/

相关文章：

  • CYBER-VISION零号协议Keil5项目开发：嵌入式AI集成调试技巧
  • 深入解析BUCK电感工作模式：CCM、DCM与BCM的实战对比
  • 保姆级教程：从零开始搭建华为eNSP模拟器环境（含WinPcap/Wireshark配置）
  • 动态生成网页
  • Cosmos-Reason1-7B实际项目：新能源电池装配线动作合规性分析
  • STM32开发必备：ST-LINK Utility 4.6.0保姆级安装教程（含驱动自动安装）
  • LumiPixel Canvas Quest WebUI插件开发入门：自定义功能扩展
  • 教育场景新利器：Fish-Speech 1.5快速制作教学音频素材
  • 探索电视盒子的无限可能：用Armbian打造专属家庭服务器
  • 老旧设备系统升级指南：OpenCore Legacy Patcher技术解析与实战应用
  • 造相-Z-Image-Turbo生成效果深度评测：不同采样器与参数对比展示
  • STM32F042F6P6+DHT11温湿度检测实战：从硬件选型到串口数据可视化
  • Stable-Diffusion-V1-5 复古未来主义视觉作品：重新想象80年代的科技美学
  • 从Deeplabv1到v3+：演进之路与核心创新解析
  • 春联生成模型-中文-base：如何生成对仗工整、平仄协调的专业春联？
  • 解密Qwen3- Next的Gated DeltaNet：如何用75%混合层实现长文本高效推理
  • Acwing算法基础课实战：KMP字符串匹配算法详解与代码实现
  • Cosmos-Reason1-7B与Dify集成实战：可视化构建AI智能体应用
  • GitHub开源聊天工具Zulip：从团队协作到开源社区的全方位应用
  • GB28181协议下海康NVR通道管理避坑指南：解决503错误的3个关键步骤
  • Java调用Python脚本的终极指南：在若依系统中集成AI识别功能（附dlib安装避坑）
  • 如何用jsDelivr加速你的开源项目？5分钟搞定CDN配置（附常见问题解决方案）
  • LIO-SAM算法实战：从理论到代码实现
  • Realistic Vision V5.1 微信小程序开发：集成AI写真生成功能实战
  • 冷/温/热备份全对比：中小团队如何用最低成本搭建合规容灾系统（附PHPStudy配置示例）
  • 基于NE555与单片机的可调频率脉冲发生器设计与实现
  • llama.cpp最新版Windows编译全记录：从源码下载到模型测试（含w64devkit配置）
  • Z-Image-Turbo_UI界面效果展示：高清AI绘画作品惊艳案例分享
  • 如何利用开源学习资源实现高效复习：中山大学SYSU-Exam项目全攻略
  • 使用FLUX小红书极致真实V2增强网络安全态势可视化