Java本地缓存与分布式缓存集成-源码库

Java本地缓存与分布式缓存集成：实战多级缓存架构设计

作为一名常年奋战在一线的Java开发者，我深知缓存对系统性能的重要性。今天想和大家分享我在项目中如何将本地缓存与分布式缓存结合使用，构建高性能的多级缓存架构。这种方案既能享受本地缓存的极速响应，又能通过分布式缓存保证数据一致性。

为什么需要多级缓存？

记得去年我们系统遇到性能瓶颈时，单纯使用Redis虽然解决了分布式环境下的数据一致性问题，但每次请求都要走网络IO，在高并发场景下Redis也成了瓶颈。后来我们引入了本地缓存作为一级缓存，Redis作为二级缓存，性能提升了近3倍。

技术选型与项目搭建

我们选择Caffeine作为本地缓存，Redis作为分布式缓存，Spring Boot作为框架。首先在pom.xml中添加依赖：


  com.github.ben-manes.caffeine
  caffeine
  3.1.8


  org.springframework.boot
  spring-boot-starter-data-redis

核心缓存管理器实现

这里我踩过一个坑：直接使用Spring的Cache注解无法实现多级缓存逻辑。我们需要自定义一个缓存管理器：

@Component
public class TwoLevelCacheManager {
    
    @Autowired
    private RedisTemplate redisTemplate;
    
    // 本地缓存使用Caffeine
    private Cache localCache = Caffeine.newBuilder()
        .maximumSize(1000)
        .expireAfterWrite(Duration.ofMinutes(10))
        .build();
        
    public Object get(String key) {
        // 先查本地缓存
        Object value = localCache.getIfPresent(key);
        if (value != null) {
            return value;
        }
        
        // 本地缓存未命中，查询Redis
        value = redisTemplate.opsForValue().get(key);
        if (value != null) {
            // 回填本地缓存
            localCache.put(key, value);
        }
        
        return value;
    }
    
    public void put(String key, Object value) {
        // 同时写入两级缓存
        localCache.put(key, value);
        redisTemplate.opsForValue().set(key, value, Duration.ofHours(1));
    }
}

缓存更新与失效策略

多级缓存最大的挑战是数据一致性。我们采用了以下策略：

@Service
public class UserService {
    
    @Autowired
    private TwoLevelCacheManager cacheManager;
    
    public User getUserById(Long id) {
        String cacheKey = "user:" + id;
        User user = (User) cacheManager.get(cacheKey);
        
        if (user == null) {
            // 缓存未命中，查询数据库
            user = userRepository.findById(id).orElse(null);
            if (user != null) {
                cacheManager.put(cacheKey, user);
            }
        }
        return user;
    }
    
    @Transactional
    public void updateUser(User user) {
        // 先更新数据库
        userRepository.save(user);
        
        // 再失效缓存
        String cacheKey = "user:" + user.getId();
        cacheManager.evict(cacheKey);  // 这个方法需要你在CacheManager中实现
    }
}

实战中的优化技巧

经过多次压测和线上实践，我总结了几个关键优化点：

1. 本地缓存过期时间要短于Redis：我们设置本地缓存10分钟，Redis缓存1小时，这样即使本地缓存数据不一致，也能在较短时间内自动修正。

2. 使用布隆过滤器避免缓存穿透：对于不存在的key，也要在本地缓存中记录，防止频繁查询Redis。

3. 监控缓存命中率：我们通过Micrometer监控两级缓存的命中率，及时调整缓存策略。

踩坑记录与解决方案

在项目初期，我们遇到了本地缓存内存溢出的问题。后来通过以下方式解决：

// 限制本地缓存大小和使用软引用
Cache localCache = Caffeine.newBuilder()
    .maximumSize(1000)
    .softValues()  // 使用软引用，在内存不足时会被GC
    .expireAfterWrite(Duration.ofMinutes(10))
    .recordStats()  // 开启统计
    .build();

另一个坑是缓存雪崩。我们通过给Redis缓存设置随机过期时间来解决：

// 在原有过期时间基础上增加随机值
int randomExpire = 60 * 60 + new Random().nextInt(600); // 1小时 ± 10分钟
redisTemplate.opsForValue().set(key, value, Duration.ofSeconds(randomExpire));