当前位置： 首页 > ai >正文

Spring Boot中集成Guava Cache或者Caffeine

ai 2025/5/4 6:46:00

一、在Spring Boot(1.x版本)中集成Guava Cache

  • 注意： Spring Boot 2.x+用户：优先使用Caffeine，性能更优且维护活跃。

1. 添加依赖

在pom.xml中添加Guava依赖：

<dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>31.0.1-jre</version> <!-- 使用最新版本 -->
</dependency>

2. 启用缓存支持

在启动类上添加@EnableCaching注解：

@SpringBootApplication
@EnableCaching
public class Application {public static void main(String[] args) {SpringApplication.run(Application.class, args);}
}

3. 配置Guava缓存管理器

创建配置类定义CacheManager Bean：

@Configuration
public class CacheConfig {@Beanpublic CacheManager cacheManager() {GuavaCacheManager cacheManager = new GuavaCacheManager();cacheManager.setCacheBuilder(CacheBuilder.newBuilder().expireAfterWrite(10, TimeUnit.MINUTES) // 写入10分钟后过期.maximumSize(100) // 最大缓存数量.recordStats()); // 开启统计信息return cacheManager;}
}

4. 使用缓存注解

在Service层使用@Cacheable、@CacheEvict等注解：

@Service
public class UserService {// 缓存查询结果，key为id@Cacheable(value = "USER_CACHE", key = "#id")public User getUserById(Long id) {return userRepository.findById(id).orElse(null);}// 更新缓存@CachePut(value = "USER_CACHE", key = "#user.id")public User updateUser(User user) {return userRepository.save(user);}// 删除缓存@CacheEvict(value = "USER_CACHE", key = "#id")public void deleteUser(Long id) {// 删除用户逻辑userRepository.deleteById(id);}}

5. 验证缓存效果

编写测试类或调用接口验证缓存是否生效：

@SpringBootTest
public class UserServiceTest {@Autowiredprivate UserService userService;@Testpublic void testCache() {// 第一次调用，执行方法User user1 = userService.getUserById("123");// 第二次调用，从缓存获取User user2 = userService.getUserById("123");// 验证是否为同一对象（缓存生效）assertThat(user1).isSameAs(user2);}
}

高级配置

  • 多缓存配置：为不同缓存设置不同策略：

    @Bean
public CacheManager cacheManager() {GuavaCacheManager cacheManager = new GuavaCacheManager();cacheManager.setCacheBuilder(CacheBuilder.newBuilder().expireAfterWrite(30, TimeUnit.MINUTES).maximumSize(500));cacheManager.setCacheBuilder("userCache", CacheBuilder.newBuilder().expireAfterWrite(10, TimeUnit.MINUTES).maximumSize(100));return cacheManager;
}

  • 刷新策略：使用refreshAfterWrite定时刷新（需配合LoadingCache）：

    CacheBuilder.newBuilder().refreshAfterWrite(5, TimeUnit.MINUTES).build(CacheLoader.from(key -> loadData(key)));

  • 统计信息：通过recordStats()启用统计，使用cache.getStatistics()获取命中率等信息。

常见问题

  1. 缓存未生效：

    • 确保启动类有@EnableCaching。
    • 检查方法是否为public（注解在私有方法上无效）。

  2. 配置未应用：

    • 确认CacheManager Bean正确注册。
    • 检查缓存名称是否匹配@Cacheable(value = "cacheName")。

  3. 内存溢出：

    • 合理设置maximumSize或expireAfterAccess/Write。

通过以上步骤，即可在Spring Boot中高效使用Guava Cache实现本地缓存，提升应用性能。

二、Spring Boot 2.x及以上版本（推荐使用Caffeine）

在Spring Boot 2.x及以上版本中，Caffeine作为默认的本地缓存组件，取代了Guava Cache，提供了更高的性能和更灵活的配置。

1. 添加依赖

需引入spring-boot-starter-cache和caffeine依赖：

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-cache</artifactId>
</dependency>
<dependency><groupId>com.github.ben-manes.caffeine</groupId><artifactId>caffeine</artifactId><version>3.1.8</version> <!-- 推荐使用最新版本 -->
</dependency>

2. 启用缓存支持

在启动类添加@EnableCaching注解：

@SpringBootApplication
@EnableCaching
public class Application {public static void main(String[] args) {SpringApplication.run(Application.class, args);}
}

3. 配置Caffeine缓存

方式一：通过配置文件

在application.yml中定义全局缓存参数：

spring:cache:type: caffeinecaffeine:spec: maximumSize=500,expireAfterWrite=600s,initialCapacity=100cache-names: userCache, productCache  # 定义缓存名称
  • 常用参数：
    • maximumSize：最大缓存条目数
    • expireAfterWrite：写入后过期时间
    • initialCapacity：初始容量。
方式二：通过Java Config类

为不同缓存设置独立策略（推荐多缓存场景）：

@Configuration
@EnableCaching
public class CacheConfig {public enum Caches {USER_CACHE(600, 1000),  // 有效期600秒，最大容量1000PRODUCT_CACHE(3600);private final int ttl;private final int maxSize;Caches(int ttl, int maxSize) {this.ttl = ttl;this.maxSize = maxSize;}public int getTtl() {return ttl;}public int getMaxSize() {return maxSize;}}@Beanpublic CacheManager cacheManager() {SimpleCacheManager manager = new SimpleCacheManager();List<CaffeineCache> caches = Arrays.stream(Caches.values()).map(c -> new CaffeineCache(c.name(), Caffeine.newBuilder().expireAfterWrite(c.getTtl(), TimeUnit.SECONDS).maximumSize(c.getMaxSize()).build())).collect(Collectors.toList());manager.setCaches(caches);return manager;}
}

此方式支持为每个缓存单独配置过期时间和容量。

4. 使用缓存注解

在Service层通过注解操作缓存：

@Service
public class UserService {// 缓存查询结果，key为id@Cacheable(value = "USER_CACHE", key = "#id")public User getUserById(Long id) {return userRepository.findById(id).orElse(null);}// 更新缓存@CachePut(value = "USER_CACHE", key = "#user.id")public User updateUser(User user) {return userRepository.save(user);}// 删除缓存@CacheEvict(value = "USER_CACHE", key = "#id")public void deleteUser(Long id) {userRepository.deleteById(id);}
}
  • 注解说明：
    • @Cacheable：查询时优先从缓存读取
    • @CachePut：更新数据并刷新缓存
    • @CacheEvict：删除数据时移除缓存。

5. 高级配置

刷新策略（RefreshAfterWrite）

需定义CacheLoader以支持自动刷新：

@Bean
public CacheLoader<Object, Object> cacheLoader() {return new CacheLoader<>() {@Overridepublic Object load(Object key) {return loadDataFromDB(key);  // 初始加载数据}@Overridepublic Object reload(Object key, Object oldValue) {return oldValue;  // 刷新时保留旧值，异步加载新值}};
}

配置文件中需添加refreshAfterWrite=5s，并关联此Bean。

统计与监控

启用统计功能：

Caffeine.newBuilder().recordStats().build();

通过cache.stats()获取命中率、回收数量等指标。

6. 验证缓存效果

通过测试类验证缓存是否生效：

@SpringBootTest
public class CacheTest {@Autowiredprivate UserService userService;@Testpublic void testCache() {User user1 = userService.getUserById(1L);  // 首次查询，存入缓存User user2 = userService.getUserById(1L);  // 二次查询，命中缓存assertThat(user1).isSameAs(user2);}
}

常见问题

  1. 缓存未命中：

    • 检查方法是否为public（注解在私有方法无效）
    • 确认缓存名称与配置一致。

  2. 配置冲突：

    • 避免同时配置maximumSize和maximumWeight
    • expireAfterWrite优先级高于expireAfterAccess。

通过以上步骤，可在Spring Boot 2.x中高效集成Caffeine，实现高性能本地缓存，适用于高频访问但更新较少的数据场景（如配置信息、静态数据）。

三、Caffeine使用场景

Caffeine 作为高性能本地缓存库，适用于多种需要快速数据访问和高效内存管理的场景。以下是其主要使用场景及对应的技术优势分析：

1. 高并发请求缓存

  • 场景描述：适用于高频访问的接口或热点数据，例如用户信息查询、商品详情展示等。Caffeine 通过无锁并发设计和 Window TinyLFU 算法，显著提升缓存命中率，减少数据库压力。
  • 技术优势：
    • 高性能：在高并发环境下，Caffeine 的吞吐量远超 Guava Cache，其分段锁机制避免了锁竞争问题。
    • 高命中率：Window TinyLFU 算法结合 LRU 和 LFU 优点，有效保留高频访问数据，命中率比 Guava 提升 10%~20%。
  • 典型应用：Web 应用的 API 接口缓存，如电商平台的商品详情页。

2. 数据库查询缓存

  • 场景描述：用于缓存频繁查询的数据库结果，如用户常用配置、热门商品库存等，减少重复数据库访问。
  • 技术优势：
    • 自动过期策略：支持 expireAfterWrite（写入后过期）和 expireAfterAccess（访问后过期），防止数据过时。
    • 内存管理：通过 maximumSize 限制缓存条目数，避免内存溢出，结合惰性删除和定时清理机制优化内存使用。
  • 典型应用：用户登录信息缓存、商品库存实时查询缓存。

3. 复杂计算结果缓存

  • 场景描述：缓存计算密集型操作的结果，如图像处理、大数据聚合分析等，避免重复计算消耗资源。
  • 技术优势：
    • 异步加载：通过 AsyncLoadingCache 异步加载数据，减少主线程阻塞，提升系统响应速度。
    • 刷新机制：使用 refreshAfterWrite 定时刷新缓存，保证数据更新后的及时性，同时保留旧数据直至新数据加载完成。
  • 典型应用：推荐系统的实时计算结果缓存、图像处理后的缩略图缓存。

4. 多级缓存架构（L1缓存）

  • 场景描述：在分布式系统中作为一级本地缓存（L1），结合 Redis（L2）和数据库（L3）形成三级缓存，减少跨服务或跨节点的网络延迟。
  • 技术优势：
    • 低延迟访问：本地内存访问速度极快，适合对延迟敏感的场景。
    • 灵活集成：通过 CacheLoader 和 Writer 接口，可无缝与 Redis 等外部缓存联动，实现数据回源和同步。
  • 典型应用：秒杀系统的库存缓存、分布式服务中的配置信息缓存。

5. 需要高灵活性和统计监控的场景

  • 场景描述：对缓存策略有定制化需求（如动态调整过期时间、监听缓存事件）或需监控缓存命中率的场景。
  • 技术优势：
    • 灵活配置：支持基于大小、时间、引用等多种淘汰策略，并可自定义过期逻辑。
    • 统计功能：通过 recordStats() 启用统计，获取命中率、淘汰次数等指标，便于性能调优。
  • 典型应用：实时监控系统的缓存健康状态、需要动态调整缓存策略的业务场景。

注意事项

  1. 非分布式场景：Caffeine 仅适用于本地缓存，跨节点数据需结合 Redis 等分布式缓存。
  2. 内存限制：需根据应用内存合理设置 maximumSize 或权重，避免 OOM 问题。
  3. 数据一致性：本地缓存可能导致多实例间数据不一致，需通过过期时间或事件通知机制解决。

总结

Caffeine 凭借其高性能、高命中率和灵活的配置，成为高并发、低延迟场景下的首选本地缓存库。尤其适合作为一级缓存与 Redis 等组成多级缓存架构，或用于需要快速响应和复杂策略管理的业务场景。实际应用中需结合具体需求调整淘汰策略和内存配置，以最大化其优势。

更多用法：

SpringBoot：第五篇 集成Guava(本地缓存+分布式缓存)

http://www.xdnf.cn/news/3420.html

相关文章：

  • 接口测试实战指南：从入门到精通的质量保障之道
  • 【安装指南】Centos7 在 Docker 上安装 RabbitMQ4.0.x
  • 芯片中的pad、strap和probe
  • C++11新特性_委托构造函数
  • 《Android 应用开发基础教程》——第十一章：Android 中的图片加载与缓存（Glide 使用详解）
  • 铸铁划线平板：多行业的精密测量工具（北重铸铁平板厂家）
  • golang常用库之-标准库text/template
  • C++负载均衡远程调用学习之消息队列与线程池
  • 【前端知识】Vue3状态组件Pinia详细介绍
  • 同城跑腿小程序帮取帮送接单抢单预约取件智能派单同城配送全开源运营版源码优创
  • Python实例题：Python获取小说数据并分析
  • 计算方法实验四 解线性方程组的间接方法
  • 使用 n8n 创建一个定时获取“RSS新闻“的工作流
  • （35）VTK C++开发示例 ---将图片映射到平面2
  • 期刊、出版社、索引数据库
  • 从0搭建Transformer
  • 逻辑回归的多分类实战：以鸢尾花数据集为例
  • STL之vector容器
  • MySQL 索引不生效的情况
  • 【Linux】Linux基础概念
  • 树状数组 + 线段树
  • Java学习手册：Spring Security 安全框架
  • 多模态人工智能研究：视觉语言模型的过去、现在与未来
  • 51单片机驱动 矩阵键盘
  • SPOJ 11576 TRIP2 - A Famous King’s Trip 【Tarjan+欧拉回路】
  • Python清空Word段落样式的方法
  • PINNs案例——多介质分区温度场
  • c++环境和vscode常用的一些有用插件
  • 菲索旋转齿轮法：首次地面光速测量的科学魔术
  • Spring Boot 集成 Elasticsearch 的详细步骤