当前位置： 首页 > ds >正文

【2025最新Java面试八股】如何在Spring启动过程中做缓存预热？

ds 2025/5/5 18:10:27

在 Spring 应用启动过程中进行缓存预热（Cache Preloading）是一种优化手段，目的是在系统正式对外提供服务前，提前加载高频访问的数据到缓存（如 Redis、Caffeine 等），避免用户首次请求时因缓存未命中（Cache Miss）导致性能下降。以下是详细的实现方案和最佳实践：

1. 缓存预热的核心思路

  • 目标：在 Spring 容器初始化完成后，主动加载热点数据到缓存。

  • 适用场景：

    • 高频访问的静态数据（如配置表、城市列表）。

    • 计算成本高的数据（如排行榜、聚合统计结果）。

  • 关键时机：确保预热在应用完全启动后执行，且不影响正常服务。

2. 实现方案

方案1：使用 @PostConstruct 注解或者实现 InitializingBean 接口，
 实现 InitializingBean 接口，可以重写afterPropertiesSet 方法中执行缓存预热的逻辑。这样，Spring 在初始化 Bean 时会调用 afterPropertiesSet 方法。

在 Spring Bean 初始化完成后立即执行预热逻辑：

@Service
public class CacheWarmUpService {@Autowiredprivate UserService userService; // 依赖的业务服务@Autowiredprivate CacheManager cacheManager; // Spring 缓存管理器@PostConstruct  // 在 Bean 初始化后执行public void warmUpCache() {List<User> hotUsers = userService.getTopActiveUsers(100); // 加载热点数据hotUsers.forEach(user -> cacheManager.getCache("userCache").put(user.getId(), user));}
}

import org.springframework.beans.factory.InitializingBean;

import org.springframework.stereotype.Component;

@Component

public class CachePreloader implements InitializingBean {

                 @Override

                public void afterPropertiesSet() throws Exception {

                        // 执行缓存预热逻辑

                        // ...

                }

}

优点：简单直接，适合小规模预热。
缺点：可能阻塞 Spring 启动流程，需控制预热时间。

方案2：实现 ApplicationListener 监听上下文就绪事件

ApplicationReadyEvent 是 Spring Boot 框架中的一个事件类，它表示应用程序已经准备好接收请求，即应用程序已启动且上下文已刷新。这个事件是在 ApplicationContext 被初始化和刷新，并且应用程序已经准备好处理请求时触发的。

基于ApplicationReadyEvent，我们可以在应用程序完全启动并处于可用状态后执行一些初始化逻辑。使用 @EventListener 注解或实现 ApplicationListener 接口来监听这个事件。

在 Spring 上下文完全初始化后触发预热：

@Component
public class CacheWarmUpListener implements  ApplicationListener<ContextRefreshedEvent> {
//通过实现ApplicationListener<ContextRefreshedEvent>接口
//也可以通过@EventListener实现@Overridepublic void onApplicationEvent(ContextRefreshedEvent event) {if (event.getApplicationContext().getParent() == null) { // 避免子容器重复执行// 执行预热逻辑warmUpRedisCache();warmUpLocalCache();}}private void warmUpRedisCache() {// 例如：预加载商品数据到 Redis// ...}
}

优点：确保所有 Bean 已就绪，适合复杂预热逻辑。
缺点：需注意避免重复执行（如 Web 应用可能有父子容器）。

方案3：使用 CommandLineRunner 或 ApplicationRunner

Spring Boot 提供的启动后扩展点：

@Component
@Order(1) // 控制执行顺序
public class CacheWarmUpRunner implements CommandLineRunner {@Autowiredprivate ProductService productService;@Overridepublic void run(String... args) {List<Product> hotProducts = productService.getHotProducts();// 写入缓存（如 Caffeine、Redis）}
}

优点：与 Spring Boot 生命周期无缝集成，支持多任务顺序控制。
缺点：仅适用于 Spring Boot 项目。

方案4：异步预热（推荐）

避免阻塞主线程，使用 @Async 异步执行：

@Service
public class AsyncCacheWarmUpService {@Async  // 需启用 @EnableAsyncpublic void warmUpCacheAsync() {// 耗时预热逻辑（如全量加载数据库数据到缓存）}
}// 通过监听器或 Runner 触发异步任务
@Component
public class CacheWarmUpTrigger implements ApplicationListener<ContextRefreshedEvent> {@Autowiredprivate AsyncCacheWarmUpService asyncService;@Overridepublic void onApplicationEvent(ContextRefreshedEvent event) {asyncService.warmUpCacheAsync();}
}

优点：不阻塞应用启动，适合大数据量预热。
注意：需配置线程池（通过 ThreadPoolTaskExecutor）。

3. 结合具体缓存框架

3.1 Redis 预热
public void warmUpRedis() {StringRedisTemplate redisTemplate = ...;List<City> cities = cityRepository.findAll();cities.forEach(city -> redisTemplate.opsForValue().set("city:" + city.getId(), city.getName()));
}
3.2 Caffeine 本地缓存预热
@Bean
public Cache<String, Product> productCache() {return Caffeine.newBuilder().maximumSize(1000).build(cache -> {// 启动时自动加载数据return productService.getProductById(cache.key());});
}

4. 最佳实践

  1. 分批次加载：避免单次加载数据量过大导致 OOM 或超时。

    List<User> users = userService.getAllUsers();
int batchSize = 100;
for (int i = 0; i < users.size(); i += batchSize) {List<User> batch = users.subList(i, Math.min(i + batchSize, users.size()));batch.forEach(user -> cache.put(user.getId(), user));
}

  2. 动态调整预热策略：通过配置文件控制是否启用预热或选择预热数据集。

    cache:warm-up:enabled: truedata-sets: top_users,hot_products

  3. 监控与日志：记录预热耗时和数据量，便于优化。

    @Slf4j
public class CacheWarmUpRunner implements CommandLineRunner {@Overridepublic void run(String... args) {long start = System.currentTimeMillis();// 预热逻辑log.info("Cache warm-up completed in {} ms", System.currentTimeMillis() - start);}
}

5. 避免的坑

  • 循环依赖：预热 Bean 不要依赖其他未初始化的 Bean。

  • 事务问题：确保预热方法内数据库操作已提交（可加 @Transactional）。

  • 分布式环境：在集群中仅由一个节点执行预热（通过分布式锁控制）。

总结

方案适用场景是否阻塞启动
@PostConstruct简单、小数据量预热是
ApplicationListener需要完整上下文是
CommandLineRunnerSpring Boot 项目，需控制顺序是
异步预热（推荐）大数据量或耗时任务否

选择合适方案后，结合具体缓存框架（Redis/Caffeine）和业务需求，可显著提升系统启动后的缓存命中率。

http://www.xdnf.cn/news/2658.html

相关文章：

  • 【基础篇】prometheus页面UI功能详解
  • AI翻译LangChain实现的一点有趣思考
  • 深入浅出提示词工程（结合 DeepSeek）
  • yolo-world踩坑指南
  • 服务器数据备份，服务器怎么备份数据呢？
  • 【Google Colab】利用unsloth针对医疗数据集进行大语言模型的快速微调（含跑通原代码）
  • 实现一个瀑布流布局
  • 文章记单词 | 第48篇（六级）
  • 【计算机组成原理实验】实验一 运算部件实验_加法器及计算机性能指标
  • 每日算法-250427
  • java异常
  • C++中的继承
  • 前端面试高频算法
  • 从增量式到绝对式 —— 深度理解编码器的原理与选型
  • 香港GPU显卡服务器与GPU云服务器的区别
  • linux blueZ 第六篇：嵌入式与工业级应用案例——在 Raspberry Pi、Yocto 与 Buildroot 上裁剪 BlueZ 并落地实战
  • 【遥感科普】不同波段的卫星影像分别有什么实际应用场景？
  • C语言内敛函数
  • Linux 进程替换
  • 深度解析 `FOR UPDATE`：数据库行锁的精准掌控之道
  • G1（Garbage-First）垃圾回收器与JVM内存
  • http://noi.openjudge.cn/_2.5基本算法之搜索_2152:Pots
  • C++ 数组长度sizeof(a)/sizeof(a[0])(易错)
  • 《代码整洁之道》第6章 对象和数据结构 - 笔记
  • 【第三十三周】BLIP论文阅读笔记
  • 如何将数据输入到神经网络中
  • I2S音频模块结构设计
  • 【GESP】C++三级练习 luogu-B2114 配对碱基链
  • flutter实践：比例对比线图实现
  • 第35课 常用快捷操作——用“鼠标左键”拖动图元