为什么使用缓存

缓存，主要有两个用途：提高服务性能和并发。

缓存是提高服务响应速度最快的方式之一。

我们设计缓存的目的是减少用户直接访问磁盘、访问网络带来的性能损耗，把磁盘、网络请求的内容存在在内存中，提升应用程序的访问速度和并发量。

文内免费申领相关资料～

高性能 

提高应用的查询性能是大部分使用缓存的目的，特别是一些数据变动极不频繁的业务场景，比如权限查询这种情况加入缓存可以大幅降低数据库的读压力，极大的提升查询性能。

我们将缓存中的 key 保存到缓存中，然后在需要查询的时候直接查询缓存，而不走数据库，这样响应速度非常快，并且对于数据库的压力很小，一般缓存的查询都在微秒级，分布式缓存 Redis 中查询数据也在 1ms 中可以查询出来，这样在系统架构不进行大的变化的情况下完成了 500 倍的性能提升。

所以对于一些需要复杂操作耗时查出来的结果，确定后面不怎么变化，但是有很多读请求，直接将查询出来的结果放在缓存中，后面直接读缓存就好。

高并发 

mysql 数据库对于高并发的读写场景支持比较弱，通常单机支撑到 2000QPS 就开始出现性能瓶颈了。

所以若是系统高峰期一秒钟有 1 万个请求，那么一个 mysql 单机绝对会死掉，这个时候就只能上缓存，把很多数据放入缓存，别放入 mysql，缓存功能简单，说白了就是 key-value 式操作，单机支撑的并发量一秒可达几万十几万，单机承载并发量是 mysql 单机的几十倍。

mysql 数据库对于高并发的读写场景支持比较弱，通常单机支撑到 2000QPS 就开始出现性能瓶颈了。

二级缓存模型

二级缓存读操作 

如不考虑并发等复杂场景、二级缓存读操作可以使用如下流程图表示：

通过上面我们了解到数据库、本地缓存、分布式缓存的访问速率：本地缓存>分布式缓存>数据库缓存。基于上面的结论，我们的二级缓存的第一级缓存采用本地缓存；第二级缓存采用分布式缓存。

二级缓存写操作

如不考虑并发等复杂场景、二级缓存写操作可以使用如下流程图表示：

二级缓存优点

本地缓存基于本地环境的内存，访问速度非常快，对于一些变更频率低、实时性要求低的数据，可以放在本地缓存中，提升访问速度。

使用本地缓存能够减少和 Redis 类的远程缓存间的数据交互，减少网络 I/O 开销，降低这一过程中在网络通信上的耗时。

二级缓存缺点

• 功能增强的同时,也带来了数据一致性的复杂性，需要保证一级缓存、二级缓存、数据库 3 者之间数据的一致性；

• 本地缓存失效、清理带来了复杂度，需要引入 redis；

• Spring cache 目前只支持单缓存源，不支持多级缓存、需要对 spring cache 改造。

二级缓存实现

二级缓存选型

一级缓存：Caffeine 是一个一个高性能的 Java 缓存库；使用 Window TinyLfu 回收策略，提供了一个近乎最佳的命中率。优点数据就在应用内存所以速度快。缺点受应用内存的限制，所以容量有限；没有持久化，重启服务后缓存数据会丢失；在分布式环境下缓存数据数据无法同步；

二级缓存：redis 是一高性能、高可用的 key-value 数据库，支持多种数据类型，支持集群，和应用服务器分开部署易于横向扩展。优点支持多种数据类型，扩容方便；持久化，重启应用服务器缓存数据不会丢失；他是一个集中式缓存，不存在在应用服务器之间同步数据的问题。缺点每次都需要访问 redis 存在 IO 浪费的情况。

二级缓存实现

从架构的可扩展性和可配置性考量，我们第一选择是对 spring cache 进行扩展，基于 spring cache 做二级缓存实现继承了 spring cache 的如下优点:

• 通过少量的配置 annotation 注释即可使得既有代码支持缓存；

• 支持开箱即用 Out-Of-The-Box，既不需要安装和部署额外的第三方组件即可使用多级缓存；

• 支持 SpEL 表达式、能使用对象的任何属性或者方法来定义缓存的 key 和 condition；

• 支持 AspectJ、并通过器实现任何方法的缓存支持；

• 支持自定义 key 和自定义缓存管理器、具有很大的灵活性和扩展性。

在 @SpringbootApplication 注释下面添加注解，@EnableConfigurationProperties(CacheConfigProperties .class)注入即可使用。

多级缓存 spring cache 适配

Spring Cache 最核心的就是实现 Cache 和 CacheManager 接口。但是 Spring Cache 存在以下问题：

Spring Cache 仅支持单一的缓存来源，即：只能选择 Redis 实现或者 Caffeine 实现，并不能同时使用。

数据一致性，即：各层缓存之间的数据一致性问题，如应用层缓存和分布式缓存之间的数据一致性问题。

由此我们可以通过重新实现 Cache 和 CacheManager 接口，整合 caffeine 和 redis，从而实现多级缓存。

核心实现之 RedisCaffeineCache

本地缓存的过期策略、和主动清理都必须通过 redis pub/sub 机制实现。这样可以避免在分布式环境下，部分实例缓存不一致情况。

本地缓存监听 redis 消息。

RedisCaffeineCacheManager

RedisCaffeineCacheManager 实现了 CacheManager 接口、并且进行了一定的扩展。

二级缓存使用

上文说道，为了让二级缓存使用简单、对 spring cache 进行扩展，可以像使用 spring cache 一样使用二级缓存。

具体步骤如下:

• 需要引入依赖 caffeine-redis-sping-boot-starter；

• 开启 spring cache @EnableCache；

• 对目标方法使用 spring cache 注解。

总结

在元年商旅业务中存在各种各样的配置信息,包括: 基础数据(城市、火车站、机场等)、全局配置(数据字典、I18N 信息)、租户配置(预定、对接、服务费、供应商等),这些数据部分属于静态数据、部分属于热点数据，根据业务要求每种数据的过期时间、缓存淘汰策略都略有不同。

二级缓存是支持商旅 SAAS 系统高并发的利器之一，有效的提升了商旅 SAAS 系统的性能和并发量。