「性能提升」扩展 Spring Cache 支持多级缓存

为什么多级缓存

缓存的引入是现在大部分系统所必须考虑的

• redis 作为常用中间件，虽然我们一般业务系统（毕竟业务量有限）不会遇到如下图 在随着 data-size 的增大和数据结构的复杂的造成性能下降，但网络 IO 消耗会成为整个调用链路中不可忽视的部分。尤其在 微服务架构中，一次调用往往会涉及多次调用 例如pig oauth2.0 的 client 认证^[1]

• Caffeine 来自未来的本地内存缓存,性能比如常见的内存缓存实现性能高出不少详细对比^[2]。

综合所述：我们需要构建 L1 Caffeine JVM 级别缓存 ， L2 Redis 缓存。

设计难点

目前大部分应用缓存都是基于 Spring Cache 实现,基于注解（annotation）的缓存（cache）技术,存在的问题如下：

• 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：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前的数据一致性问题。
• 缓存过期：Spring Cache 不支持主动的过期策略

业务流程

如何使用

• 
  
1. 引入依赖

<dependency>
    <groupId>com.pig4cloud.plugingroupId>
    <artifactId>multilevel-cache-spring-boot-starterartifactId>
    <version>0.0.1version>
dependency>

• 
  
2. 开启缓存支持

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

• 
  
3. 目标接口声明 Spring Cache 注解

@Cacheable(value = "get",key = "#key")
@GetMapping("/get")
public String get(String key){
    return "success";
}

性能比较

为保证性能 redis 在 127.0.0.1 环路安装

• OS: macOS Mojave
• CPU: 2.3 GHz Intel Core i5
• RAM: 8 GB 2133 MHz LPDDR3
• JVM: corretto_11.jdk

代码原理

1. 自定义 CacheManager 多级缓存实现

public class RedisCaffeineCacheManager implements CacheManager {

 @Override
 public Cache getCache(String name) {
  Cache cache = cacheMap.get(name);
  if (cache != null) {
   return cache;
  }
  cache = new RedisCaffeineCache(name, stringKeyRedisTemplate, caffeineCache(), cacheConfigProperties);
  Cache oldCache = cacheMap.putIfAbsent(name, cache);
  log.debug("create cache instance, the cache name is : {}", name);
  return oldCache == null ? cache : oldCache;
 }
}

• 多级读取、过期策略实现

  
  

public class RedisCaffeineCache extends AbstractValueAdaptingCache {
 protected Object lookup(Object key) {
  Object cacheKey = getKey(key);

    // 1. 先调用 caffeine 查询是否存在指定的值
  Object value = caffeineCache.getIfPresent(key);
  if (value != null) {
   log.debug("get cache from caffeine, the key is : {}", cacheKey);
   return value;
  }

    // 2. 调用 redis 查询在指定的值
  value = stringKeyRedisTemplate.opsForValue().get(cacheKey);

  if (value != null) {
   log.debug("get cache from redis and put in caffeine, the key is : {}", cacheKey);
   caffeineCache.put(key, value);
  }
  return value;
 }
}

• 
  
3. 过期策略，所有更新操作都基于 redis pub/sub 消息机制更新

public class RedisCaffeineCache extends AbstractValueAdaptingCache {
 @Override
 public void put(Object key, Object value) {
  push(new CacheMessage(this.name, key));
 }

 @Override
 public ValueWrapper putIfAbsent(Object key, Object value) {
    push(new CacheMessage(this.name, key));
 }

 @Override
 public void evict(Object key) {
  push(new CacheMessage(this.name, key));
 }

 @Override
 public void clear() {
  push(new CacheMessage(this.name, null));
 }

 private void push(CacheMessage message) {
  stringKeyRedisTemplate.convertAndSend(topic, message);
 }
}

• 
  
4. MessageListener 删除指定 Caffeine 的指定值

public class CacheMessageListener implements MessageListener {

 private final RedisTemplate redisTemplate;

 private final RedisCaffeineCacheManager redisCaffeineCacheManager;

 @Override
 public void onMessage(Message message, byte[] pattern) {
  CacheMessage cacheMessage = (CacheMessage) redisTemplate.getValueSerializer().deserialize(message.getBody());
    cacheMessage.getCacheName(), cacheMessage.getKey());
  redisCaffeineCacheManager.clearLocal(cacheMessage.getCacheName(), cacheMessage.getKey());
 }
}

源码地址

https://github.com/pig-mesh/multilevel-cache-spring-boot-starter

参考资料