- 支持Spring Boot 服务下,Redis + Caffeine的高性能分布式缓存的实现。
- 减少应用服务的集成接入成本,快速实现缓存, 通过AOP方式拦截处理, 不侵入原业务逻辑。
- 支持多种功能特性,如异步、超时(全局/单条控制)、压缩等,满足各种业务场景需要。
- 应用服务通过集成GEMINI-CACHE缓存组件, 实现对应用服务接口的缓存功能,内部通过AOP机制做拦截处理, 不侵入业务逻辑, 支持一级、二级缓存的保存、更新与删除,以及实现分布式缓存的同步功能。
- 一级缓存采用Redis集群/单机实现,通过强大的Redisson组件做封装处理, 支持按业务类别分类缓存设计,支持全局超时以及具体某条数据的超时控制,内部支持高性能的序列化组件以及压缩组件的处理。
- 二级缓存采用Caffeine做实现,Caffeine是高性能的本地缓存组件,功能全面, 支持多种配置,支撑各种应用场景,实现了Caffeine多节点与Redis的缓存同步处理。
- 针对实时性要求较高的场景,提供二种方案, 第一种是通过特定的注解标记, 加在更新操作接口中, 实现缓存的更新;第二种是可以采用监听kafka+canal数据源, 这种方案对业务无感知,后期再做设计实现。
主要实现说明:
A) 如何实现数据的缓存?
1. 通过AOP方式对接口层进行拦截,不侵入原有接口处理逻辑。
2. 根据配置的规则, AOP判断哪些接口需要做缓存处理。
3. 解析入参对象,根据注解传入的参数确定缓存的key值, 为提升效率,支持SHA算法标记key值。
4. 根据缓存key,首先查找二级缓存(Caffeine)信息,如果存在, 直接返回数据,如果不存在, 则查询一级缓存Redis,如果存在,则同步更新至Caffeine二级缓存。
5. 如果进入一级缓存Redis不存在, 则调用原有方法处理, 并将处理结果放置一级缓存, 同时放置二级缓存,再发送广播, 通过Redis的Pub/Sub机制, 让其他节点同步更新缓存。
B) 如何处理实时性要求较高的场景?
1. 在新增/修改的地方, 增加CachePut或CacheDelete注解,该注解会采用广播方式,通知其他节点对一级/二级缓存进行强制更新。(此种方式需要确保注解增加到所有更新操作的接口。)
C) 如何保障分布式缓存的一致性?
1. 实现机制:先更新一级Redis的缓存, 再更新二级Caffeine缓存, 查询的时候, 先查询二级缓存, 再查询一级缓存, 即便二级缓存Caffeine更新失败,会查询一级缓存, 然后再更新二级缓存。 那么问题来了, 如果缓存数据在过程当中出现了变化, 是否会产生不一致? 不会, 因为是通过Redis的PUB/SUB机制,收到消息后会直接清除二级缓存(并非直接修改),查询的时候二级缓存不存在, 则会从一级缓存中重新加载最新数据。但是在极端情况下(应用服务宕机、网络抖动), Redis的PUB/SUB机制是无法保障消息的可靠性,可以设定Caffeine缓存的有效期来保障(即便未能及时更新, 也只是短暂影响), 后续会接入专业的消息队列来保障消息的可靠性。
D) 如何保障高效的性能?
1. 支持操作线程池与缓存连接池,以及底层通过Netty连接,能够较大提升缓存操作性能。
2. 支持异步, 键值SHA,数据序列化压缩,通过请求合并,LUA脚本, 进一步提升缓存性能。
3. 采用高性能的Caffeine作为二级缓存库,基于Java8的高性能缓存库,提供最佳的命中率。
-
后期通过AOP拦截, 可以支持热点监测机制,对于调用比较频繁的接口,在一定时间窗内做统计, 并将该接口纳入缓存控制。实现自动化的热点缓存处理, 可以防止突发峰值请求,造成某些接口负荷压力过大,保障系统的性能与稳定性。
-
在缓存实时性同步方案上, 通过Kafka+Cannal方式监听数据源进行更新, 这种方式对业务方无感知, 每个应用服务节点, 开启对业务数据源变化的监听,每个节点监听1个partition分区,提升并发消费能力,partition分区应根据ID进行取模, 确保每条数据都落至相同的partition分区, 不会造成顺序错乱问题。如果检测发现数据产生变化, 则需要清理该表所涉及的缓存信息,从而保障缓存的实时性与一致性。
-
POM增加依赖:
直接引入gemini-cache组件
<dependency> <groupId>com.mirson</groupId> <artifactId>gemini-cache</artifactId> <version>${gemini.cache.version}</version> </dependency>
-
工程配置
# Redis 缓存配置信息 app.cache.enable: true # 是否开启二级缓存(开启Caffeine) app.cache.enableSecondCache: true # Redis线程池最大连接数(默认为16) app.cache.redis.executor.maxPoolSize: 16 # Redis线程池核心连接数(默认为8) app.cache.redis.executor.corePoolSize: 8 # Redis线程池线程空闲存活有效时间(单位:秒, 默认30秒) app.cache.redis.executor.aliveTime: 30 # Redis线程池线程池队列大小(默认1000) app.cache.redis.executor.queueCapacity: 1000 # Redis连接池最大数量 app.cache.redis.pool.maxSize: 100 # Redis连接池最小空闲连接 app.cache.redis.pool.minIdleSize: 10 # Redis缓存全局超时时间(单位:秒) app.cache.redis.global.expire: 60 # Redis连接池最大等待时间 app.cache.redis.pool.maxWaitMills: 3000 # Redis单机连接地址 (单机与集群方式二选一,优先单机) app.cache.redis.host: 127.0.0.1 # Redis单机连接端口 app.cache.redis.port: 6379 # Redis 集群连接地址信息 (单机与集群方式二选一,优先单机) #app.cache.redis.clusterNodes: 10.10.20.101:7000,10.10.20.101:7001,10.10.20.102:7000,10.10.20.102:7001,10.10.20.103:7000,10.10.20.103:7001 # Redis连接密码 #app.cache.redis.password: Redis1234{} # Redis连接池超时时间(单位:毫秒, 包括连接与读取超时时间) app.cache.redis.pool.timeout: 3000 # Redis数据库编号(单机方式才生效) app.cache.redis.database: 7 # Redis存储, 是否开启压缩模式 app.cache.redis.useCompression: true # caffeine缓存超时时间(建议与业务数据的TTL超时时间一致) app.cache.caffeine.expireAfterWrite: 30000 # caffeine 初始化缓存大小(默认为0, 不限制) app.cache.caffeine.initialCapacity: 0 # caffeine 最大缓存大小(默认为0, 不限制, 建议设定一个阈值,保护jvm内存) app.cache.caffeine.maximumSize: 0
-
实际使用
在需要缓存的接口上, 增加对应注解, 比如某个查询接口:
/** * 根据订单编号获取订单信息 * @param orderNo * @return */ @Cacheable(cacheName = "gemini_cache_order", keyExpression = "#param1", TTL = 10) @Override public String getOrder(String orderNo){ log.info("enter getOrder method, orderNo: " + orderNo); return "get order, orderNo: " + orderNo; }
具体说明:
cacheName: 是缓存的名称,并非缓存key值,不同业务可以采用不同的缓存名称区分。
keyExpression:缓存的key值,代表具体某一条缓存的key, 支持Spring EL表达式,param1代表的第一个参数对象,如果要指向内部的属性,配置为param1.属性名, 如param1.orderNo。
TTL:是缓存的生命周期,单位是秒, 默认是0, 代表无限周期。
isAsync: 代表是否开启异步方式保存缓存信息, 建议可以开启,提升业务处理效率。
keyGenerator: 是key值的生成器,默认是采用SHA算法, 标记KEY的唯一性, 提升处理效率, 但不易读。
-
实时缓存同步
要实现缓存的同步处理, 需要在新增/修改/删除接口,增加对应的注解,保障分布式缓存能够及时更新处理。
但需要确保注解覆盖到所有相关的操作接口,如有遗漏, 缓存不会及时更新或出现不一致。
/** * 更新订单信息 * @param orderNo * @return */ @CachePut(cacheNames = "gemini_cache_order", keyExpression = "#param1", TTL = 10) @Override public String updateOrder(String orderNo){ log.info("enter updateOrder method, orderNo: " + orderNo); return "get order, update orderNo: " + orderNo; }
-
测试验证
1)第一次请求:
2)第一次请求:
控制台不会有任何输出, 直接从Caffeine获取缓存数据。这里caffeine设定的缓存时间为30S时间,Redis的全局超时缓存为60S。
3)调用更新接口:
调用更新接口后, 输出了“update orderNo” 的信息,再次调用查询接口:
可以看到, 数据及时进行了更新处理。