具体如下：
一、聊聊什么是硬编码使用缓存？在学习spring cache之前，笔者经常会硬编码的方式使用缓存。
我们来举个实际中的例子，为了提升用户信息的查询效率，我们对用户信息使用了缓存，示例代码如下：
@autowire private usermapper usermapper; @autowire private rediscache rediscache; //查询用户 public user getuserbyid(long userid) { //定义缓存key string cachekey = "userid_" + userid; //先查询redis缓存 user user = rediscache.get(cachekey); //如果缓存中有就直接返回，不再查询数据库 if (user != null) { return user; } //没有再查询数据库 user = usermapper.getuserbyid(userid); //数据存入缓存，这样下次查询就能到缓存中获取 if (user != null) { stringcommand.set(cachekey, user); } return user; }
相信很多同学都写过类似风格的代码，这种风格符合面向过程的编程思维，非常容易理解。但它也有一些缺点：
代码不够优雅。业务逻辑有四个典型动作：存储，读取，修改，删除。每次操作都需要定义缓存key ，调用缓存命令的api，产生较多的重复代码；
缓存操作和业务逻辑之间的代码耦合度高，对业务逻辑有较强的侵入性。侵入性主要体现如下两点：
开发联调阶段，需要去掉缓存，只能注释或者临时删除缓存操作代码，也容易出错；
某些场景下，需要更换缓存组件，每个缓存组件有自己的api，更换成本颇高。
如果说是下面这样的，是不是就优雅多了。
@mapperpublic interface usermapper { /** * 根据用户id获取用户信息 * * 如果缓存中有直接返回缓存数据，如果没有那么就去数据库查询，查询完再插入缓存中，这里缓存的key前缀为cache_user_id_，+传入的用户id */ @cacheable(key = "'cache_user_id_' + #userid") user getuserbyid(long userid);}
再看实现类
@autowire private usermapper usermapper; //查询用户 public user getuserbyid(long userid) { return usermapper.getuserbyid(userid); }
这么一看是不是完全和缓存分离开来，如果开发联调阶段，需要去掉缓存那么直接注释掉注解就好了，是不是非常完美。
而且这一整套实现都不要自己手动写，spring cache就已经帮我定义好相关注解和接口，我们可以轻易实现上面的功能。
二、spring cache简介spring cache是spring-context包中提供的基于注解方式使用的缓存组件，定义了一些标准接口，通过实现这些接口，就可以通过在
方法上增加注解来实现缓存。这样就能够避免缓存代码与业务处理耦合在一起的问题。
spring cache核心的接口就两个：cache和cachemanager
1、cache接口该接口定义提供缓存的具体操作，比如缓存的放入、读取、清理：
package org.springframework.cache;import java.util.concurrent.callable;public interface cache { // cachename，缓存的名字，默认实现中一般是cachemanager创建cache的bean时传入cachename string getname(); //得到底层使用的缓存，如ehcache object getnativecache(); // 通过key获取缓存值，注意返回的是valuewrapper，为了兼容存储空值的情况，将返回值包装了一层，通过get方法获取实际值 valuewrapper get(object key); // 通过key获取缓存值，返回的是实际值，即方法的返回值类型 <t> t get(object key, class<t> type); // 通过key获取缓存值，可以使用valueloader.call()来调使用@cacheable注解的方法。当@cacheable注解的sync属性配置为true时使用此方法。 // 因此方法内需要保证回源到数据库的同步性。避免在缓存失效时大量请求回源到数据库 <t> t get(object key, callable<t> valueloader); // 将@cacheable注解方法返回的数据放入缓存中 void put(object key, object value); // 当缓存中不存在key时才放入缓存。返回值是当key存在时原有的数据 valuewrapper putifabsent(object key, object value); // 删除缓存 void evict(object key); // 清空缓存 void clear(); // 缓存返回值的包装 interface valuewrapper { // 返回实际缓存的对象 object get(); }}
2、cachemanager接口主要提供cache实现bean的创建，每个应用里可以通过cachename来对cache进行隔离，每个cachename对应一个cache实现。
package org.springframework.cache;import java.util.collection;public interface cachemanager { // 通过cachename创建cache的实现bean，具体实现中需要存储已创建的cache实现bean，避免重复创建，也避免内存缓存 //对象（如caffeine）重新创建后原来缓存内容丢失的情况 cache getcache(string name); // 返回所有的cachename collection<string> getcachenames();}
3、常用注解说明@cacheable：主要应用到查询数据的方法上。
public @interface cacheable { // cachenames，cachemanager就是通过这个名称创建对应的cache实现bean @aliasfor("cachenames") string[] value() default {}; @aliasfor("value") string[] cachenames() default {}; // 缓存的key，支持spel表达式。默认是使用所有参数及其计算的hashcode包装后的对象（simplekey） string key() default ""; // 缓存key生成器，默认实现是simplekeygenerator string keygenerator() default ""; // 指定使用哪个cachemanager,如果只有一个可以不用指定 string cachemanager() default ""; // 缓存解析器 string cacheresolver() default ""; // 缓存的条件，支持spel表达式，当达到满足的条件时才缓存数据。在调用方法前后都会判断 string condition() default ""; // 满足条件时不更新缓存，支持spel表达式，只在调用方法后判断 string unless() default ""; // 回源到实际方法获取数据时，是否要保持同步，如果为false，调用的是cache.get(key)方法；如果为true，调用的是cache.get(key, callable)方法 boolean sync() default false;}
@cacheevict：清除缓存，主要应用到删除数据的方法上。相比cacheable多了两个属性
public @interface cacheevict { // ...相同属性说明请参考@cacheable中的说明 // 是否要清除所有缓存的数据，为false时调用的是cache.evict(key)方法；为true时调用的是cache.clear()方法 boolean allentries() default false; // 调用方法之前或之后清除缓存 boolean beforeinvocation() default false;}
@cacheput：放入缓存，主要用到对数据有更新的方法上。属性说明参考@cacheable
@caching：用于在一个方法上配置多种注解
@enablecaching：启用spring cache缓存，作为总的开关，在springboot的启动类或配置类上需要加上此注解才会生效
三、使用二级缓存需要思考的一些问题？我们知道关系数据库(mysql)数据最终存储在磁盘上，如果每次都从数据库里去读取，会因为磁盘本身的io影响读取速度，所以就有了
像redis这种的内存缓存。
通过内存缓存确实能够很大程度的提高查询速度，但如果同一查询并发量非常的大，频繁的查询redis，也会有明显的网络io上的消耗，
那我们针对这种查询非常频繁的数据(热点key)，我们是不是可以考虑存到应用内缓存，如：caffeine。
当应用内缓存有符合条件的数据时，就可以直接使用，而不用通过网络到redis中去获取，这样就形成了两级缓存。
应用内缓存叫做一级缓存，远程缓存（如redis）叫做二级缓存。
整个流程如下
流程看着是很清新，但其实二级缓存需要考虑的点还很多。
1.如何保证分布式节点一级缓存的一致性？
我们说一级缓存是应用内缓存，那么当你的项目部署在多个节点的时候，如何保证当你对某个key进行修改删除操作时，使其它节点
的一级缓存一致呢？
2.是否允许存储空值？
这个确实是需要考虑的点。因为如果某个查询缓存和数据库中都没有，那么就会导致频繁查询数据库，导致数据库down,这也是我们
常说的缓存穿透。
但如果存储空值呢，因为可能会存储大量的空值，导致缓存变大，所以这个最好是可配置，按照业务来决定是否开启。
3.是否需要缓存预热？
也就是说，我们会觉得某些key一开始就会非常的热，也就是热点数据，那么我们是否可以一开始就先存储到缓存中，避免缓存击穿。
4.一级缓存存储数量上限的考虑？
既然一级缓存是应用内缓存，那你是否考虑一级缓存存储的数据给个限定最大值，避免存储太多的一级缓存导致oom。
5.一级缓存过期策略的考虑？
我们说redis作为二级缓存，redis是淘汰策略来管理的。具体可参考redis的8种淘汰策略。那你的一级缓存策略呢？就好比你设置一级缓存
数量最大为5000个,那当第5001个进来的时候，你是怎么处理呢？是直接不保存，还是说自定义lru或者lfu算法去淘汰之前的数据？
6.一级缓存过期了如何清除？
我们说redis作为二级缓存，我们有它的缓存过期策略(定时、定期、惰性)，那你的一级缓存呢，过期如何清除呢？
这里4、5、6小点如果说用我们传统的map显然实现是很费劲的，但现在有更好用的一级缓存库那就是caffeine。
四、caffeine 简介caffeine，一个用于java的高性能缓存库。
缓存和map之间的一个根本区别是缓存会清理存储的项目。
1、写入缓存策略caffeine有三种缓存写入策略：手动、同步加载和异步加载。
2、缓存值的清理策略caffeine有三种缓存值的清理策略：基于大小、基于时间和基于引用。
基于容量：当缓存大小超过配置的大小限制时会发生回收。
基于时间：
写入后到期策略。
访问后过期策略。
到期时间由 expiry 实现独自计算。
基于引用：启用基于缓存键值的垃圾回收。
caffeine可以将值封装为弱引用或软引用，并且java中还有强引用和虚引用这两种引用类型。
软引用：如果一个对象只具有软引用，则内存空间足够，垃圾回收器就不会回收它；如果内存空间不足了，就会回收这些对象的内存。
弱引用：在垃圾回收器线程扫描它所管辖的内存区域的过程中，一旦发现了只具有弱引用的对象，不管当前内存空间足够与否，都会
回收它的内存。
3、统计caffeine提供了一种记录缓存使用统计信息的方法，可以实时监控缓存当前的状态，以评估缓存的健康程度以及缓存命中率等，方便后
续调整参数。
4、高效的缓存淘汰算法缓存淘汰算法的目的是利用有限的资源，尽量预测哪些数据将会在短期内被频繁使用，以此来提高缓存的命中率。常用的缓存淘汰算法有
lru、lfu、fifo等。
fifo：先进先出。选择最先进入的数据优先淘汰。lru：最近最少使用。选择最近最少使用的数据优先淘汰。lfu：最不经常使用。选择在一段时间内被使用次数最少的数据优先淘汰。
lru（least recently used）算法认为最近访问过的数据将来被访问的几率也更高。
lru通常使用链表来实现，如果数据添加或者被访问到则把数据移动到链表的头部，链表的头部为热数据，链表的尾部如冷数据，当
数据满时，淘汰尾部的数据。
lfu（least frequently used）算法根据数据的历史访问频率来淘汰数据，其核心思想是“如果数据过去被访问多次，那么将来被访问
的频率也更高”。根据lfu的思想，如果想要实现这个算法，需要额外的一套存储用来存每个元素的访问次数，会造成内存资源的浪费。
caffeine采用了一种结合lru、lfu优点的算法：w-tinylfu，其特点：高命中率、低内存占用。
5、其他说明底层数据存储使用了concurrenthashmap。因为caffeine面向jdk8，在jdk8中concurrenthashmap增加了红黑树，在hash冲突
严重时也能有良好的读性能。
五、基于spring cache实现二级缓存(caffeine+redis)前面说了，使用了redis缓存，也会存在一定程度的网络传输上的消耗，所以会考虑应用内缓存，但有点很重要的要记住:
应用内缓存可以理解成比redis缓存更珍惜的资源，所以，caffeine 不适用于数据量大，并且缓存命中率极低的业务场景，如用户维度的缓存。
当前项目针对应用都部署了多个节点，一级缓存是在应用内的缓存，所以当对数据更新和清除时，需要通知所有节点进行清理缓存的操作。
可以有多种方式来实现这种效果，比如：zookeeper、mq等，但是既然用了redis缓存，redis本身是有支持订阅/发布功能的，所以就
不依赖其他组件了，直接使用redis的通道来通知其他节点进行清理缓存的操作。
只需通过发布订阅机制通知其他节点删除该key在本地一级缓存中的条目，即可在key更新或删除操作后实现同步。
具体具体项目代码这里就不再粘贴出来了，这样只粘贴如何引用这个starter包。
1、maven引入使用 <dependency> <groupid>com.jincou</groupid> <artifactid>redis-caffeine-cache-starter</artifactid> <version>1.0.0</version> </dependency>
2、application.yml添加二级缓存相关配置
# 二级缓存配置# 注：caffeine 不适用于数据量大，并且缓存命中率极低的业务场景，如用户维度的缓存。请慎重选择。l2cache: config: # 是否存储空值，默认true，防止缓存穿透 allownullvalues: true # 组合缓存配置 composite: # 是否全部启用一级缓存，默认false l1allopen: false # 是否手动启用一级缓存，默认false l1manual: true # 手动配置走一级缓存的缓存key集合，针对单个key维度 l1manualkeyset: - usercache:user01 - usercache:user02 - usercache:user03 # 手动配置走一级缓存的缓存名字集合，针对cachename维度 l1manualcachenameset: - usercache - goodscache # 一级缓存 caffeine: # 是否自动刷新过期缓存 true 是 false 否 autorefreshexpirecache: false # 缓存刷新调度线程池的大小 refreshpoolsize: 2 # 缓存刷新的频率(秒) refreshperiod: 10 # 写入后过期时间(秒) expireafterwrite: 180 # 访问后过期时间(秒) expireafteraccess: 180 # 初始化大小 initialcapacity: 1000 # 最大缓存对象个数，超过此数量时之前放入的缓存将失效 maximumsize: 3000 # 二级缓存 redis: # 全局过期时间，单位毫秒，默认不过期 defaultexpiration: 300000 # 每个cachename的过期时间，单位毫秒，优先级比defaultexpiration高 expires: {usercache: 300000,goodscache: 50000} # 缓存更新时通知其他节点的topic名称 默认 cache:redis:caffeine:topic topic: cache:redis:caffeine:topic
3、启动类上增加@enablecaching/** * 启动类 */@enablecaching@springbootapplicationpublic class cacheapplication { public static void main(string[] args) { springapplication.run(cacheapplication.class, args); }}
4、在需要缓存的方法上增加@cacheable注解/** * 测试 */@servicepublic class caffeinecacheservice { private final logger logger = loggerfactory.getlogger(caffeinecacheservice.class); /** * 用于模拟db */ private static map<string, userdto> usermap = new hashmap<>(); { usermap.put("user01", new userdto("1", "张三")); usermap.put("user02", new userdto("2", "李四")); usermap.put("user03", new userdto("3", "王五")); usermap.put("user04", new userdto("4", "赵六")); } /** * 获取或加载缓存项 */ @cacheable(key = "'cache_user_id_' + #userid", value = "usercache") public userdto queryuser(string userid) { userdto userdto = usermap.get(userid); try { thread.sleep(1000);// 模拟加载数据的耗时 } catch (interruptedexception e) { e.printstacktrace(); } logger.info("加载数据:{}", userdto); return userdto; } /** * 获取或加载缓存项 * <p> * 注：因底层是基于caffeine来实现一级缓存，所以利用的caffeine本身的同步机制来实现 * sync=true 则表示并发场景下同步加载缓存项， * sync=true，是通过get(object key, callable<t> valueloader)来获取或加载缓存项，此时valueloader（加载缓存项的具体逻辑）会被缓存起来，所以caffeinecache在定时刷新过期缓存时，缓存项过期则会重新加载。 * sync=false，是通过get(object key)来获取缓存项，由于没有valueloader（加载缓存项的具体逻辑），所以caffeinecache在定时刷新过期缓存时，缓存项过期则会被淘汰。 * <p> */ @cacheable(value = "usercache", key = "#userid", sync = true) public list<userdto> queryusersynclist(string userid) { userdto userdto = usermap.get(userid); list<userdto> list = new arraylist(); list.add(userdto); logger.info("加载数据:{}", list); return list; } /** * 更新缓存 */ @cacheput(value = "usercache", key = "#userid") public userdto putuser(string userid, userdto userdto) { return userdto; } /** * 淘汰缓存 */ @cacheevict(value = "usercache", key = "#userid") public string evictusersync(string userid) { return userid; }}
以上就是基于spring cache如何实现caffeine+redis二级缓存的详细内容。