缓存在springboot项目中很常见，分布式项目中最常见的缓存机制就是通过redis缓存mybatis的查询数据，如下示例代码：
@Configuration @EnableCaching public class RedisConfig extends CachingConfigurerSupport {
@Bean public CacheManager redisCacheManager(RedisConnectionFactory connectionFactory) { RedisSerializationContext.SerializationPair serializationPair = RedisSerializationContext.SerializationPair.fromSerializer(getRedisSerializer()); RedisCacheConfiguration redisCacheConfiguration = RedisCacheConfiguration.defaultCacheConfig() .entryTtl(Duration.ofSeconds(30)) .serializeValuesWith(serializationPair); return RedisCacheManager .builder(RedisCacheWriter.nonLockingRedisCacheWriter(connectionFactory)) .cacheDefaults(redisCacheConfiguration).build(); }
private RedisSerializer<Object> getRedisSerializer(){ return new GenericFastJsonRedisSerializer(); }
} public interface UserMapper {
@Cacheable(cacheNames = "User:Id",key="#p0") public User findById(@Param("id") Integer id); } 上述代码的作用，是在调用findById方法时优先查询redis中的缓存数据。如果redis对应缓存不存在，则请求mysql查询数据，并将数据缓存到redis中，设置缓存的过期时间为30秒。
问题 示例代码简单明了，但是有两个问题：
当redis连接出现异常时，调用findById方法会抛出异常影响到正常的业务流程； 扩展性差，不能实现多层缓存，无法灵活切换多种缓存中间件（在@Cacheable中指定cacheManager只能实现一个方法固定使用一种缓存机制）； CacheErrorHandler 缓存仅仅是为了业务更快地查询而存在的，如果因为缓存操作失败导致正常的业务流程失败，有点得不偿失了。因此需要开发者自定义CacheErrorHandler处理缓存读写的异常。
/** * 当缓存读写异常时,忽略异常 */ public class IgnoreExceptionCacheErrorHandler implements CacheErrorHandler {
private static final Logger log = LoggerFactory.getLogger(IgnoreExceptionCacheErrorHandler.class);
@Override public void handleCacheGetError(RuntimeException exception, Cache cache, Object key) { log.error(exception.getMessage(), exception); }
@Override public void handleCachePutError(RuntimeException exception, Cache cache, Object key, Object value) { log.error(exception.getMessage(), exception); }
@Override public void handleCacheEvictError(RuntimeException exception, Cache cache, Object key) { log.error(exception.getMessage(), exception); }
@Override public void handleCacheClearError(RuntimeException exception, Cache cache) { log.error(exception.getMessage(), exception); } } @Configuration @EnableCaching public class RedisConfig extends CachingConfigurerSupport {
/** * 添加自定义缓存异常处理 * 当缓存读写异常时,忽略异常 */ @Override public CacheErrorHandler errorHandler() { return new IgnoreExceptionCacheErrorHandler(); } @Bean public CacheManager redisCacheManager(RedisConnectionFactory connectionFactory) { RedisSerializationContext.SerializationPair serializationPair = RedisSerializationContext.SerializationPair.fromSerializer(getRedisSerializer()); RedisCacheConfiguration redisCacheConfiguration = RedisCacheConfiguration.defaultCacheConfig() .entryTtl(Duration.ofSeconds(30)) .serializeValuesWith(serializationPair); return RedisCacheManager .builder(RedisCacheWriter.nonLockingRedisCacheWriter(connectionFactory)) .cacheDefaults(redisCacheConfiguration).build(); }
private RedisSerializer<Object> getRedisSerializer(){ return new GenericFastJsonRedisSerializer(); }
} 缓存读写发生了异常，如果是读取redis异常，上述代码会导致调用findById读取缓存的值为空，从而继续从mysql读取数据，对业务没有影响。但是如果请求量很大就会出现缓存雪崩的问题，大量的查询请求发送到mysql导致mysql负载过大而阻塞甚至宕机，建议使用多层缓存兜底。
如果缓存写发生了异常，就可能导致mysql的数据和redis缓存的数据不一致的问题。为了解决该问题，需要继续扩展CacheErrorHandler的handleCachePutError和handleCacheEvictError方法，思路就是将redis写操作失败的key保存下来，通过重试任务删除这些key对应的redis缓存解决mysql数据与redis缓存数据不一致的问题。
CacheResolver 开发者可以通过自定义CacheResolver实现动态选择CacheManager，如下通过代码实现对findById调用时使用多种缓存机制：优先从堆内存读取缓存，堆内存缓存不存在时再从redis读取缓存，redis缓存不存在时最后从mysql读取数据，并将读取到的数据依次写到redis和堆内存中。
public class CustomCacheResolver implements CacheResolver, InitializingBean {
@Nullable private List<CacheManager> cacheManagerList;
public CustomCacheResolver(){ } public CustomCacheResolver(List<CacheManager> cacheManagerList){ this.cacheManagerList = cacheManagerList; }
public void setCacheManagerList(@Nullable List<CacheManager> cacheManagerList) { this.cacheManagerList = cacheManagerList; } public List<CacheManager> getCacheManagerList() { return cacheManagerList; }
@Override public void afterPropertiesSet() { Assert.notNull(this.cacheManagerList, "CacheManager is required"); }
@Override public Collection<? extends Cache> resolveCaches(CacheOperationInvocationContext<?> context) { Collection<String> cacheNames = getCacheNames(context); if (cacheNames == null) { return Collections.emptyList(); } Collection<Cache> result = new ArrayList<>(); for(CacheManager cacheManager : getCacheManagerList()){ for (String cacheName : cacheNames) { Cache cache = cacheManager.getCache(cacheName); if (cache == null) { throw new IllegalArgumentException("Cannot find cache named '" + cacheName + "' for " + context.getOperation()); } result.add(cache); } } return result; }
private Collection<String> getCacheNames(CacheOperationInvocationContext<?> context){ return context.getOperation().getCacheNames(); } } @Configuration @EnableCaching public class RedisConfig extends CachingConfigurerSupport {
@Autowired private RedisConnectionFactory connectionFactory; @Override public CacheResolver cacheResolver() { // 通过Guava实现的自定义堆内存缓存管理器 CacheManager guavaCacheManager = new GuavaCacheManager(); CacheManager redisCacheManager = redisCacheManager(); List<CacheManager> list = new ArrayList<>(); // 优先读取堆内存缓存 list.add(concurrentMapCacheManager); // 堆内存缓存读取不到该key时再读取redis缓存 list.add(redisCacheManager); return new CustomCacheResolver(list); } /** * 添加自定义缓存异常处理 * 当缓存读写异常时,忽略异常 */ @Override public CacheErrorHandler errorHandler() { return new IgnoreExceptionCacheErrorHandler(); } @Bean public CacheManager redisCacheManager() { RedisSerializationContext.SerializationPair serializationPair = RedisSerializationContext.SerializationPair.fromSerializer(getRedisSerializer()); RedisCacheConfiguration redisCacheConfiguration = RedisCacheConfiguration.defaultCacheConfig() .entryTtl(Duration.ofSeconds(30)) .serializeValuesWith(serializationPair); return RedisCacheManager .builder(RedisCacheWriter.nonLockingRedisCacheWriter(connectionFactory)) .cacheDefaults(redisCacheConfiguration).build(); }
private RedisSerializer<Object> getRedisSerializer(){ return new GenericFastJsonRedisSerializer(); }
} 通过自定义CacheResolver开发者可以实现更多的自定义功能，例如热点缓存自动升降级的场景：
项目大多数情况下只使用redis做缓存，当某些场景下个别数据成为了热数据，通过例如storm实时统计出热数据后，项目将这些热数据缓存到堆内存，缓解网络和redis的负载压力。
这种场景完全可以通过自定义CacheResolver来实现，storm实时统计出热数据，自定义的CacheResolver在调用resolveCaches选择CacheManager前，先判断此次读写的缓存key是否是热数据。如果是热数据则使用堆内存的CacheManager，否则使用redis的CacheManager。
