zoukankan      html  css  js  c++  java
  • Spring Boot 2.x基础教程:使用集中式缓存Redis

    之前我们介绍了两种进程内缓存的用法,包括Spring Boot默认使用的ConcurrentMap缓存以及缓存框架EhCache。虽然EhCache已经能够适用很多应用场景,但是由于EhCache是进程内的缓存框架,在集群模式下时,各应用服务器之间的缓存都是独立的,因此在不同服务器的进程间会存在缓存不一致的情况。即使EhCache提供了集群环境下的缓存同步策略,但是同步依然是需要一定的时间,短暂的缓存不一致依然存在。

    在一些要求高一致性(任何数据变化都能及时的被查询到)的系统和应用中,就不能再使用EhCache来解决了,这个时候使用集中式缓存就可以很好的解决缓存数据的一致性问题。接下来我们就来学习一下,如何在Spring Boot的缓存支持中使用Redis实现数据缓存。

    动手试试

    本篇的实现将基于上一篇的基础工程来进行。先来回顾下上一篇中的程序要素:

    User实体的定义

    @Entity
    @Data
    @NoArgsConstructor
    public class User implements Serializable {
    
        @Id
        @GeneratedValue
        private Long id;
    
        private String name;
        private Integer age;
    
        public User(String name, Integer age) {
            this.name = name;
            this.age = age;
        }
    }
    

    User实体的数据访问实现(涵盖了缓存注解)

    @CacheConfig(cacheNames = "users")
    public interface UserRepository extends JpaRepository<User, Long> {
    
        @Cacheable
        User findByName(String name);
    
    }
    

    下面开始改造这个项目:

    第一步pom.xml中增加相关依赖:

    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-data-redis</artifactId>
    </dependency>
    
    <dependency>
        <groupId>org.apache.commons</groupId>
        <artifactId>commons-pool2</artifactId>
    </dependency>
    

    在Spring Boot 1.x的早期版本中,该依赖的名称为spring-boot-starter-redis,所以在Spring Boot 1.x基础教程中与这里不同。

    第二步:配置文件中增加配置信息,以本地运行为例,比如:

    spring.redis.host=localhost
    spring.redis.port=6379
    spring.redis.lettuce.pool.max-idle=8
    spring.redis.lettuce.pool.max-active=8
    spring.redis.lettuce.pool.max-wait=-1ms
    spring.redis.lettuce.pool.min-idle=0
    spring.redis.lettuce.shutdown-timeout=100ms
    

    关于连接池的配置,注意几点:

    1. Redis的连接池配置在1.x版本中前缀为spring.redis.pool与Spring Boot 2.x有所不同。
    2. 在1.x版本中采用jedis作为连接池,而在2.x版本中采用了lettuce作为连接池
    3. 以上配置均为默认值,实际上生产需进一步根据部署情况与业务要求做适当修改.

    再来试试单元测试:

    @Slf4j
    @RunWith(SpringRunner.class)
    @SpringBootTest
    public class Chapter54ApplicationTests {
    
        @Autowired
        private UserRepository userRepository;
    
        @Autowired
        private CacheManager cacheManager;
    
        @Test
        public void test() throws Exception {
            System.out.println("CacheManager type : " + cacheManager.getClass());
    
            // 创建1条记录
            userRepository.save(new User("AAA", 10));
    
            User u1 = userRepository.findByName("AAA");
            System.out.println("第一次查询:" + u1.getAge());
    
            User u2 = userRepository.findByName("AAA");
            System.out.println("第二次查询:" + u2.getAge());
        }
    
    }
    

    执行测试输出可以得到:

    CacheManager type : class org.springframework.data.redis.cache.RedisCacheManager
    Hibernate: select next_val as id_val from hibernate_sequence for update
    Hibernate: update hibernate_sequence set next_val= ? where next_val=?
    Hibernate: insert into user (age, name, id) values (?, ?, ?)
    2020-08-12 16:25:26.954  INFO 68282 --- [           main] io.lettuce.core.EpollProvider            : Starting without optional epoll library
    2020-08-12 16:25:26.955  INFO 68282 --- [           main] io.lettuce.core.KqueueProvider           : Starting without optional kqueue library
    Hibernate: select user0_.id as id1_0_, user0_.age as age2_0_, user0_.name as name3_0_ from user user0_ where user0_.name=?
    第一次查询:10
    第二次查询:10
    

    可以看到:

    1. 第一行输出的CacheManager type为org.springframework.data.redis.cache.RedisCacheManager,而不是上一篇中的EhCacheCacheManager
    2. 第二次查询的时候,没有输出SQL语句,所以是走的缓存获取

    整合成功!

    思考题

    既然EhCache等进程内缓存有一致性问题存在,而Redis性能好而且还能解决一致性问题,那么我们只要学会用Redis就好了咯,为什么还要学进程内缓存呢?先留下你的思考,下一篇我们一起讨论这个问题!欢迎关注本系列教程:《Spring Boot 2.x基础教程》

    代码示例

    本文的相关例子可以查看下面仓库中的chapter5-4目录:

    如果您觉得本文不错,欢迎Star支持,您的关注是我坚持的动力!

    本文首发:Spring Boot 2.x基础教程:使用集中式缓存Redis,转载请注明出处。
    欢迎关注我的公众号:程序猿DD,获得独家整理的学习资源和日常干货推送。点击直达本系列教程目录

  • 相关阅读:
    [leetcode]133. Clone Graph 克隆图
    [leetcode]366. Find Leaves of Binary Tree捡树叶
    [leetcode]311. Sparse Matrix Multiplication 稀疏矩阵相乘
    [leetcode]151. Reverse Words in a String翻转给定字符串中的单词
    [leetcode]150. Evaluate Reverse Polish Notation逆波兰表示法
    Union and Intersection of two sorted lists 并集和交集
    [leetcode]205. Isomorphic Strings 同构字符串
    [leetcode]428. Serialize and Deserialize N-ary Tree序列化与反序列化N叉树
    [leetcode]364. Nested List Weight Sum II嵌套列表加权和II
    属性 元素的内容 创建,插入和删除节点 虚拟节点
  • 原文地址:https://www.cnblogs.com/didispace/p/13498401.html
Copyright © 2011-2022 走看看