基于 RedisTemplate 的分页缓存设计

场景：某后台查询业务涵盖分页+条件搜索，那么我们需要设计一个缓存来有效存储检索数据，且基于 RedisTemplate 的分页缓存设计

核心：分页缓存键设计，我需要考虑如何将查询条件转化为缓存键的一部分。通常，处理这种情况的方法是对查询条件进行哈希处理，生成一个唯一的字符串作为键的一部分。这样，不同的查询条件会有不同的哈希值，从而避免键的冲突。例如，用户可能有多个查询参数，如作者、状态、日期范围等，这些参数组合起来应该生成唯一的键

设计规范：模块名:业务类型:页码:页大小:条件哈希

我们自定义RedisUtil工具，此工具功能

• 统一缓存键(key)的创建格式

• 删除缓存键(key)

  /**

  • Redis统一键命名规范

  • 分页缓存(键类型) 模块名:业务类型:page_{页码}size{页数}_queryhash 如 user:list:page_1_size_10_abcd123

  • 详情缓存(键类型)模块名:业务类型:id_{ID} 如 user:detail:id_1001

  • 统计缓存(键类型)模块名:statistics:类型 如 order:statistics:daily
    */
    public class RedisUtil {

    private final RedisTemplate<String, Object> redisTemplate;

    public RedisUtil(RedisTemplate<String, Object> redisTemplate) {
    this.redisTemplate = redisTemplate;
    }

    /**

    • 清理指定模块的所有缓存
    • @param module 模块名(如 "user", "order")
      /
      public void cleanModuleCache(String module) {
      deleteByPattern(module + ":");
      }

    /**

    • 清理模块下特定业务类型缓存
    • @param module 模块名
    • @param bizType 业务类型(如 "list", "detail")
      /
      public void cleanBizTypeCache(String module, String bizType) {
      deleteByPattern(module + ":" + bizType + ":");
      }

    /**

    • 通用清理方法(支持任意模式)

    • @param pattern

    • @return
      */
      public long deleteByPattern(String pattern) {
      return redisTemplate.execute((RedisCallback<Long>) connection -> {
      List<byte[]> keysToDelete = new ArrayList<>();

       ScanOptions options = ScanOptions.scanOptions()
               .match(pattern)
               .count(500) // 每批扫描500个键
               .build();
      
       connection.scan(options).forEachRemaining(keyBytes -> {
           String key = new String(keyBytes, StandardCharsets.UTF_8);
           // 添加额外验证逻辑(可选)
           if (isValidKey(key)) {
               keysToDelete.add(keyBytes);
           }
       });
      
       if (!keysToDelete.isEmpty()) {
           connection.del(keysToDelete.toArray(new byte[0][]));
       }
       return (long) keysToDelete.size();

      });
      }

    /**

    • 验证键格式合法性(防止误删)
    • @param key
    • @return
      /
      private boolean isValidKey(String key) {
      // 示例验证：必须包含至少两级分类(如 "user:list:")
      return key.matches("^\w+:\w+:.*");
      }

    /**

    • 生成分页缓存键, 如: user:list:1:10:abcd123
    • @param module
    • @param page
    • @param size
    • @param query
    • @return
      */
      public String generatePageKey(String module, int page, int size, Object query) {
      String queryHash = generateConditionHash(query);
      return String.format("%s:%d:%d:%s", module, page, size, queryHash);
      }

    /**

    • 生成条件哈希值
    • @param query
    • @return
      */
      private String generateConditionHash(Object query) {
      if (query == null) return "no_condition";
      try {
      String json = new ObjectMapper().writeValueAsString(query);
      return DigestUtils.md5DigestAsHex(json.getBytes());
      } catch (JsonProcessingException e) {
      throw new RuntimeException("生成条件哈希失败", e);
      }
      }
      }

通过上面的RedisUtil工具，我们将缓存键场景通过下面列表进行总结

​场景​	​缓存键示例​	​操作流程​
​基础分页查询​	TrainManageCache:1:10:no_condition	直接使用页码和分页大小生成键
​带状态过滤的分页​	TrainManageCache:2:20:d3e5f7a9	将查询条件序列化为哈希值
​多条件复杂查询​	TrainManageCache:1:10:8c2b4a6d	确保所有条件参数参与哈希计算
​排序分页​	TrainManageCache:3:15:7e9f1d3a	包含排序字段和方向的哈希值

示例：我们能也可以扩展一个分页缓存工具

@Component
public class PageCacheUtil {

    @Autowired
    private RedisTemplate<String, Object> redisTemplate;

    /​**​
     * 写入分页缓存
     * @param key    缓存键
     * @param page   分页数据对象(需包含 total 等元数据)
     * @param ttl    过期时间(单位：分钟)
     */
    public void setPageCache(String key, Page<?> page, long ttl) {
        // 使用 GenericJackson2JsonRedisSerializer 确保类型信息保留
        redisTemplate.opsForValue().set(
            key, 
            page, 
            Duration.ofMinutes(ttl)
        );
    }

    /​**​
     * 读取分页缓存
     * @param key 缓存键
     * @return Page 对象(反序列化失败返回 null)
     */
    public Page<?> getPageCache(String key) {
        try {
            return (Page<?>) redisTemplate.opsForValue().get(key);
        } catch (Exception e) {
            // 处理反序列化异常(如旧数据格式不兼容)
            return null;
        }
    }
}

业务层调用

@Service
public class TrainService {

    @Autowired
    private TrainMapper trainMapper;
    @Autowired
    private RedisTemplate redisTemplate;
    
    private static final String CACHE_MODULE = "TrainManageCache";
    private static final int DEFAULT_TTL = 30; // 缓存30分钟

    /​**​
     * 分页查询(带缓存逻辑)
     */
    public Page<Train> queryTrainPage(int page, int size, TrainQuery query) {
        RedisUtil redisUtil = new RedisUtil(redisTemplate);
        // 生成缓存键
        String cacheKey = redisUtil.generatePageKey(
            CACHE_MODULE, page, size, query
        );

        // 尝试读取缓存
        Page<Train> cachedPage = (Page<Train>) pageCacheUtil.getPageCache(cacheKey);
        if (cachedPage != null) return cachedPage;

        // 缓存未命中，查询数据库
        PageHelper.startPage(page, size);
        List<Train> data = trainMapper.selectByQuery(query);
        Page<Train> resultPage = (Page<Train>) data;

        // 写入缓存
        pageCacheUtil.setPageCache(cacheKey, resultPage, DEFAULT_TTL);

        return resultPage;
    }
}

安全与优化

优化项​	​实现方式​
​空条件处理​	对无查询条件的情况生成统一哈希(no_condition)
​动态 TTL​	根据查询频率设置不同过期时间(高频查询设置更长 TTL)
​防雪崩策略​	对缓存设置随机偏移的过期时间(如 ttl + random.nextInt(10))
​空值缓存​	对查询结果为空的场景也进行短期缓存(防止频繁穿透)
​限流降级​	当缓存服务异常时，直接走数据库查询并记录告警