首先SpringCache作为Spring框架提供的缓存抽象层，为我们提供了便捷的缓存操作方式，但在实际应用中需要注意诸多细节以避免潜在问题。这里是SpringCache在项目中的使用注意事项、常见问题及其解决方案。
一、SpringCache 使用注意事项
1. 缓存注解的正确使用
SpringCache提供了一系列注解来简化缓存操作，但使用时需注意以下要点：
-
避免在抽象类和接口上使用缓存注解：Spring官方建议仅在具体类及其方法上使用@Cache*注解。如果将其用于接口或抽象类，在使用基于类的代理或AspectJ编织时，缓存设置可能无法被识别。
-
合理设置缓存Key ：缓存键设计不当会导致冲突或缓存失效。建议使用业务相关的唯一标识作为key，如
key="#user.id"或组合多个参数key="T(String).format('%d-%d',#userId,#productId)"。 -
条件缓存的使用 ：通过
unless和condition属性控制缓存条件，避免缓存无效数据。例如，@Cacheable(unless="#result == null")可以防止缓存null值。
2. 缓存策略选择
-
区分不同场景设置缓存时间：对于热点数据可设置较长缓存时间，对于变化频繁的数据应设置较短时间。如示例中所示，对null结果缓存30分钟，非null结果永久缓存：
@Caching(cacheable = {
@Cacheable(value = "SERVE_TYPE", key = "#regionId",
unless = "#result.size() != 0",
cacheManager = "THIRTY_MINUTES"),
@Cacheable(value = "SERVE_TYPE", key = "#regionId",
unless = "#result.size() == 0",
cacheManager = "FOREVER")
}) -
避免缓存大对象：特别是分页查询结果，不同分页参数会导致缓存重复数据，增大内存负担。
3. 集群环境下的注意事项
-
分布式缓存一致性：在集群部署时，本地缓存会导致数据不一致。建议使用Redis等分布式缓存解决方案。
-
缓存清理的及时性：在数据更新时，确保相关缓存被及时清理。如示例中区域禁用时清理多个相关缓存：
@Caching(evict = {
@CacheEvict(value = "JZ_CACHE", key = "'ACTIVE_REGIONS'", beforeInvocation = true),
@CacheEvict(value = "SERVE_ICON", key = "#id", beforeInvocation = true),
@CacheEvict(value = "HOT_SERVE", key = "#id", beforeInvocation = true),
@CacheEvict(value = "SERVE_TYPE", key = "#id", beforeInvocation = true)
})
public void deactivate(Long id) {...}
二、常见问题与解决方案
1. 缓存穿透、击穿和雪崩
缓存穿透
问题：查询不存在的数据，导致请求直接访问数据库。
解决方案：
-
缓存空值或特殊标记，并设置较短过期时间：
@Cacheable(value = "userCache", key = "#id")
public User getUserById(Long id) {
User user = userRepository.findById(id);
if(user == null) {
redisTemplate.opsForValue().set(id, "", 5, TimeUnit.MINUTES);
}
return user;
}
缓存击穿
问题：热点key失效瞬间，大量并发请求直接访问数据库。
解决方案：
-
使用互斥锁（如
synchronized或分布式锁）：@Cacheable(value = "userCache", key = "#id", sync = true)
public User getUserById(Long id) {
// 方法实现
}
缓存雪崩
问题：大量key同时失效，导致数据库压力激增。
解决方案：
-
设置随机过期时间，避免同时失效：
long randomTime = ThreadLocalRandom.current().nextLong(5, 10);
redisTemplate.opsForValue().set(id, user, randomTime, TimeUnit.MINUTES);
2. AOP代理导致的内部调用问题
问题：同一类中方法A调用带有缓存注解的方法B时，缓存注解失效。
原因：Spring AOP基于代理实现，内部调用绕过代理直接调用目标方法。
解决方案：
-
自注入方式：
@Service
public class MyService {
@Autowired
private MyService self; // 注入自身代理@Cacheable("myCache") public String cachedMethod(String key) { return "Data for " + key; } public String callingMethod(String key) { return self.cachedMethod(key); // 通过代理调用 }}
2.方法拆分：将被缓存方法移到另一个Bean中。
3. 缓存与数据库一致性问题
问题：在双写模式或失效模式下可能出现数据不一致。
解决方案：
-
读模式：对于读多写少的数据，设置合理的过期时间即可
-
写模式：
-
使用读写锁保证一致性
-
引入Canal等中间件监听数据库变更
-
对于写多场景，直接查询数据库避免缓存不一致
-
三、SpringCache优化策略
1. 缓存设计与选择
-
选择合适的缓存数据：只缓存频繁读取的数据，避免缓存冷数据占用内存。
-
多级缓存架构：结合本地缓存(如Caffeine)和分布式缓存(如Redis)，本地缓存处理高频请求，分布式缓存保证一致性。
-
缓存预热：系统启动时加载热点数据到缓存，避免初期大量请求直接访问数据库。
2. 性能优化技巧
-
避免模糊查询清理缓存：使用精确匹配而非通配符删除，提高缓存清理效率。
-
异步缓存操作：对于非关键路径的缓存更新，可采用异步方式减少请求延迟。
-
批量操作支持：对于批量查询，实现自定义缓存逻辑，避免多次缓存访问。
3. 监控与维护
-
缓存命中率监控：通过Spring Actuator或自定义指标监控缓存效果，识别低效缓存。
-
动态调整策略：根据监控数据动态调整缓存大小、过期时间等参数。
-
定期清理无效缓存：设置定时任务清理长期未访问的缓存数据。
四、最佳实践总结
-
适用场景选择：
-
常规数据（读多写少、即时性与一致性要求不高）：适合使用SpringCache
-
特殊数据（读多写多、即时性与一致性要求高）：需要特殊设计，如直接访问数据库或使用Canal等中间件
-
-
键设计原则：
-
确保唯一性，包含所有影响结果的参数
-
避免过长或过于复杂的键结构
-
考虑使用SPEL表达式动态生成键
-
-
缓存生命周期管理：
-
设置合理的过期时间
-
及时清理无效或过时缓存
-
对于关键数据，实现手动刷新机制
-
-
异常处理：
-
缓存访问失败时应降级处理，避免影响主流程
-
记录缓存异常日志，便于问题排查
-
实现缓存健康检查机制
-
这里面的注意事项、解决常见问题并实施优化策略，可以充分发挥SpringCache在项目中的价值，显著提升系统性能的同时避免潜在问题。在实际应用中，应根据具体业务场景和性能需求灵活调整缓存策略，并持续监控和优化缓存效果。加油吧，少年~