SpringCache 缓存：注意事项、问题解决与优化策略

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 ~

#后端

SpringCache 缓存：注意事项、问题解决与优化策略

https://uniomo.com/archives/springcache-huan-cun-zhu-yi-shi-xiang-wen-ti-jie-jue-yu-you-hua-ce-lue

作者

雨落秋垣

发布于

2025年12月06日

许可协议

优化 OpenResty 的性能下一篇