一、设计目的

支持Spring Boot 服务下，Redis + Caffeine的高性能分布式缓存的实现。
减少应用服务的集成接入成本，快速实现缓存，通过AOP方式拦截处理，不侵入原业务逻辑。
支持多种功能特性，如异步、超时（全局/单条控制）、压缩等，满足各种业务场景需要。

二、服务结构

SpringBoot 下如何实现 Redis + Caffeine 二级分布式高性能缓存

应用服务通过集成GEMINI-CACHE缓存组件，实现对应用服务接口的缓存功能，内部通过AOP机制做拦截处理，不侵入业务逻辑，支持一级、二级缓存的保存、更新与删除，以及实现分布式缓存的同步功能。
一级缓存采用Redis集群/单机实现，通过强大的Redisson组件做封装处理，支持按业务类别分类缓存设计，支持全局超时以及具体某条数据的超时控制，内部支持高性能的序列化组件以及压缩组件的处理。
二级缓存采用Caffeine做实现，Caffeine是高性能的本地缓存组件，功能全面，支持多种配置，支撑各种应用场景，实现了Caffeine多节点与Redis的缓存同步处理。
针对实时性要求较高的场景，提供二种方案，第一种是通过特定的注解标记，加在更新操作接口中，实现缓存的更新；第二种是可以采用监听kafka+canal数据源，这种方案对业务无感知，后期再做设计实现。

三、设计实现：

现有功能设计实现：

主要实现说明：

A) 如何实现数据的缓存？

通过AOP方式对接口层进行拦截，不侵入原有接口处理逻辑。
根据配置的规则， AOP判断哪些接口需要做缓存处理。
解析入参对象，根据注解传入的参数确定缓存的key值，为提升效率，支持SHA算法标记key值。
根据缓存key，首先查找二级缓存（Caffeine）信息，如果存在，直接返回数据，如果不存在，则查询一级缓存Redis，如果存在，则同步更新至Caffeine二级缓存。
如果进入一级缓存Redis不存在，则调用原有方法处理，并将处理结果放置一级缓存，同时放置二级缓存，再发送广播，通过Redis的Pub/Sub机制，让其他节点同步更新缓存。

B) 如何处理实时性要求较高的场景？

在新增/修改的地方，增加CachePut或CacheDelete注解，该注解会采用广播方式，通知其他节点对一级/二级缓存进行强制更新。（此种方式需要确保注解增加到所有更新操作的接口。）

C) 如何保障分布式缓存的一致性？

实现机制：先更新一级Redis的缓存，再更新二级Caffeine缓存，查询的时候，先查询二级缓存，再查询一级缓存，即便二级缓存Caffeine更新失败，会查询一级缓存，然后再更新二级缓存。

那么问题来了，如果缓存数据在过程当中出现了变化，是否会产生不一致？不会，因为是通过Redis的PUB/SUB机制，收到消息后会直接清除二级缓存（并非直接修改），查询的时候二级缓存不存在，则会从一级缓存中重新加载最新数据。

但是在极端情况下（应用服务宕机、网络抖动）， Redis的PUB/SUB机制是无法保障消息的可靠性，可以设定Caffeine缓存的有效期来保障（即便未能及时更新，也只是短暂影响），后续会接入专业的消息队列来保障消息的可靠性。

D) 如何保障高效的性能？

支持操作线程池与缓存连接池，以及底层通过Netty连接，能够较大提升缓存操作性能。
支持异步，键值SHA，数据序列化压缩，通过请求合并，LUA脚本，进一步提升缓存性能。
采用高性能的Caffeine作为二级缓存库，基于Java8的高性能缓存库，提供最佳的命中率。

后期功能规划设计：

A) 后期通过AOP拦截，可以支持热点监测机制，对于调用比较频繁的接口，在一定时间窗内做统计，并将该接口纳入缓存控制。实现自动化的热点缓存处理，可以防止突发峰值请求，造成某些接口负荷压力过大，保障系统的性能与稳定性。

B) 在缓存实时性同步方案上，通过Kafka+Cannal方式监听数据源进行更新，这种方式对业务方无感知，每个应用服务节点，开启对业务数据源变化的监听，每个节点监听1个partition分区，提升并发消费能力，partition分区应根据ID进行取模，确保每条数据都落至相同的partition分区，不会造成顺序错乱问题。如果检测发现数据产生变化，则需要清理该表所涉及的缓存信息，从而保障缓存的实时性与一致性。

四、使用说明

POM增加依赖：

直接引入gemini-cache组件

<dependency>
    <groupId>com.mirson</groupId>
    <artifactId>gemini-cache</artifactId>
    <version>${gemini.cache.version}</version>
</dependency>

工程配置

# Redis 缓存配置信息
app.cache.enable: true
# 是否开启二级缓存（开启Caffeine）
app.cache.enableSecondCache: true
# Redis线程池最大连接数（默认为16）
app.cache.redis.executor.maxPoolSize: 16
# Redis线程池核心连接数（默认为8）
app.cache.redis.executor.corePoolSize: 8
# Redis线程池线程空闲存活有效时间（单位：秒， 默认30秒）
app.cache.redis.executor.aliveTime: 30
# Redis线程池线程池队列大小（默认1000）
app.cache.redis.executor.queueCapacity: 1000
# Redis连接池最大数量
app.cache.redis.pool.maxSize: 100
# Redis连接池最小空闲连接
app.cache.redis.pool.minIdleSize: 10
# Redis缓存全局超时时间（单位：秒）
app.cache.redis.global.expire: 60
# Redis连接池最大等待时间
app.cache.redis.pool.maxWaitMills: 3000
# Redis单机连接地址 （单机与集群方式二选一，优先单机）
#app.cache.redis.host: 127.0.0.1
# Redis单机连接端口
app.cache.redis.port: 6379
# Redis 集群连接地址信息 （单机与集群方式二选一，优先单机）
# app.cache.redis.clusterNodes: 10.10.20.101:7000,10.10.20.101:7001,10.10.20.102:7000,10.10.20.102:7001,10.10.20.103:7000,10.10.20.103:7001
# Redis连接密码
# app.cache.redis.password: Redis1234{}
# Redis连接池超时时间（单位：毫秒， 包括连接与读取超时时间）
app.cache.redis.pool.timeout: 3000
# Redis数据库编号（单机方式才生效）
app.cache.redis.database: 7
# Redis存储， 是否开启压缩模式
app.cache.redis.useCompression: true
# caffeine缓存超时时间（建议与业务数据的TTL超时时间一致）
app.cache.caffeine.expireAfterWrite: 30000
# caffeine 初始化缓存大小（默认为0， 不限制）
app.cache.caffeine.initialCapacity: 0
# caffeine 最大缓存大小（默认为0， 不限制， 建议设定一个阈值，保护jvm内存）
app.cache.caffeine.maximumSize: 0

实际使用

在需要缓存的接口上，增加对应注解，比如某个查询接口：

/**
* 根据订单编号获取订单信息
* @param orderNo
* @return
*/
@Cacheable(cacheName = "gemini_cache_order", keyExpression = "#param1", TTL = 10)
@Override
public String getOrder(String orderNo){
    log.info("enter getOrder method, orderNo: " + orderNo);
    return "get order, orderNo: " + orderNo;
}

具体说明：

cacheName：是缓存的名称，并非缓存key值，不同业务可以采用不同的缓存名称区分。
keyExpression：缓存的key值，代表具体某一条缓存的key，支持Spring EL表达式，param1代表的第一个参数对象，如果要指向内部的属性，配置为param1.属性名，如param1.orderNo。
TTL：是缓存的生命周期，单位是秒，默认是0，代表无限周期。
isAsync: 代表是否开启异步方式保存缓存信息，建议可以开启，提升业务处理效率。
keyGenerator: 是key值的生成器，默认是采用SHA算法，标记KEY的唯一性，提升处理效率，但不易读。

实时缓存同步

要实现缓存的同步处理，需要在新增/修改/删除接口，增加对应的注解，保障分布式缓存能够及时更新处理。

但需要确保注解覆盖到所有相关的操作接口，如有遗漏，缓存不会及时更新或出现不一致。

/**
*  更新订单信息
* @param orderNo
* @return
*/
@CachePut(cacheNames = "gemini_cache_order", keyExpression = "#param1", TTL = 10)
@Override
public String updateOrder(String orderNo){
    log.info("enter updateOrder method, orderNo: " + orderNo);
    return "get order, update orderNo: " + orderNo;
}