基于 Redis 的注解式缓存设计@Cacheable实战
一文掌握 Redis + Spring Cache 注解式缓存的最佳实践
在现代后端开发中，「性能瓶颈」往往不在 CPU，而在 I/O：
数据库访问慢、外部 API 慢、复杂查询慢……
这些场景有一个共同解决方案：缓存。
而 Spring Boot 已经提供了一个非常优雅的缓存体系 —— Spring Cache。
只需一个注解，就能轻松实现读写缓存、自动失效、异步更新等操作。
今天，我们结合 Redis + Spring Cache，讲解一个真正实用的注解式缓存方案，让你的接口性能直接提升一个维度。
一、Spring Cache 是什么？¶
Spring Cache 是一个统一的缓存访问抽象。其核心思想是：
“我不关心你底层是 Redis / Caffeine / 内存缓存，我用注解就能完成所有缓存逻辑。”
常用注解包括：
| 注解 | 说明 |
|---|---|
@Cacheable |
查询时自动从缓存读取，不存在则执行方法并缓存结果 |
@CachePut |
每次执行方法并刷新缓存 |
@CacheEvict |
清除缓存 |
@Caching |
组合多个缓存规则 |
二、准备工作：引入 Redis 与 Spring Cache¶
在 pom.xml 中加入依赖：
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-cache</artifactId>
</dependency>
<dependency>
<groupId>com.fasterxml.jackson.datatype</groupId>
<artifactId>jackson-datatype-jsr310</artifactId>
</dependency>
````
---
## 三、开启 Spring Cache
在启动类或配置类上启用缓存：
```java
@EnableCaching
@SpringBootApplication
public class Application {
public static void main(String[] args) {
SpringApplication.run(Application.class, args);
}
}
四、配置 Redis 缓存序列化（最佳实践）¶
Spring 默认 JDK 序列化不推荐，会出现乱码且体积大。 我们使用 Jackson 作为 Redis 序列化工具。
@Configuration
public class RedisConfig {
@Bean
public RedisCacheConfiguration redisCacheConfiguration() {
return RedisCacheConfiguration.defaultCacheConfig()
.serializeKeysWith(RedisSerializationContext
.SerializationPair.fromSerializer(new StringRedisSerializer()))
.serializeValuesWith(RedisSerializationContext
.SerializationPair.fromSerializer(jacksonSerializer()))
.entryTtl(Duration.ofMinutes(30)); // 默认 30 分钟过期
}
@Bean
public Jackson2JsonRedisSerializer<Object> jacksonSerializer() {
ObjectMapper objectMapper = new ObjectMapper();
objectMapper.registerModule(new JavaTimeModule());
objectMapper.activateDefaultTyping(
LaissezFaireSubTypeValidator.instance,
ObjectMapper.DefaultTyping.NON_FINAL
);
return new Jackson2JsonRedisSerializer<>(objectMapper, Object.class);
}
}
这样缓存的对象可读性强、不丢失类型信息。
五、开始使用 @Cacheable¶
假设我们有一个用户查询接口，经常被调用：
@Service
@RequiredArgsConstructor
public class UserService {
private final UserRepository userRepository;
@Cacheable(cacheNames = "user", key = "#id", unless = "#result == null")
public UserVO getUserById(Long id) {
System.out.println("查询数据库中...");
return userRepository.findUser(id);
}
}
解释：¶
cacheNames = "user"→ Redis 的缓存前缀，将存为：
user::1
* key = "#id" → 缓存键为方法入参
* unless = "#result == null" → 查询结果为 null 时不缓存
* 方法第一次执行会打印“查询数据库中…”，第二次开始则直接从 Redis 读取，性能显著提升。
六、@CachePut：更新缓存¶
当用户资料被修改时，需要刷新缓存：
@CachePut(cacheNames = "user", key = "#user.id")
public UserVO updateUser(UserVO user) {
userRepository.update(user);
return user;
}
每次调用都会执行数据库更新，同时更新缓存。
七、@CacheEvict：删除缓存¶
当用户删除账户时，需要清除缓存：
@CacheEvict(cacheNames = "user", key = "#id")
public void deleteUser(Long id) {
userRepository.deleteById(id);
}
支持清空整个缓存空间：
@CacheEvict(cacheNames = "user", allEntries = true)
public void clearAll() {}
八、缓存雪崩/穿透/击穿的进阶设计¶
虽然注解方式很简单，但我们仍然需要应对高并发下的常见问题：
1. 缓存穿透¶
用户请求不存在的 Key 解决方案：
unless = "#result == null"避免缓存 null- 或使用「布隆过滤器」提前判断
2. 缓存击穿¶
热点 Key 过期瞬间大量请求同时打入数据库 解决方案：
- 强制给热点数据加「互斥锁」
- 或使用随机过期时间避免同时失效
3. 缓存雪崩¶
大量缓存同一时间失效 解决方案：
- 设置过期时间随机值：
java
.entryTtl(Duration.ofMinutes(30))
.computePrefixWith(cacheName -> cacheName + ":" + RandomUtil.randomInt(5))
在 Spring Cache + Redis 的体系下，这些方案非常容易扩展。
九、查询逻辑示例：Redis 优先级¶
使用 @Cacheable 后，查询流程如下：
- 查 Redis 是否有缓存
- 没有 → 执行方法 → 将结果写入 Redis
- 有缓存 → 直接返回
传统：
Controller → Service → DB
现在：
Controller → Redis →（必要时）DB
接口 QPS 轻松翻倍，数据库压力大幅降低。
写业务逻辑的时间越少，系统越可靠；缓存是提升性能最划算的手段。