前言

二级缓存架构是用空间和复杂度换取极致的性能，下面是两种方案的对比：

由图可以看出，二级缓存架构在网络开销， 访问速度上更具优势，但在部署难度和运维成本上更高。
二级缓存架构还有一个不得不面临的问题，在分布式环境下如何保证各个服务器之间的缓存同步。

我们可以看出，如果8080服务器更新了数据，那么只有8080服务器知道更新缓存，8081服务器没有执行业务所以根本不知道数据已经改变，当后续请求如果访问到8081服务器，便会出现缓存与真实数据不一致问题。

如何解决不同节点之间的数据同步问题

高内聚，低耦合

出现这种问题的原因在于缓存的删除和服务器耦合太深，只有本机操作了数据才能更新自己的缓存。
解决方案便是使用消息队列。用消息队列让删除缓存和服务器解耦，让消息队列去通知服务器删除缓存。

实战环节

引入Caffeine依赖

<dependency>  
    <groupId>com.github.ben-manes.caffeine</groupId>  
    <artifactId>caffeine</artifactId>  
</dependency>

配置Caffenie缓存

@Configuration  
public class CaffeineConfig {  
    @Bean  
    public Cache<String, Object> caffeineCache() {  
        return Caffeine.newBuilder()
		        //设置大小  
                .maximumSize(10000)
                //设置数据过期时间  
                .expireAfterWrite(10, TimeUnit.MINUTES)  
                .build();  
    }  
}

业务应用

UserServiceImpl

private static final String TOPIC = "cache-clear-topic";  
  
private static final String CACHE_PREFIX = "user:"

public User getById(Integer id) {  
    String key = CACHE_PREFIX + id;  
  
    //查本地缓存  
    User user = (User) caffeineCache.getIfPresent(key);  
    if (user != null) {  
        log.info("命中Caffeine缓存,user:{}",user);  
        return user;  
    }  
  
    //查Redis(本文使用的Redis进行了封装)  
    user = redisCache.get(key, User.class);  
    if (user != null) {  
        log.info("命中Redis缓存,user:{}",user);
        //放入本地缓存  
        caffeineCache.put(key, user);  
        return user;  
    }  
  
    //查数据库  
    user = userMapper.selectById(id);  
    if (user != null) {  
        log.info("命中MySQL,user:{}",user);
        //存入Redis  
        redisCache.set(key, user, 30);
        //存入本地缓存  
        caffeineCache.put(key, user);  
    }  
  
    return user;  
}  
  
public void updateUser(User user) {  
  
    //更新数据库  
    log.info("更新数据库，最新数据:{}",user);  
    userMapper.updateById(user);  
  
    String key = CACHE_PREFIX + user.getId();  
  
    //删除Redis  
    log.info("删除redis缓存，key = {}",key);  
    redisCache.delete(key);  
  
    //通知其他节点清理本地缓存  
    log.info("通知其他节点删除缓存");  
    kafkaTemplate.send(TOPIC, key);  
}

Consumer

@KafkaListener(topics = "cache-clear-topic")  
public void clearLocalCache(String key) {  
    log.info("本地缓存已删除");  
    //删除本地缓存
    caffeineCache.invalidate(key);  
}

注意： 我们要使不同的服务器处于不同的组，如果8080服务器和8081服务器处于一个组内会因为Kafka的轮询策略(
简单来说就是对一个组只分发一次消息)导致异步删除失败。
所以我们应该在Yaml配置文件中使用如下配置

1
2
3

#让组Id和服务端口绑定
consumer:
  group-id: cache-group-${server.port}

总结

Caffeine + Redis 二级缓存能够突破网络 IO 瓶颈(Caffeine 直接在 JVM 内存中读取，性能比 Redis还快)，更高的可用性(如果
Redis 宕机，本地缓存还能支撑一段时间的只读操作，提供一定的降级能力)。
但同时也会带来一些列挑战，如数据一致性难题(当数据更新时，需要通知所有应用实例清除自己的本地缓存)，内存压力(
每个实例都要存一份数据，如果缓存对象很大或很多，会显著增加 JVM 的堆内存压力，可能导致频繁 GC)，预热问题(
节点重启后，本地缓存是空的，瞬间流量会全部打向 Redis 甚至数据库)。