---

重要鏈接：
「系列文章目錄」

「項目源碼（GitHub）」

本篇目錄

• 前言
• 一、緩存：工程思想的產物
• 二、Web 中的緩存
• • 1.緩存的工作模式
  • 2.緩存的常見問題
• 三、緩存應用實戰(zhàn)
• • 1.Redis 與 Spring Data Redis
  • 2.Redis 安裝
  • 3.Spring Data Redis 配置
  • 4.緩存實現(xiàn)
  • 5.驗證
• 小結
• 附錄：關于單元測試

前言

大家好，這次過了三個月，再次創(chuàng)下新的記錄，大概鴿真的是人類的本性。

不過好在大多數(shù)讀者看這個教程的目的是做畢業(yè)設計，前面的內容都做出來再修修補補一下，老師大概率也不會為難你，所以更新慢也沒太大問題。

前兩天有讀者留言說我寫的越來越隨意了，但我的直觀感受是自己寫的越來越艱難。我瞄了一眼被吐槽的那篇文章的數(shù)據，貌似收藏和點贊數(shù)量都幾乎是最高的，看來可能只是覺得代碼講解少吧。

其實真的，貼代碼講代碼是最容易的，我可以這樣很輕松地寫三四十篇文章，但我覺得沒有意義。

在這兩個月里，我又重新系統(tǒng)地學了一遍軟件工程、瀏覽器工作原理，跟進網絡、軟件設計、產品方面的課程，并同時對一些技術進行了深入的了解，在這個基礎上，我才敢往后推進。

作為一個興趣使然的假程序員，我想我能告訴大家的最有價值的東西并不在技術細節(jié)上，畢竟我身在另一個賽道已經很久了。

我希望你們看到這一篇時，已經把前面說的各種操作、技巧、配置、字段都忘了，這些不重要。

咱們這個項目，缺乏商業(yè)價值，架構設計粗糙，代碼不夠整潔，編程風格混亂，依賴關系復雜，框架過度使用，算法不夠高效，安全防范缺失，開發(fā)過程隨意，缺少測試代碼，沒有監(jiān)控措施，缺失關鍵文檔，缺少版本控制。

你說它成功么？并不成功。但是失敗么？這套教程目前獲得了 70W+ 閱讀量，GitHub 倉庫將近千星，為我?guī)砹?1W+ 讀者里的百分之八十，所以我覺得并不失敗。而且正是由于我做到了現(xiàn)在，才知道原來一個項目要考慮這么多的因素，才總結的出如此之多的漏洞與不足。

唯一讓我感到遺憾的是沒有精力再從頭整理一遍，前面的文章還是有很多讓人困惑的地方。vue-cli 3.x 出了好久了，很多同學反映前面創(chuàng)建項目報錯，還有幾個氣的罵罵咧咧的，倒是可以理解，我雖然一直說人必須得學會自己解決問題，但畢竟如果入門都入不了的話也沒興趣解決問題對不對。

說了這么多，關鍵是想讓大家明白，我真的不是因為女朋友給我買了 switch，當上了海拉魯老流氓才混了這么長時間的，玩什么不是玩對不對，怪物獵人它不香么。

。。。

那么根據很久之前的計劃以及大家的反饋，這次我們來聊一聊緩存的使用。主要有以下幾個關注點：

• 緩存是什么？為什么需要緩存？
• 使用緩存需要注意哪些問題？
• Redis 是什么？
• 針對我們的項目，應該如何使用緩存？

一、緩存：工程思想的產物

緩存一詞最初主要指 CPU 與內存之間的高速靜態(tài)隨機存取存儲器（SRAM）。

我們知道，CPU 需要頻繁從內存中讀取指令、數(shù)據，但各個硬件的發(fā)展是不均衡的，我們當前使用的主流的動態(tài)隨機存儲存取器（DRAM）內存技術無法滿足 CPU 高速讀取的需求，成為制約計算機運行效率的重要因素之一。

而 SRAM 速度快，但體積大，成本高，就目前來講，一塊 16G 的 SRAM 可能比主板還大，且價格極高，因此短期之內不可能替代 DRAM 成為內存的主流技術選擇。

怎么辦呢，妥協(xié)一下，用塊小的 SRAM 放到 DRAM 的內存和 CPU 之間，不占什么地方，也不貴。那放上去有什么用？數(shù)據豈不是還要多經過一層 SRAM 才能到 CPU？這樣會變快嗎？

當然不會更快，但計算機的運行效率確實提升了，這是為什么？因為實際上在一段時間里，一小部分指令或數(shù)據會被 CPU 頻繁讀取，機智的人類通過算法，把這些指令、數(shù)據提取出來放到緩存里，這樣就能夠四兩撥千斤，取得明顯的效果。

你看，使用緩存不是必須的，如果我們能造出高速、便宜的存儲，就沒有這么多麻煩了。但在現(xiàn)實中，總會有各種各樣的不完美，機會總是稍縱即逝，如果去等待完美的條件，就難以向前邁進。

工程思想的核心，就是權衡與妥協(xié)，接受不完美、不確定，通過各種手段把缺陷控制在可以容忍的范圍內，在有限的條件下盡可能地完成設定的目標、事業(yè)。

緩存是一種工程思想下自然而然的優(yōu)秀實踐，這一實踐逐漸被抽象成一種設計思路，在各種受到資源獲取開銷制約的場景下得到廣泛應用。

二、Web 中的緩存

在做項目的過程中，不知道你們有沒有感嘆過，一個平平無奇的應用，涉及的點實在是太多了。各個點之間需要銜接，要銜接就會有兩個層次的不均衡：

• 一是性能的不均衡，包括速率、吞吐量等，造成這種不均衡的原因包括軟件、硬件、網絡、協(xié)議、策略等、位置多個維度
• 二是數(shù)據本身活躍性的不均衡，有些數(shù)據會被頻繁傳遞，有些很久才被訪問一次

基于這兩個不平衡，誕生了各種緩存方案。比較常見的有以下幾種：

• 瀏覽器緩存，包括本地的頁面資源文件和 DNS 映射
• DNS 服務器上的緩存（IP - 域名映射）
• CDN，利用邊緣 Cache 服務器提高訪問速度
• ORM 框架提供的緩存，比如 Spring Data JPA 的持久化上下文
• 利用高性能非關系型數(shù)據庫（如 Redis）提供緩存服務，作為對關系型數(shù)據庫的補充
• 數(shù)據庫提供的緩存，比如 MySQL 自帶的查詢緩存，會把執(zhí)行語句與查詢結果以 K-V 形式緩存在內存中（由于該緩存命中率較低，不建議使用，且 8.0 版本已刪除此功能）

不得不說，對成熟的應用來說，一個普通的請求想過了緩存這關還真不容易。

看起來緩存還真是個好東西，到哪都好用。但多用了一個東西，畢竟還是會增加復雜性，復雜性越高越不好控制，我們設計一個軟件的架構，就是要讓它在夠用的前提下盡可能簡單，實現(xiàn)簡單、控制簡單、維護簡單。

1.緩存的工作模式

緩存的實際使用方法是有一些規(guī)律可循的，我們來簡單了解一下常見的幾種模式。

Cache-Aside:

最常見的模式，可以翻譯為旁路緩存或邊緣緩存。緩存作為數(shù)據庫（或存儲）的補充，數(shù)據的獲取策略是，如果緩存中存在，則從緩存獲取，如果不存在，則從數(shù)據庫獲取，并寫入緩存。

Read-Through:

把數(shù)據庫藏在緩存背后，一切請求交由緩存響應。也就是說，如果命中緩存，則直接從緩存獲取，如果沒有命中，則從數(shù)據庫中查詢，寫入緩存后再由緩存返回。

應用這種模式，寫入緩存的操作會阻塞請求的響應，我覺得其實大部分情況下沒有必要使用。

Write-Through:

對于需要動態(tài)更新數(shù)據的應用來說，僅僅通過讀操作觸發(fā)緩存更新肯定是不夠的，如果數(shù)據庫更新了而緩存遲遲沒有更新肯定說不過去。

當更新數(shù)據庫的數(shù)據時，也有兩種常見的操作緩存的模式。Write-Through 模式是：請求更新數(shù)據，如果該數(shù)據在緩存中存在，則先更新緩存，再更新數(shù)據庫。

Write-Back:

請求更新數(shù)據，更新緩存，至于數(shù)據庫什么時候更新，不一定，有機會再更新，可以攢一波再更新，有緩存在就行。

這種異步的方式一聽就有數(shù)據不一致的風險，但因為夠快，所以在一些要求高并發(fā)大吞吐量的系統(tǒng)中比較常見。其實高并發(fā)的一個核心解決方案就是緩存，高并發(fā)的復雜性很大程度上取決于緩存方案的復雜性。

這些方案具體怎么用其實還是看場景，要配置相應的策略防止出現(xiàn)一些問題。

2.緩存的常見問題

在使用緩存時，我們一般都會考慮以下幾個問題：

• 數(shù)據一致性問題，緩存的數(shù)據與數(shù)據庫由于各種原因產生差異
• 緩存穿透，明明已經用緩存了，還是有一堆請求殺到了數(shù)據庫。
• 緩存雪崩，一大批緩存同時過期，一大波請求趁虛而入，如同雪崩一般。

下面我們來聊一聊這三個問題如何應對。

數(shù)據一致性問題：

一個系統(tǒng)，如果數(shù)據都是不變的，應用 Cache-Aside 模式，可以做到緩存中的數(shù)據永遠和數(shù)據庫中一致，需要考慮的就是緩存什么時候過期，或者緩存更新的算法，做到盡可能地找出熱點數(shù)據即可。

但大部分系統(tǒng)是要更新數(shù)據的，數(shù)據更新了緩存沒有及時更新，有時候沒有問題，但在一些場景下不能容忍，比如支付寶，你買了東西一看錢沒變，于是瘋狂買買買，后來突然一下錢全沒了，這誰頂?shù)淖Σ粚Α?/p>

于是我們在寫場景下更新緩存，采用先更數(shù)據庫再更緩存的模式，比如你買了個煎餅果子，支付寶實際余額從 100 變成了 90，你老婆同時在別的地方用你的支付寶又買了杯豆?jié){，實際余額變成 85，數(shù)據庫沒問題，但你買煎餅果子時緩存服務卡了一下子，更新操作發(fā)生在了豆?jié){事件的后面，你們倆回家一看查出來的余額是 90，以為白嫖了 5 塊錢，但其實還是假象。

其實數(shù)據一致性問題還是在并發(fā)這個范疇內，整體原則就是分析實際場景，盡可能選擇既高效又安全的方案。當然這并不是一件容易的事，如果容易就沒有那么多年薪百萬的架構師了。

緩存穿透：

引發(fā)緩存穿透的情形一般有兩種，一是大量查詢一個數(shù)據庫里也沒有的數(shù)據，這種數(shù)據正常不會被緩存，結果每次都要到數(shù)據庫里兜一圈。那我們可以設置一個規(guī)則，數(shù)據庫沒有的數(shù)據我們也緩存起來，值設置成空就行了。

另一種情形是，數(shù)據庫里有這個數(shù)據，之前從沒人查詢過，但突然有那么一瞬間來了一大波請求，緩存根本來不及反應，壓力就全都到了數(shù)據庫上。這種怎么辦？兩種辦法，一是限流，二是預判。

限流好理解，請求少了就反應的過來了。預判怎么預判？你怎么知道哪個數(shù)據會被頻繁訪問？

不好意思，一般還真的知道，一個數(shù)據突然被訪問的情況，一般是你自己搗鼓出來的什么幺蛾子，比如淘寶要搞雙十一，那有些數(shù)據一定會被突然頻繁訪問，這些數(shù)據當然能預判個八九不離十。在請求排山倒海般到來之前，先把它填充到緩存里就完事兒了。（這種做法通常稱為緩存預熱）

緩存雪崩：

其實本質上雪崩和穿透是一類問題，只是出現(xiàn)的階段不一樣，穿透是緩存已經穩(wěn)定建立起來了，雪崩是緩存突然同時過期了。當然還有一種情況，就是完全還沒有緩存的時候，一大波請求涌入。比如緩存沒做持久化，結果機房斷電了，重啟之后就是沒有緩存的。

解決方法仍然是限流和緩存預熱。其實這些名詞也是沒意思，奈何總是有人會問，有人會考。

三、緩存應用實戰(zhàn)

了解了緩存的基本概念和應用模式，我們來整點實際操作。前端頁面的本地緩存已經由瀏覽器實現(xiàn)了，我們不用管，主要操心一下后端。

你看，前端后端都有緩存，但各自解決問題的邊界是不一樣的，前端緩存應對的是靜態(tài)頁面資源的訪問，本地緩存可以更具體地說是同一用戶（終端）的多次訪問，而后端緩存更多的考慮多個用戶的多次訪問，面向的資源主要是數(shù)據庫里的數(shù)據。

對于我們項目的后端呢，我想了半天，覺得沒有需要的地方，我們這么簡單一應用，也沒用戶，也沒流量，要啥自行車啊？

但為了學習嘛，就強行假設有很多人用咱們做的這個破網站吧。那哪些場景用的比較多，數(shù)據庫壓力比較大呢？應該是前臺的圖書信息和文章兩個部分。

那么用什么來實現(xiàn)緩存呢？目前最常見的做法是用 Redis 來實現(xiàn)。

1.Redis 與 Spring Data Redis

首先我們要記住，Redis 和 MySQL 一樣，是一個數(shù)據庫管理系統(tǒng)，人家不是就為了做緩存的。

Redis ≠ 緩存 ，只是由于這玩意兒現(xiàn)在訪問速度快，但又不能完全替代關系型數(shù)據庫，所以確實適合用來做關系型數(shù)據庫的緩存，都是形勢所迫，說不定哪一天就翻身了。

我們要在應用中操縱這個數(shù)據庫，自然也需要與關系型數(shù)據庫相似的訪問方法。MySQL 我們用 Spring Data JPA，Redis 我們就用 Spring Data Redis。

其實在此之前，Java 訪問 Redis 主要是通過 Jedis 和 Lettuce 兩種由不同團隊開發(fā)的客戶端（提供訪問、操作所需的 API），Jedis 比較原生，Lettuce 提供的能力更加全面。

Spring Data Redis 是在 Lettuce 的基礎上做了一些封裝，與 Spring 生態(tài)更加貼合，使用起來也更簡便。

2.Redis 安裝

官方下載地址：https://redis.io/download

正常 Redis 只提供 Linux 版本，Windows 版本由微軟提供，版本只到 3.2.100，在 2016 年以后就沒有再更新過。下載地址為：https://github.com/microsoftarchive/redis/releases

Linux 下可以用 docker 安裝鏡像，更下方便。我下載的是 Windows 版，但不推薦大家使用。

3.Spring Data Redis 配置

這部分內容可以參考 @MacroZheng 的 「Spring Data Redis 最佳實踐！」

首先是在 pom.xml 中添加依賴

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId> </dependency> <!-- redis 連接池 --> <dependency><groupId>org.apache.commons</groupId><artifactId>commons-pool2</artifactId> </dependency>

再在 application.properties 中配置一些參數(shù)，常用的有以下幾種：

spring.redis.host=localhost spring.redis.port=6379 # Redis 數(shù)據庫索引（默認為 0） spring.redis.database=0 # Redis 服務器連接密碼（默認為空） spring.redis.password= #連接池最大連接數(shù)（使用負值表示沒有限制） spring.redis.lettuce.pool.max-active=8 # 連接池最大阻塞等待時間（使用負值表示沒有限制） spring.redis.lettuce.pool.max-wait=-1 # 連接池中的最大空閑連接 spring.redis.lettuce.pool.max-idle=8 # 連接池中的最小空閑連接 spring.redis.lettuce.pool.min-idle=0 # 連接超時時間（毫秒） spring.redis.timeout=2000 # redis 只用作緩存，不作為 repository spring.data.redis.repositories.enabled=false

Java 中的對象存儲進 Redis 之前需要進行序列化，默認為字節(jié)數(shù)組。我們?yōu)榱朔奖憬馕?#xff0c;可以將其配置為 JSON 格式。可以創(chuàng)建一個 RedisConfig 類，代碼如下：

package com.gm.wj.config;import com.fasterxml.jackson.annotation.JsonAutoDetect; import com.fasterxml.jackson.annotation.PropertyAccessor; import com.fasterxml.jackson.databind.ObjectMapper; import org.springframework.cache.annotation.CachingConfigurerSupport; import org.springframework.cache.annotation.EnableCaching; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; import org.springframework.data.redis.cache.RedisCacheConfiguration; import org.springframework.data.redis.cache.RedisCacheManager; import org.springframework.data.redis.cache.RedisCacheWriter; import org.springframework.data.redis.connection.RedisConnectionFactory; import org.springframework.data.redis.core.RedisTemplate; import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer; import org.springframework.data.redis.serializer.RedisSerializationContext; import org.springframework.data.redis.serializer.RedisSerializer; import org.springframework.data.redis.serializer.StringRedisSerializer;import java.time.Duration;@EnableCaching @Configuration public class RedisConfig extends CachingConfigurerSupport {public static final String REDIS_KEY_DATABASE="wj";@Beanpublic RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory) {RedisSerializer<Object> serializer = redisSerializer();RedisTemplate<String, Object> redisTemplate = new RedisTemplate<>();redisTemplate.setConnectionFactory(redisConnectionFactory);redisTemplate.setKeySerializer(new StringRedisSerializer());// 設置 redisTemplate 的序列化器redisTemplate.setValueSerializer(serializer);redisTemplate.setHashKeySerializer(new StringRedisSerializer());redisTemplate.setHashValueSerializer(serializer);redisTemplate.afterPropertiesSet();return redisTemplate;}@Beanpublic RedisSerializer<Object> redisSerializer() {//創(chuàng)建JSON序列化器Jackson2JsonRedisSerializer<Object> serializer = new Jackson2JsonRedisSerializer<>(Object.class);ObjectMapper objectMapper = new ObjectMapper();objectMapper.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);objectMapper.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);serializer.setObjectMapper(objectMapper);return serializer;}@Beanpublic RedisCacheManager redisCacheManager(RedisConnectionFactory redisConnectionFactory) {RedisCacheWriter redisCacheWriter = RedisCacheWriter.nonLockingRedisCacheWriter(redisConnectionFactory);//設置Redis緩存有效期為1天RedisCacheConfiguration redisCacheConfiguration = RedisCacheConfiguration.defaultCacheConfig().serializeValuesWith(RedisSerializationContext.SerializationPair.fromSerializer(redisSerializer())).entryTtl(Duration.ofDays(1));return new RedisCacheManager(redisCacheWriter, redisCacheConfiguration);} }

上面的文章里介紹了如何通過注解使用緩存，我們一般希望能夠更靈活地運用，因此通常選用 RedisTemplate 來實現(xiàn)自由操作。

RedisTemplate 是 Spring Data Redis 提供的一個完成 Redis 操作、異常轉換和序列化的類，我們可以類比 JdbcTemplate 去使用它。官方文檔地址：

docs.spring.io - RedisTemplate

4.緩存實現(xiàn)

下面我們來嘗試實現(xiàn)為項目的圖書館頁面和筆記本（文章）頁面加上緩存。首先編寫一個 Service 類，封裝我們將要用到的操作。

package com.gm.wj.redis;import org.springframework.beans.factory.annotation.Autowired; import org.springframework.data.redis.core.*; import org.springframework.stereotype.Service;import java.util.Set; import java.util.concurrent.TimeUnit;@Service public class RedisService {@Autowiredprivate RedisTemplate<String, Object> redisTemplate;// 設置帶過期時間的緩存public void set(String key, Object value, long time) {redisTemplate.opsForValue().set(key, value, time, TimeUnit.SECONDS);}// 設置緩存public void set(String key, Object value) {redisTemplate.opsForValue().set(key, value);}// 根據 key 獲得緩存public Object get(String key) {return redisTemplate.opsForValue().get(key);}// 根據 key 刪除緩存public Boolean delete(String key) {return redisTemplate.delete(key);}// 根據 keys 集合批量刪除緩存public Long delete(Set<String> keys) {return redisTemplate.delete(keys);}// 根據正則表達式匹配 keys 獲取緩存public Set<String> getKeysByPattern(String pattern) {return redisTemplate.keys(pattern);} }

注意這里存儲對象均被視為 Object，如果存儲對象為 String，可以進一步使用 StringRedisTemplate 來實現(xiàn)更貼合字符串的處理方法。

接下來，就可以在具體的 Service 里添加緩存的處理邏輯。

BookService：

針對獲取圖書列表的請求，可以先根據設置的 key 查詢緩存，如果有則直接從緩存里獲取，如果沒有則從數(shù)據庫查詢并寫入緩存。

public List<Book> list() {List<Book> books;String key = "booklist";Object bookCache = redisService.get(key);if (bookCache == null) {Sort sort = new Sort(Sort.Direction.DESC, "id");books = bookDAO.findAll(sort);redisService.set(key, books);} else {books = CastUtils.objectConvertToList(bookCache, Book.class);}return books; }

注意從緩存拿回來的是 Object ，我們需要編寫一個方法把它轉換為 List：

public static <T> List<T> objectConvertToList(Object obj, Class<T> clazz) {List<T> result = new ArrayList<T>();if(obj instanceof List<?>){for (Object o : (List<?>) obj){result.add(clazz.cast(o));}return result;}return null; }

如果我們對圖書的信息進行了修改，需要對緩存也進行相應的修改。因為我們緩存的粒度是整個列表，所以在對數(shù)據庫進行增刪改操作時可以直接將書籍列表的緩存全部清除。

這樣其實避免了上面說的緩存更新順序不一致的問題，我就硬刪除，先刪后刪緩存里結果都一樣。

public void addOrUpdate(Book book) {redisService.delete("booklist");bookDAO.save(book);}public void deleteById(int id) {redisService.delete("booklist");bookDAO.deleteById(id);}

問題還是來了，即使在理想的情況下，數(shù)據庫和緩存的操作都不會失敗，假如我在后臺刪了一本書，緩存被清除了，數(shù)據庫還沒來得及更新，這個節(jié)骨眼上有用戶訪問了一下，結果又拿到了舊的數(shù)據還寫入了緩存，那下次清除緩存前用戶拿到的全是舊數(shù)據。

如果我先改數(shù)據庫再刪緩存呢？

public void addOrUpdate(Book book) {bookDAO.save(book);redisService.delete("booklist");}public void deleteById(int id) {bookDAO.deleteById(id);redisService.delete("booklist");}

還是不妥，雖然前面沒刪緩存，但假如緩存先自然失效了，用戶的訪問還是會觸發(fā)緩存寫入操作，此后極短時間內我們又更新了書籍，這兩個事件是異步的，我們無法得知緩存寫入何時能夠完成，如果是在緩存刪除之后，那緩存中就還是會長期存在舊的數(shù)據。

此外，如果前面不刪緩存，有那么一丟丟的時間，數(shù)據庫更新了而緩存沒有更新，用戶還是會拿到舊的數(shù)據。

前后刪都不行，怎么辦？

又有人提出了 “延時雙刪” 策略，就是先清除緩存，在更新數(shù)據庫后，等一段時間，再去第二次執(zhí)行刪除操作。這樣，用戶拿到舊庫的數(shù)據，并且在第二次刪除緩存之后才觸發(fā)緩存更新的概率就比較低。這個時間怎么把握呢？可以測試、估算，沒有一個準數(shù)。這個過程最好設置成異步的，以免阻塞正常操作。

在這個等待的過程中，還是可能出現(xiàn)有用戶讀到舊數(shù)據的緩存的情況，腦殼疼。。。

現(xiàn)實中還有很多更合理高效的方案，但我估計都不那么完美，我們只能根據實際需要，在合理的成本范圍內做出選擇。

OK，最后再貼一下為文章設置緩存的代碼：

package com.gm.wj.service;import com.gm.wj.dao.JotterArticleDAO; import com.gm.wj.entity.JotterArticle; import com.gm.wj.redis.RedisService; import com.gm.wj.util.MyPage; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.data.domain.Page; import org.springframework.data.domain.PageRequest; import org.springframework.data.domain.Sort; import org.springframework.stereotype.Service;import java.util.Set;@Service public class JotterArticleService {@AutowiredJotterArticleDAO jotterArticleDAO;@AutowiredRedisService redisService;// MyPage 是自定義的 Spring Data JPA Page 對象的替代public MyPage list(int page, int size) {MyPage<JotterArticle> articles;// 用戶訪問列表頁面時按頁緩存文章String key = "articlepage:" + page;Object articlePageCache = redisService.get(key);if (articlePageCache == null) {Sort sort = new Sort(Sort.Direction.DESC, "id");Page<JotterArticle> articlesInDb = jotterArticleDAO.findAll(PageRequest.of(page, size, sort));articles = new MyPage<>(articlesInDb);redisService.set(key, articles);} else {articles = (MyPage<JotterArticle>) articlePageCache;}return articles;}public JotterArticle findById(int id) {JotterArticle article;// 用戶訪問具體文章時緩存單篇文章，通過 id 區(qū)分String key = "article:" + id;Object articleCache = redisService.get(key);if (articleCache == null) {article = jotterArticleDAO.findById(id);redisService.set(key, article);} else {article = (JotterArticle) articleCache;}return article;}public void addOrUpdate(JotterArticle article) {jotterArticleDAO.save(article);// 刪除當前選中的文章和所有文章頁面的緩存redisService.delete("article" + article.getId());Set<String> keys = redisService.getKeysByPattern("articlepage*");redisService.delete(keys);}public void delete(int id) {jotterArticleDAO.deleteById(id);// 刪除當前選中的文章和所有文章頁面的緩存redisService.delete("article:" + id);Set<String> keys = redisService.getKeysByPattern("articlepage*");redisService.delete(keys);} }

這里我就直接后刪緩存了，不多費勁。這里注意 Spring Data JPA 的 Page 對象無法被反序列化，因為它的實現(xiàn)類 PageImpl 沒有空參構造器。因此我們需要自定義一個 MyPage 類：

package com.gm.wj.util;import org.springframework.data.domain.Page; import java.io.Serializable; import java.util.ArrayList; import java.util.Collections; import java.util.Iterator; import java.util.List;public class MyPage<T> implements Iterable<T>, Serializable {private static final long serialVersionUID = -3720998571176536865L;private List<T> content = new ArrayList<>();private long totalElements;private int pageNumber;private int pageSize;private boolean first;private boolean last;private boolean empty;private int totalPages;private int numberOfElements;public MyPage() {}//只用把原來的page類放進來即可public MyPage(Page<T> page) {this.content = page.getContent();this.totalElements = page.getTotalElements();this.pageNumber = page.getPageable().getPageNumber();this.pageSize = page.getPageable().getPageSize();this.numberOfElements = page.getNumberOfElements();}//是否有前一頁public boolean hasPrevious() {return getPageNumber() > 0;}//是否有下一頁public boolean hasNext() {return getPageNumber() + 1 < getTotalPages();}//是否第一頁public boolean isFirst() {return !hasPrevious();}//是否最后一頁public boolean isLast() {return !hasNext();}//獲取內容public List<T> getContent() {return Collections.unmodifiableList(content);}//設置內容public void setContent(List<T> content) {this.content = content;}//是否有內容public boolean hasContent() {return getNumberOfElements() > 0;}//獲取單頁大小public int getPageSize() {return pageSize;}//設置單頁大小public void setPageSize(int pageSize) {this.pageSize = pageSize;}//獲取全部元素數(shù)目public long getTotalElements() {return totalElements;}//設置全部元素數(shù)目public void setTotalElements(long totalElements) {this.totalElements = totalElements;}//設置是否第一頁public void setFirst(boolean first) {this.first = first;}// 設置是否最后一頁public void setLast(boolean last) {this.last = last;}//獲取當前頁號public int getPageNumber() {return pageNumber;}//設置當前頁號public void setPageNumber(int pageNumber) {this.pageNumber = pageNumber;}//獲取總頁數(shù)public int getTotalPages() {return getPageSize() == 0 ? 1 : (int) Math.ceil((double) totalElements / (double) getPageSize());}//設置總頁數(shù)public void setTotalPages(int totalPages) {this.totalPages = totalPages;}//獲取單頁元素數(shù)目public int getNumberOfElements() {return numberOfElements;}//設置單頁元素數(shù)目public void setNumberOfElements(int numberOfElements) {this.numberOfElements = numberOfElements;}//判斷是否為空public boolean isEmpty() {return !hasContent();}//設置是否為空public void setEmpty(boolean empty) {this.empty = empty;}//迭代器@Overridepublic Iterator<T> iterator() {return getContent().iterator();} }

唉，還是這么多代碼，到時候報錯多了又得有人噴我，幸虧我一直比較皮實，心態(tài)還算可以。

5.驗證

以 Windows 為例，打開緩存服務（cmd 進入緩存文件夾，執(zhí)行 redis-sever），顯示界面如下：

打開項目，可以在 application.properties 中配置一條語句，顯示后端執(zhí)行的 sql 命令：

spring.jpa.properties.hibernate.show_sql=true

運行項目，訪問文章頁面、圖書館頁面、點擊最上面的文章。

這時，控制臺顯示了一些語句

可以再啟動一個終端，進入 redis 目錄輸入 redis-cli 打開客戶端，輸入 keys * 查看保存的鍵

可以看到，第 1 頁（JPA 分頁默認第一頁為 0）、圖書列表、第三篇文章（逆序第一篇）被添加進了 Redis 里。

之后，我們再刷新圖書館、筆記本頁面或者訪問第一篇文章時，sql 語句就不會再顯示了。

不知道大家是否還記得前面提到過的 JPA 持久化上下文，實際上，就算輸出了這些指令，也不會真的去查詢數(shù)據庫，而是復用之前已經查詢到的對象。那為什么還要用 Redis 呢？其實一開始我也說了，真的沒有必要。

當然，這只是因為我們的項目結構比較簡單。假如我們想把緩存服務部署在別的服務器上，持久化上下文就無法生效了。或者我想使用更靈活的算法，比如只緩存比較活躍的數(shù)據，而不是來者不拒，就還是需要有更強大的能力支持。

小結

這篇文章說的東西比較多，稍微做個總結吧。

不用記得太多，下面幾句話就夠了：

• 緩存是工程思想的產物，是解決不對稱問題的一種優(yōu)秀實踐，并得到了廣泛應用
• 緩存的引入會提高項目復雜度，要綜合取舍使用方案
• Redis 不是緩存，但可以實現(xiàn)緩存服務

在寫新的內容之外，我準備背地里偷偷優(yōu)化一下前面的文章，不過你們都看到這兒了，也沒必要回頭再去找哪些地方改了，向前看就好了。

之前開玩笑說這個教程能寫到退休，但我仔細想了一下，還是盡快地收個尾吧，都兩年了，再過去兩年，可能教程里用的技術都過時百分之八十了。

這個系列完結后，我會多寫一些偏理論的文章。我干的工作比較雜，比起深入鉆研一個技術點，可能還是更適合幫助大家了解一個行業(yè)、一個生態(tài)的全貌。

各位放心，我不會再鴿這么長時間了，那倆垃圾游戲已經被我打通關了，DLC 什么的等我漲工資了再買吧。

2020 都不容易，送給大家一句話，要敢于做困難事，堅持做困難事，困難是人進步的源泉，總有一天你會發(fā)現(xiàn)，自己變禿了，也變強了。

總有人覺得一年不如一年，但我始終認為我們就身處在最好的時代，風起云涌，無限可能。

上一篇：Vue + Spring Boot 項目實戰(zhàn)（二十）：前端優(yōu)化實戰(zhàn)

附錄：關于單元測試

本來按照計劃下一篇要講一講單元測試，但是我發(fā)現(xiàn)白卷項目在可測試性上一塌糊涂，在寫下一篇文章前折騰了兩天，還是沒能讓單元測試的代碼符合我自己的審美。（嗯，這個理由我認可了）

那這里我們先打個引子，講一講單元測試是什么、有什么用以及重點在哪里。其它的以后再說吧，不然又要托更了。

首先，關于測試，比較常見的分類方式有：

• 按開發(fā)周期：單元測試、集成測試、系統(tǒng)測試、驗收測試
• 按實施者：α、β、第三方
• 按是否執(zhí)行代碼：靜態(tài)測試、動態(tài)測試
• 按代碼可見性：黑盒測試、白盒測試、灰盒測試
• 按是否自動執(zhí)行：自動化測試、手工測試
• 按測試對象：性能測試、安全測試、兼容性測試、文檔測試、易用性測試、業(yè)務測試、界面測試、可安裝性測試

在這個框架之下，我們所說的單元測試，是指開發(fā)人員在代碼編寫階段同步實施的動態(tài)白盒測試，測試內容一般是業(yè)務邏輯和安全性，既可以手動編寫測試代碼，也可以借助一些自動化工具。

作為程序員，寫單元測試是一件煩躁的事情。因為寫單元測試，看起來大部分都是無用功，會嚴重拖慢開發(fā)的進程。

有一種常見的想法就是，代碼質量和工作效率不可兼得，我知道測試有用，但現(xiàn)在就是著急出成果，沒辦法，不得不先放下。

這種想法乍一看沒什么問題，我也時常覺得推進工作需要權衡和妥協(xié)，但實際上，代碼質量與工作效率并不矛盾，這種認識是一種誤區(qū)。如果不注重代碼質量，也許只是起步快一點，但在通往終點的路上，一定困難重重。

不只是開發(fā)，其實在任何工作中都是這樣一個規(guī)律，那就是問題發(fā)現(xiàn)的越早，解決問題需要的成本就越低。我們雖然無法做到萬無一失，但一定要在心里有一桿秤，什么樣的風險是要盡量早些規(guī)避的。評估風險的大小有一個簡單的公式，即：

風險 = 損失 * 概率

其實單元測試的重點不是編寫測試代碼的套路，它真正的功夫體現(xiàn)在測試用例的設計上。而設計全面且高效的測試用例并不那么容易，需要有相當全面的知識，老道的經驗，還要講究一些方法論，比如等價類劃分、邊界值分析等。

我有一個朋友，有一天寫了一個登錄功能，跑起來一試，賬號 admin，密碼 123 ，進去了，歐了。

過了一天，覺得不對勁，試了試賬號 admin，密碼 456，也進去了，他說哦，原來是昨天，有個地方寫錯了，改了就完了。

又過了兩天，又覺得不對，試了試賬號 admin，密碼不填，又進去了，好吧，大意了，再來一遍。

終于覺得沒有問題了，代碼到了測試手里。沒多久突然有個同事問他發(fā)生甚么事了，給他發(fā)來幾張截圖，他一看代碼被返工了，老大臉色鐵青地殺過來一頓臭罵。兩分多鐘以后，測試跑過來說對不起對不起，我不是找茬，我就隨便一試。他可不是隨便一試啊，暴力破解、SQL 注入、XSS，訓練有素，后來他說他學過三四年滲透，看來是有備而來。

后來，我這個朋友沒事就跑到測試旁邊，觀察他們的用例，模仿他們的做法，漸漸地犯的錯誤就越來越少了。

實際上當你時刻把單元測試放在心上，即使這個測試并沒有執(zhí)行，也會極大地減少犯錯的概率，提高代碼的質量。

上一篇：Vue + Spring Boot 項目實戰(zhàn)（二十）：前端優(yōu)化實戰(zhàn)

下一篇：Vue + Spring Boot 項目實戰(zhàn)（二十二）：生產環(huán)境初步搭建

總結

以上是生活随笔為你收集整理的Vue + Spring Boot 项目实战（二十一）：缓存的应用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。