本地缓存的简单实现方案有HashMap，CucurrentHashMap，成熟的本地缓存方案有Guava 与 Caffeine ，企业级应用推荐下面说下两者的区别

1. 核心异同对比

特性	Guava Cache	Caffeine
诞生背景	Google Guava 库的一部分（2011年）	基于 Guava Cache 重构的现代缓存库（2015+）
性能	中等（锁竞争较多）	极高（优化并发设计，吞吐量提升5~10倍）
内存管理	基于 LRU 算法	结合 W-TinyLFU 算法（高命中率）
过期策略	支持 expireAfterWrite/access	支持 expireAfterWrite/access + refresh
缓存回收	同步阻塞	异步非阻塞（后台线程）
监控统计	基础统计（命中率等）	详细统计（命中率、加载时间等）
依赖	需引入整个 Guava 库	轻量（仅依赖 Caffeine）
社区维护	维护模式（新功能少）	活跃更新（Java 17+ 兼容）

从上面的比较可知， Caffeine 各方面是优于Guava的，因此在搭建多级缓存机制时，建议使用Caffeine+Redis的组合方案。

业务执行流程：

1. 请求优先读取 Caffeine 本地缓存（超快，减少网络IO）。

2. 本地缓存未命中 → 读取 Redis 分布式缓存。

3. Redis 未命中 → 查询数据库，并回填到两级缓存。

下面介绍下实现方式

注意：下面的实现方式是基于Springboot 2.4+，版本不同，配置上会略有差异

1.maven中引入下面的依赖

<!-- Caffeine 本地缓存 -->
<dependency><groupId>com.github.ben-manes.caffeine</groupId><artifactId>caffeine</artifactId>
</dependency><!-- 缓存抽象层 -->
<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-cache</artifactId>
</dependency><!-- redis 缓存操作 -->
<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId><exclusions><exclusion><groupId>io.lettuce</groupId><artifactId>lettuce-core</artifactId></exclusion></exclusions>
</dependency><dependency><groupId>redis.clients</groupId><artifactId>jedis</artifactId>
</dependency>

 2.application中进行配置

spring: cache:caffeine:spec: maximumSize=1000,expireAfterWrite=10m  # 本地缓存redis:time-to-live: 1h  # Redis缓存过期时间# redis 配置redis:# 地址host: 127.0.0.1# 端口，默认为6379port: 6379# 数据库索引database: 0# 密码password: abc123# 连接超时时间timeout: 6000ms  # 连接超时时长（毫秒）jedis:pool:max-active: 1000  # 连接池最大连接数（使用负值表示没有限制）max-wait: -1ms      # 连接池最大阻塞等待时间（使用负值表示没有限制）max-idle: 10      # 连接池中的最大空闲连接min-idle: 5       # 连接池中的最小空闲连接

 3.自定义多级缓存管理器

import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.boot.autoconfigure.cache.CacheProperties;
import org.springframework.boot.context.properties.EnableConfigurationProperties;
import org.springframework.cache.CacheManager;
import org.springframework.cache.annotation.EnableCaching;
import org.springframework.cache.caffeine.CaffeineCacheManager;
import org.springframework.cache.support.CompositeCacheManager;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.context.annotation.Primary;
import org.springframework.data.redis.cache.RedisCacheConfiguration;
import org.springframework.data.redis.cache.RedisCacheManager;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.serializer.GenericJackson2JsonRedisSerializer;
import org.springframework.data.redis.serializer.RedisSerializationContext;
import org.springframework.data.redis.serializer.StringRedisSerializer;
import com.github.benmanes.caffeine.cache.Caffeine;import java.util.concurrent.TimeUnit;@Configuration
@EnableCaching
@EnableConfigurationProperties(CacheProperties.class)
public class MyCacheConfig {@Beanpublic RedisCacheConfiguration cacheConfiguration(CacheProperties cacheProperties) {RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig();config = config.serializeKeysWith(RedisSerializationContext.SerializationPair.fromSerializer(new StringRedisSerializer()));config = config.serializeValuesWith(RedisSerializationContext.SerializationPair.fromSerializer(new GenericJackson2JsonRedisSerializer()));CacheProperties.Redis redisProperties = cacheProperties.getRedis();if (redisProperties.getTimeToLive() != null) {config = config.entryTtl(redisProperties.getTimeToLive());}if (redisProperties.getKeyPrefix() != null) {config = config.prefixKeysWith(redisProperties.getKeyPrefix());}if (!redisProperties.isCacheNullValues()) {config = config.disableCachingNullValues();}if (!redisProperties.isUseKeyPrefix()) {config = config.disableKeyPrefix();}return config;}@Beanpublic Caffeine<Object, Object> caffeineConfig() {return Caffeine.newBuilder().maximumSize(1000).expireAfterWrite(10, TimeUnit.MINUTES);}@Bean@Primary  // 添加 @Primary 注解指定 CaffeineCacheManager 作为默认的缓存管理器public CacheManager caffeineCacheManager(Caffeine<Object, Object> caffeine) {CaffeineCacheManager manager = new CaffeineCacheManager();manager.setCaffeine(caffeine);return manager;}@Beanpublic RedisCacheManager redisCacheManager(RedisConnectionFactory redisConnectionFactory,RedisCacheConfiguration cacheConfiguration) {return RedisCacheManager.builder(redisConnectionFactory).cacheDefaults(cacheConfiguration).build();}@Beanpublic CacheManager compositeCacheManager(@Qualifier("caffeineCacheManager") CacheManager caffeineCacheManager,@Qualifier("redisCacheManager") CacheManager redisCacheManager) {return new CompositeCacheManager(caffeineCacheManager,redisCacheManager);}
}

4.业务逻辑层调用

使用示例：

@Service
public class ProductService {@Autowiredprivate ProductRepository repository;// 优先读本地缓存，其次Redis，最后数据库@Cacheable(cacheNames = "product", key = "#id")public Product getProductById(Long id) {return repository.findById(id).orElseThrow();}// 更新数据时清除两级缓存@CacheEvict(cacheNames = "product", key = "#product.id")public Product updateProduct(Product product) {return repository.save(product);}
}

手动控制多级缓存

@Service
public class CacheService {@Autowiredprivate CacheManager cacheManager;@Autowiredprivate RedisTemplate<String, Object> redisTemplate;public Product getProductWithManualControl(Long id) {// 1. 先查本地缓存Cache caffeineCache = cacheManager.getCache("product");Product product = caffeineCache.get(id, Product.class);if (product != null) {return product;}// 2. 查Redis缓存product = (Product) redisTemplate.opsForValue().get("product:" + id);if (product != null) {// 回填本地缓存caffeineCache.put(id, product);return product;}// 3. 查数据库product = repository.findById(id).orElseThrow();// 回填两级缓存redisTemplate.opsForValue().set("product:" + id, product, Duration.ofHours(1));caffeineCache.put(id, product);return product;}
}

1. 缓存一致性

   • 使用 @CacheEvict 或 Redis Pub/Sub 同步失效两级缓存。

   • 示例：通过 Redis 消息通知其他节点清理本地缓存。

2. 防止缓存击穿

   • Caffeine 配置 refreshAfterWrite：

Caffeine.newBuilder().refreshAfterWrite(5, TimeUnit.MINUTES).build(key -> loadFromRedisOrDb(key));

3.监控统计：

Caffeine 统计：cache.getNativeCache().stats()

Redis 统计：INFO commandstats

4. 验证多级缓存
本地缓存生效：连续调用同一接口，观察第二次响应时间骤降。
Redis 缓存生效：重启应用后，首次请求仍快速返回（数据来自Redis）。