目录

一、本期个人核心任务

二、缓存策略设计

（一）需求分析

（二）方案设计

1.缓存模式选择

2.缓存key生成方案

3.缓存管理器配置方案

4.最终方案

三、开发实现

四、测试验证

五、开发过程中的问题与解决方案

问题：Redis反序列化失败

六、实训收获与技术成长

七、后续开发计划

---

一、本期个人核心任务

        负责Redis缓存优化方案的设计与落地，针对高频访问、低频更新的精选应用列表场景实现缓存能力，解决数据库查询压力大、接口响应慢的问题，提升平台首页访问的流畅度与用户体验。

二、缓存策略设计

        当前平台首页精选应用列表接口直接查询数据库，随着访问量增加，数据库查询压力持续增大，接口响应耗时变长，用户浏览首页时易出现加载延迟的问题。

        因此本次开发的核心目标是：构建基于Redis的旁路缓存体系，针对精选应用列表场景定制缓存策略，通过SpringCache注解简化缓存开发，实现“缓存优先、数据库兜底”的查询逻辑，降低数据库访问频次，提升接口响应速度。

（一）需求分析

        平台首页精选应用列表是用户访问频次最高的核心接口之一，现有实现存在明显痛点：

1. 精选应用列表无缓存层，每次请求均查询数据库，高并发下数据库压力大；

2. 精选应用由管理员手动维护，更新频率低，但每次查询仍需走数据库链路，资源利用率低；

        为解决上述问题，本次开发需实现：

1. 设计旁路缓存模式，针对精选应用列表场景定制“查询先查缓存、未命中查库并回写缓存”的逻辑；

2. 开发缓存工具类，实现缓存key的统一生成与管理，避免key重复或过长问题；

3. 基于Spring Data Redis配置缓存管理器，适配不同缓存区域的过期时间需求；

4. 通过缓存注解实现接口缓存能力，仅缓存前10页高频访问数据，兼顾缓存效率与内存占用。

        通过本次需求落地，平台将新增“精选应用列表缓存”能力，形成“缓存层→数据库层”的双层查询体系，降低数据库压力，提升首页访问体验。

（二）方案设计

        针对Redis缓存优化的需求，梳理核心设计思路并明确技术方案：

1.缓存模式选择

        对比常见缓存模式（旁路缓存、读写穿透、写回缓存），结合精选应用“读多写少”的特点，选择旁路缓存模式：

• 查询逻辑：缓存命中→直接返回；缓存未命中→查数据库→回写缓存→返回结果；

• 更新逻辑：无需主动删除缓存，通过设置合理过期时间，让缓存自然失效，避免缓存与数据库数据不一致；

• 优势：实现简单，无需侵入数据库操作逻辑，适配现有代码架构。

2.缓存key生成方案

        为避免key重复、过长或格式不统一问题，设计“参数序列化+MD5哈希”的生成逻辑：

• 第一步：将接口参数（如页码、页大小）通过JSON序列化转为字符串，保证相同参数生成相同字符串；

• 第二步：对序列化后的字符串做MD5哈希，生成固定长度（32位）的唯一key，避免key过长占用Redis内存；

• 第三步：增加null值/空参数边界处理，保证异常参数也能生成合法key。

3.缓存管理器配置方案

        基于SpringCache设计缓存管理器，兼顾通用性与定制化：

• 基础配置：key序列化使用StringRedisSerializer（保证key可读），value序列化先简化为字符串（规避反序列化类信息丢失问题）；

• 差异化配置：默认缓存过期时间+精选应用缓存区域专属过期时间，适配不同场景需求；

4.最终方案

        综合场景特点与技术适配性，确定最终方案：

• 核心模式：旁路缓存+前10页数据缓存；

• key生成：JSON序列化+MD5哈希+边界处理；

• 配置体系：自定义CacheManager+注解式缓存；

• 过期策略：设置合理过期时间，无需主动删除缓存，自然失效保证数据一致性。

三、开发实现

1）环境与依赖确认

        依赖检查：因前期引入spring-session-data-redis，已自动依赖spring-data-redis，无需额外添加Maven/Gradle依赖：

spring:
  data:
    redis:
      host: localhost
      port: 6379
      database: 0
      password:
      ttl: 3600  # 缓存过期时间（秒）

2）缓存工具类开发

        为保证缓存key生成的一致性与唯一性，定制缓存工具类（CacheKeyUtils），核心设计要点：

1. 静态方法封装：提供generateKey(Object...params)方法，支持多参数传入生成唯一key；

2. 序列化处理：使用Hutool的JSONUtil序列化参数，处理null值为空字符串，保证序列化结果统一；

3. 哈希处理：通过MD5算法对序列化字符串哈希，生成固定长度key；

4. 异常处理：捕获序列化过程中的异常，返回默认key前缀+异常标识，避免工具类抛出异常导致接口降级。

/**
 * 缓存 key 生成工具类
 *
 * @author yupi
 */
public class CacheKeyUtils {
    /**
     * 根据对象生成缓存key (JSON + MD5)
     *
     * @param obj 要生成key的对象
     * @return MD5哈希后的缓存key
     */
    public static String generateKey(Object obj) {
        if (obj == null) {
            return DigestUtil.md5Hex("null");
        }
        // 先转JSON，再MD5
        String jsonStr = JSONUtil.toJsonStr(obj);
        return DigestUtil.md5Hex(jsonStr);
    }
}

3）启用缓存

        启用缓存功能：在SpringBoot启动类添加@EnableCaching注解，开启Spring Cache支持：

@EnableCaching
@SpringBootApplication
public class YuAiCodeMotherApplication {
    public static void main(String[] args) {
        SpringApplication.run(YuAiCodeMotherApplication.class, args);
    }
}

4）配置缓存管理器

        必须配置Redis缓存管理器CacheManager，这是Spring Cache的核心组件。

        如果不配置的话，使用缓存注解时可能会报错：

        在config包下新增代码，定制CacheManager：

@Configuration
public class RedisCacheManagerConfig {
    @Resource
    private RedisConnectionFactory redisConnectionFactory;
    @Bean
    public CacheManager cacheManager() {
        // 配置 ObjectMapper 支持 Java8 时间类型
        ObjectMapper objectMapper = new ObjectMapper();
        objectMapper.registerModule(new JavaTimeModule());
        
        // 默认配置
        RedisCacheConfiguration defaultConfig = RedisCacheConfiguration.defaultCacheConfig()
                .entryTtl(Duration.ofMinutes(30)) // 默认 30 分钟过期
                .disableCachingNullValues() // 禁用 null 值缓存
                // key 使用 String 序列化器
                .serializeKeysWith(RedisSerializationContext.SerializationPair
                        .fromSerializer(new StringRedisSerializer()))
                // value 使用 JSON 序列化器（支持复杂对象）
                .serializeValuesWith(RedisSerializationContext.SerializationPair
                        .fromSerializer(new GenericJackson2JsonRedisSerializer(objectMapper)));
        
        return RedisCacheManager.builder(redisConnectionFactory)
                .cacheDefaults(defaultConfig)
                // 针对 good_app_page 配置5分钟过期
                .withCacheConfiguration("good_app_page",
                        defaultConfig.entryTtl(Duration.ofMinutes(5)))
                .build();
    }
}

        这个配置的几个关键点：

        1.序列化器选择：StringRedisSerializer用于序列化key，确保Redis中的key是可读的字符串；GenericJackson2JsonRedisSerializer用于序列化value，支持复杂对象的序列化和反序列化。

        2.时间类型支持：注册JavaTimeModule来支持Java8时间类型LocalDateTime

        3.差异化配置：既提供了默认配置，又为特定的缓存区域设置不同的过期时间

        但是要注意，如果对value进行JSON序列化，可能会出现无法反序列化的情况，因为Redis中并没有存储Java类的信息，不知道要反序列化成哪个类，就会报错。所以我们可以先注释掉这些代码：

// value 使用 JSON 序列化器（支持复杂对象）
// .serializeValuesWith(RedisSerializationContext.SerializationPair
//     .fromSerializer(new GenericJackson2JsonRedisSerializer(objectMapper)));

5）接口缓存注解应用

        在AppController中为精选应用列表接口添加缓存注解：

@PostMapping("/good/list/page/vo")
@Cacheable(
        value = "good_app_page",
        key = "T(com.yupi.yuaicodemother.utils.CacheKeyUtils).generateKey(#appQueryRequest)",
        condition = "#appQueryRequest.pageNum <= 10"
)
public BaseResponse<Page<AppVO>> listGoodAppVOByPage(@RequestBody AppQueryRequest appQueryRequest) {
    // 方法实现保持不变...
}

        核心注解说明：

• value：指定缓存区域，对应缓存管理器中定制的过期时间；

• key：通过SpEL调用静态方法生成唯一缓存key；

• condition：缓存条件，仅前10页数据缓存，符合用户浏览习惯，减少无效缓存。

四、测试验证

        通过Redis客户端（Redis Desktop Manager）查看缓存数据的效果。

        每个页面的缓存都有独立的key：

        缓存的内容以JSON格式存储，便于阅读和调试

五、开发过程中的问题与解决方案

问题：Redis反序列化失败

现象：配置GenericJackson2JsonRedisSerializer序列化value后，接口返回时出现“无法反序列化为指定类”异常。

原因：JSON序列化未存储Java类的全限定名，Redis中仅保存纯JSON字符串，反序列化时无法确定目标类类型。

解决方案：

        临时方案：简化value序列化方式为StringRedisSerializer，直接存储JSON字符串，接口返回时自行反序列化；

        长期方案：定制GenericJackson2JsonRedisSerializer，注册Jackson2ObjectMapperBuilder并开启enableDefaultTyping，让序列化结果包含类信息，解决反序列化类匹配问题。

六、实训收获与技术成长

        本次Redis缓存优化开发，核心收获体现在：

1. 掌握缓存架构设计思路，理解不同缓存模式的适用场景，能结合业务特点选择最优方案（如旁路缓存适配读多写少场景）；

2. 深入理解Spring Cache注解与Redis缓存管理器的协同机制，解决了序列化、key生成、过期策略等核心问题；

3. 具备缓存问题排查能力，能定位反序列化、缓存穿透/失效等常见问题，并设计临时/长期解决方案；

七、后续开发计划

        增加缓存监控：接入Spring Boot Actuator + Prometheus + Grafana，监控缓存命中率、过期率、内存占用等指标，及时发现缓存异常；

        扩展缓存场景：将缓存策略复用至其他读多写少接口（如应用详情、分类列表），统一缓存工具类与配置体系；

        优化缓存一致性：针对精选应用更新场景，实现“更新数据库+主动删除缓存”逻辑，避免缓存过期前的数据不一致问题。