Spring Cache + Redis 实战：手把手教你为外卖项目套餐数据提速（附完整代码）

RED韵

271人浏览 · 2026-06-02 09:47:22

RED韵 · 2026-06-02 09:47:22 发布

Spring Cache与Redis实战：外卖系统套餐数据性能优化指南

深夜十点，"苍穹外卖"的后台监控系统突然发出刺耳的警报声——数据库服务器CPU使用率飙升至95%。技术团队紧急排查发现，高峰时段套餐详情页的QPS突破2000次，直接导致查询接口响应时间从200ms恶化到2秒以上。这正是典型的数据库查询瓶颈问题，而今天我们将用Spring Cache+Redis的组合拳彻底解决这类性能痛点。

1. 环境准备与基础集成

1.1 依赖配置与缓存启用

在pom.xml中引入关键依赖时，需要注意版本兼容性问题。Spring Boot 2.7.x版本推荐以下组合：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
    <version>2.7.3</version>
</dependency>
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-cache</artifactId>
</dependency>

启动类注解配置有个容易被忽略的细节—— @EnableCaching 应该放在 @SpringBootApplication 之后：

@SpringBootApplication
@EnableTransactionManagement
@EnableCaching  // 必须位于SpringBootApplication之后
public class SkyApplication {
    public static void main(String[] args) {
        SpringApplication.run(SkyApplication.class, args);
    }
}

1.2 Redis连接池优化

在application.yml中建议配置连接池参数，避免默认配置导致的性能问题：

spring:
  redis:
    host: 127.0.0.1
    port: 6379
    lettuce:
      pool:
        max-active: 20   # 最大连接数（根据QPS调整）
        max-idle: 10     # 最大空闲连接
        min-idle: 5      # 最小空闲连接
        max-wait: 200ms  # 连接获取超时时间

提示：生产环境务必配置Redis密码和SSL连接，示例中省略了安全配置

2. 缓存注解深度应用

2.1 套餐数据缓存实现

针对套餐查询接口， @Cacheable 注解的进阶用法：

@GetMapping("/meal/{id}")
@Cacheable(value = "mealCache", 
           key = "#id + '_' + #languageType",
           unless = "#result == null || #result.data.status != 1")
public Result<MealDTO> getMealById(
        @PathVariable Long id,
        @RequestParam(defaultValue = "zh-CN") String languageType) {
    // 数据库查询逻辑
}

参数说明表格：

参数	说明	示例值
value	缓存命名空间	mealCache
key	SpEL表达式构建的缓存键	123_zh-CN
unless	结果过滤条件	过滤掉null或下架商品

2.2 缓存更新策略对比

套餐变更时的双写策略对比：

方案A：先更新DB再删除缓存

@PostMapping("/meal")
@CacheEvict(value = "mealCache", key = "#mealDTO.id + '_*'")
public Result updateMeal(@RequestBody MealDTO mealDTO) {
    mealService.update(mealDTO);
}

方案B：事务内双写

@Transactional
@PostMapping("/meal")
@CachePut(value = "mealCache", key = "#mealDTO.id + '_zh-CN'")
public MealDTO updateMealWithCache(@RequestBody MealDTO mealDTO) {
    return mealService.updateAndReturn(mealDTO);
}

两种方案的性能对比：

指标	方案A	方案B
一致性	最终	强
吞吐量	高	中
实现复杂度	低	高
适用场景	读多写少	写密集型

3. 生产环境缓存治理

3.1 缓存穿透防御方案

针对恶意请求不存在的套餐ID，采用多层防护：

布隆过滤器预检查

public Result<MealDTO> getMealWithBloomFilter(@PathVariable Long id) {
    if(!bloomFilter.mightContain(id)) {
        return Result.error("套餐不存在");
    }
    return mealService.getById(id);
}

空值缓存配置

spring:
  cache:
    redis:
      cache-null-values: true  # 允许缓存null值
      time-to-live: 5m         # 空值缓存5分钟

3.2 缓存雪崩预防

采用多维度过期策略避免集体失效：

@Bean
public RedisCacheManager cacheManager(RedisConnectionFactory factory) {
    RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig()
        .entryTtl(Duration.ofMinutes(30))  // 基础过期时间
        .computePrefixWith(name -> name + ":")  // 自定义前缀
        .serializeValuesWith(SerializationPair.fromSerializer(
            new Jackson2JsonRedisSerializer<>(Object.class)));
    
    // 针对不同缓存设置不同TTL
    Map<String, RedisCacheConfiguration> configMap = new HashMap<>();
    configMap.put("mealCache", config.entryTtl(Duration.ofHours(1)));
    configMap.put("hotMealCache", config.entryTtl(Duration.ofMinutes(10)));
    
    return RedisCacheManager.builder(factory)
            .cacheDefaults(config)
            .withInitialCacheConfigurations(configMap)
            .build();
}

4. 性能监控与调优

4.1 缓存命中率监控

集成Micrometer监控缓存指标：

@Bean
public CacheMetricsRegistrar cacheMetricsRegistrar(
        MeterRegistry registry, 
        CacheManager cacheManager) {
    return new CacheMetricsRegistrar(registry, cacheManager)
            .bindTo(registry);
}

关键监控指标说明：

cache.gets ：缓存查询次数
cache.hits ：命中次数
cache.miss ：未命中次数
cache.puts ：缓存写入次数

4.2 压测对比数据

使用JMeter对套餐查询接口进行压测（单节点Redis，100并发）：

场景	QPS	平均响应时间	错误率
无缓存	1,200	83ms	0.5%
基础缓存	8,500	12ms	0%
优化后缓存	15,000	7ms	0%

缓存优化前后的数据库负载对比：

![数据库CPU使用率对比图] （图示：优化后数据库CPU从90%降至15%）

5. 进阶技巧与踩坑记录

5.1 本地缓存二级加速

对于超热点数据，可引入Caffeine作为一级缓存：

@Configuration
@EnableCaching
public class CacheConfig {
    
    @Bean
    public CacheManager cacheManager() {
        CaffeineCacheManager caffeineCacheManager = new CaffeineCacheManager();
        caffeineCacheManager.setCaffeine(Caffeine.newBuilder()
            .maximumSize(1000)
            .expireAfterWrite(1, TimeUnit.MINUTES));
        
        RedisCacheManager redisCacheManager = RedisCacheManager.create(redisConnectionFactory());
        
        // 组合缓存管理器
        return new CompositeCacheManager(
            caffeineCacheManager, 
            redisCacheManager
        );
    }
}

5.2 大Value拆分策略

当套餐包含大量图片信息时，建议拆分存储：

public MealDTO getLargeMeal(Long id) {
    MealBasic basic = cacheService.get("meal:basic:" + id);
    if(basic == null) {
        basic = mealService.getBasic(id);
        cacheService.put("meal:basic:" + id, basic);
    }
    
    MealDetail detail = cacheService.get("meal:detail:" + id);
    if(detail == null) {
        detail = mealService.getDetail(id);
        cacheService.put("meal:detail:" + id, detail);
    }
    
    return new MealDTO(basic, detail);
}

常见问题排查清单：