把ruoyi-vue前后端分离项目的redis缓存改为本地缓存cache

简介: 把ruoyi-vue前后端分离项目的redis缓存改为本地缓存cache

场景

ruoyi-vue前后端分离项目使用的是redis缓存,现在要把redis缓存,改为本地缓存,即内存中存储,不使用redis了。

思路

开发一个本地缓存的工具类来替代 RedisCache类,然后把涉及的地方改一下即可

开始改造

由于ruoyi中使用redis的地方较多,所以需要仔细改造

1、首先去掉redis的maven依赖

注意:是去掉,不是加上

<!-- redis 缓存操作 -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
        </dependency>

2、开发一个本地缓存工具类,类似于redis

开发本地缓存类Localcache.java,放在ruoyi-common工程中

package com.ruoyi.common.core.cache;
import java.util.ArrayList;
import java.util.Collection;
import java.util.List;
import java.util.Map;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.TimeUnit;
import javax.annotation.PostConstruct;
import org.springframework.stereotype.Component;
import com.github.benmanes.caffeine.cache.Cache;
import com.github.benmanes.caffeine.cache.Caffeine;
/**
 * 本地缓存方式
 *
 */
@SuppressWarnings(value = { "unchecked" })
@Component
public class Localcache {
  private Map<String,Object> persistentCache;
  /**
   * token认证cache - 会自动过期的map
   */
  private Cache<String, Object> tokenCache;
  /**
   * 防止重复提交
   */
  private Cache<String, Object> repeatSubmitCache;
  /**
   * 验证码服务
   */
  private Cache<String, Object> captchaCache;
  @PostConstruct
  public void init() {
    persistentCache = new ConcurrentHashMap<String, Object>(1024);
    tokenCache = Caffeine.newBuilder()
        .expireAfterWrite(30, TimeUnit.MINUTES)   //30分钟
        .initialCapacity(100)
        .maximumSize(10000)
        .build();
    repeatSubmitCache = Caffeine.newBuilder()
            .expireAfterWrite(10, TimeUnit.SECONDS)   //10秒
            .initialCapacity(100)
            .maximumSize(10000)
            .build();
    captchaCache = Caffeine.newBuilder()
            .expireAfterWrite(2, TimeUnit.MINUTES)    //2分钟
            .initialCapacity(100)
            .maximumSize(10000)
            .build();
  }
  /**
   * Get方法, 转换结果类型并屏蔽异常, 仅返回Null.
   */
  public <T> T get(String key) {
    try {
      Object obj = persistentCache.get(key);
      if( null == obj ) {
        obj = tokenCache.getIfPresent(key);
      }
      if( null == obj ) {
        obj = captchaCache.getIfPresent(key);
      }
      if( null == obj ) {
        obj = repeatSubmitCache.getIfPresent(key);
      }
      return (T) obj;
    } catch (RuntimeException e) {
      return (T)null;
    }
  }
  public List<String> keys(String key){
    List<String> keyList = new ArrayList<String>();
    List<String> keys = new ArrayList<String>(persistentCache.keySet());
    for(int i=0;i<keys.size();i++){
      if(keys.get(i).startsWith(key)){
        keyList.add(keys.get(i));
      }
    }
    return keyList;
  }
  /**
   * 异步Set方法, 不考虑执行结果.
   * @param key
   * @param value
   * @param expiredTime 单位:秒
   */
  public void set(String key, Object value, int expiredTime ) {
    if( 0 == expiredTime ) {
      persistentCache.put(key,value);
    }else if( expiredTime <= 60 ) {   //TTL少于1分钟
      repeatSubmitCache.put(key, value);
    }else if( expiredTime <= 300 ) {  //TTL少于5分钟
      captchaCache.put(key, value);
    }else {
      tokenCache.put(key, value);
    }
  }
  /**
   * 持久化保存
   * @param key
   * @param value
   */
  public void set(String key, Object value) {
    try {
      this.set(key, value, 0 );
    } catch (Exception e) {
    }
  }
  /**
   * 异步 Delete方法, 不考虑执行结果.
   */
  public void delete(final String key) {
    persistentCache.remove(key);
    captchaCache.invalidate(key);
    tokenCache.invalidate(key);
    //防止重复提交和token过期,不存在删除的方法
  }
  public void delete(final Collection<String> keys) {
    for( String key : keys ) {
      delete(key);
    }
  }
}

3、接下来就把所有使用到RedisCache的地方,改成Localcache 就可以了,由于代码篇幅较长,在此,就不演示了,


相关文章
|
缓存 NoSQL 关系型数据库
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
|
缓存 NoSQL Java
Redis+Caffeine构建高性能二级缓存
大家好,我是摘星。今天为大家带来的是Redis+Caffeine构建高性能二级缓存,废话不多说直接开始~
1955 0
|
缓存 负载均衡 监控
135_负载均衡:Redis缓存 - 提高缓存命中率的配置与最佳实践
在现代大型语言模型(LLM)部署架构中,缓存系统扮演着至关重要的角色。随着LLM应用规模的不断扩大和用户需求的持续增长,如何构建高效、可靠的缓存架构成为系统性能优化的核心挑战。Redis作为业界领先的内存数据库,因其高性能、丰富的数据结构和灵活的配置选项,已成为LLM部署中首选的缓存解决方案。
1093 25
|
存储 缓存 NoSQL
Redis专题-实战篇二-商户查询缓存
本文介绍了缓存的基本概念、应用场景及实现方式,涵盖Redis缓存设计、缓存更新策略、缓存穿透问题及其解决方案。重点讲解了缓存空对象与布隆过滤器的使用,并通过代码示例演示了商铺查询的缓存优化实践。
515 1
Redis专题-实战篇二-商户查询缓存
|
缓存 运维 监控
Redis 7.0 高性能缓存架构设计与优化
🌟蒋星熠Jaxonic,技术宇宙中的星际旅人。深耕Redis 7.0高性能缓存架构,探索函数化编程、多层缓存、集群优化与分片消息系统,用代码在二进制星河中谱写极客诗篇。
2074 3
|
缓存 NoSQL 关系型数据库
Redis缓存和分布式锁
Redis 是一种高性能的键值存储系统,广泛用于缓存、消息队列和内存数据库。其典型应用包括缓解关系型数据库压力,通过缓存热点数据提高查询效率,支持高并发访问。此外,Redis 还可用于实现分布式锁,解决分布式系统中的资源竞争问题。文章还探讨了缓存的更新策略、缓存穿透与雪崩的解决方案,以及 Redlock 算法等关键技术。
|
消息中间件 缓存 NoSQL
基于Spring Data Redis与RabbitMQ实现字符串缓存和计数功能(数据同步)
总的来说,借助Spring Data Redis和RabbitMQ,我们可以轻松实现字符串缓存和计数的功能。而关键的部分不过是一些"厨房的套路",一旦你掌握了这些套路,那么你就像厨师一样可以准备出一道道饕餮美食了。通过这种方式促进数据处理效率无疑将大大提高我们的生产力。
479 32
|
存储 缓存 NoSQL
Redis 核心知识与项目实践解析
本文围绕 Redis 展开,涵盖其在项目中的应用(热点数据缓存、存储业务数据、实现分布式锁)、基础数据类型(string 等 5 种)、持久化策略(RDB、AOF 及混合持久化)、过期策略(惰性 + 定期删除)、淘汰策略(8 种分类)。 还介绍了集群方案(主从复制、哨兵、Cluster 分片)及主从同步机制,分片集群数据存储的哈希槽算法。对比了 Redis 与 Memcached 的区别,说明了内存用完的情况及与 MySQL 数据一致性的保证方案。 此外,详解了缓存穿透、击穿、雪崩的概念及解决办法,如何保证 Redis 中是热点数据,Redis 分布式锁的实现及问题解决,以及项目中分布式锁
463 1
|
缓存 NoSQL Java
Redis:现代服务端开发的缓存基石与电商实践-优雅草卓伊凡
Redis:现代服务端开发的缓存基石与电商实践-优雅草卓伊凡
443 5
Redis:现代服务端开发的缓存基石与电商实践-优雅草卓伊凡
|
人工智能 缓存 NoSQL
Redis 与 AI:从缓存到智能搜索的融合之路
Redis 已从传统缓存系统发展为强大的 AI 支持平台,其向量数据库功能和 RedisAI 模块为核心,支持高维向量存储、相似性搜索及模型服务。文章探讨了 Redis 在实时数据缓存、语义搜索与会话持久化中的应用场景,并通过代码案例展示了与 Spring Boot 的集成方式。总结来看,Redis 结合 AI 技术,为现代应用提供高效、灵活的解决方案。