使用@Cacheable,缓存优化的方式优化数据库的查询

简介: 使用@Cacheable,缓存优化的方式优化数据库的查询

使用@Cacheable,缓存优化的方式优化数据库的查询

本文讲解在springboot中如何利用@Cacheable,通过添加本地缓存,来优化查询,提升查询效率。

简介

在实际业务中,如果某些数据被频繁访问,则每次都去读取数据库显然是不太优雅的。此时,我们可以添加本地缓存来提高系统的查询效率。在Java中,我们可以使用基于ConcurrentHashMap等数据结构实现的Local Cache,在内存层面对数据进行缓存,从而避免频繁访问数据库。

例如,在图书管理系统中,我们可以添加一个名为bookCache的ConcurrentHashMap缓存对象,用于存储Book类的对象。当我们进行查询操作时,先在缓存对象中寻找是否存在所需的Book对象,如果已经存在则直接返回;否则再从数据库中读取,并将其缓存至bookCache中,从而加快下一次查询的速度。

@Cacheable简介

首先,我们需要引入Spring Boot自带的缓存模块,可以在pom.xml文件中添加如下依赖:

<dependency>
  <groupId>org.springframework.boot</groupId>
  <artifactId>spring-boot-starter-cache</artifactId>
</dependency>

接下来,在我们的Service层中,我们可以使用Mybatis-Plus提供的IService接口作为基础Service,然后使用Spring Boot的@Cacheable注解为其添加缓存功能。例如,我们可以在Service接口方法上添加如下代码:

@Override
@Cacheable(value = "book", key = "#isbn")
public Book getByIsbn(String isbn) {
    // 从数据库中读取图书信息并返回
}

其中,@Cacheable注解表示启用缓存,并指定value参数为book,表示缓存Key; key参数为#isbn,则表示缓存的键名为isbn变量的值。

此外,在使用@Cacheable注解前,我们还需要增加@EnableCaching注解激活缓存。例如,在Spring Boot项目启动类中,我们可以添加如下代码:

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

这样,当我们调用Service层的getByIsbn方法时,Spring就会自动从本地缓存中获取相应的数据。如果缓存中不存在相应的数据,则再从数据库中读取,并将其缓存到本地。

需要注意的是,当使用缓存时,我们需要适度控制缓存时间和尺寸,以避免过期或者内存溢出等问题。此外,在分布式环境下,我们还需要设计好缓存的更新与同步机制,保证数据的一致性和正确性。

同时,我们也可以在类上方添加@CacheConfig注解,统一配置缓存,例如:

@Service
@CacheConfig(cacheNames = "bookCache")
public class BookServiceImpl extends ServiceImpl<BookMapper, Book> implements IBookService {
    @Override
    @Cacheable(key = "#isbn")
    public Book selectByIsbn(String isbn) {
        // ...
    }
}

这样,我们就能够在Spring Boot + Mybatis-Plus + Lombok的架构中为Service层添加本地缓存的功能了。在读取数据较为频繁,但数据更新较少的情况下,使用本地缓存可以大幅提高程序的效率和响应速度。

代码注意事项

首先,需要添加如下依赖,包括Spring Boot、Mybatis-Plus、Lombok和Caffeine缓存模块:

<!-- Spring Boot -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!-- Mybatis-Plus -->
<dependency>
    <groupId>com.baomidou</groupId>
    <artifactId>mybatis-plus-boot-starter</artifactId>
    <version>3.4.1</version>
</dependency>
<!-- Lombok -->
<dependency>
    <groupId>org.projectlombok</groupId>
    <artifactId>lombok</artifactId>
    <optional>true</optional>
</dependency>
<!-- Caffeine -->
<dependency>
    <groupId>com.github.ben-manes.caffeine</groupId>
    <artifactId>caffeine</artifactId>
    <version>3.0.6</version>
</dependency>

接下来,我们创建一个基于Mybatis-Plus提供的IService接口的Service类,并使用@Cacheable注解为其中的方法添加缓存功能。例如:

import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import org.springframework.cache.annotation.CacheEvict;
import org.springframework.cache.annotation.Cacheable;
import org.springframework.stereotype.Service;
@Service
public class BookServiceImpl extends ServiceImpl<BookMapper, Book> implements IBookService {
    @Override
    @Cacheable(value = "book", key = "#isbn")
    public Book getByIsbn(String isbn) {
        QueryWrapper<Book> queryWrapper = new QueryWrapper<>();
        queryWrapper.eq("isbn", isbn);
        return baseMapper.selectOne(queryWrapper);
    }
    @Override
    @CacheEvict(value = "book", key = "#isbn")
    public void deleteByIsbn(String isbn) {
        QueryWrapper<Book> queryWrapper = new QueryWrapper<>();
        queryWrapper.eq("isbn", isbn);
        baseMapper.delete(queryWrapper);
    }
}

在上述代码中,@Cacheable注解用于缓存getByIsbn方法的返回值;value参数为book,表示缓存Key;key参数为#isbn,则表示缓存的键名为传入的isbn值。

同时,我们还为删除ISBN记录(deleteByIsbn方法)增加了@CacheEvict注解,表示当该方法执行时,会清除与isbn对应的本地缓存。这样,当我们执行删除操作后,就不会出现脏数据。

另外,在Spring Boot启动类中我们需要使用@EnableCaching注解激活缓存:

@SpringBootApplication
@EnableCaching
public class Application {
  // ...
}

最后,在application.yml配置文件中添加以下内容,指定采用Caffeine作为本地缓存:

spring:
  cache:
    type: caffeine
    caffeine:
      spec: maximumSize=100,expireAfterAccess=10s

这里我们指定本地缓存最大数量为100,过期时间为10秒。

相关文章
|
3天前
|
存储 缓存 自然语言处理
SCOPE:面向大语言模型长序列生成的双阶段KV缓存优化框架
KV缓存是大语言模型(LLM)处理长文本的关键性能瓶颈,现有研究多聚焦于预填充阶段优化,忽视了解码阶段的重要性。本文提出SCOPE框架,通过分离预填充与解码阶段的KV缓存策略,实现高效管理。SCOPE保留预填充阶段的关键信息,并在解码阶段引入滑动窗口等策略,确保重要特征的有效选取。实验表明,SCOPE仅用35%原始内存即可达到接近完整缓存的性能水平,显著提升了长文本生成任务的效率和准确性。
12 3
SCOPE:面向大语言模型长序列生成的双阶段KV缓存优化框架
|
2月前
|
缓存 监控 前端开发
在资源加载优化中,如何利用浏览器缓存提升性能?
通过以上这些方法,可以有效地利用浏览器缓存来提升资源加载的性能,减少网络请求次数,提高用户体验和应用的响应速度。同时,需要根据具体的应用场景和资源特点进行灵活调整和优化,以达到最佳的效果。此外,随着技术的不断发展和变化,还需要持续关注和学习新的缓存优化方法和策略。
99 53
|
14天前
|
SQL Oracle 数据库
使用访问指导(SQL Access Advisor)优化数据库业务负载
本文介绍了Oracle的SQL访问指导(SQL Access Advisor)的应用场景及其使用方法。访问指导通过分析给定的工作负载,提供索引、物化视图和分区等方面的优化建议,帮助DBA提升数据库性能。具体步骤包括创建访问指导任务、创建工作负载、连接工作负载至访问指导、设置任务参数、运行访问指导、查看和应用优化建议。访问指导不仅针对单条SQL语句,还能综合考虑多条SQL语句的优化效果,为DBA提供全面的决策支持。
44 11
|
7天前
|
缓存 NoSQL Serverless
云数据库Tair:从稳定低延时缓存到 Serverless KV
本次分享聚焦云数据库Tair的使用,涵盖三部分内容:1) Tair概览,介绍其作为稳定低延时缓存及KV数据库服务的特点和优势;2) 稳定低延迟缓存技术,探讨如何通过多线程处理、优化内核等手段提升性能与稳定性;3) 从缓存到Serverless KV的演进,特别是在AI大模型时代,Tair如何助力在线服务和推理缓存加速。Tair在兼容性、性能优化、扩缩容及AI推理加速方面表现出色,满足不同场景需求。
|
29天前
|
存储 缓存 网络协议
数据库执行查询请求的过程?
客户端发起TCP连接请求,服务端通过连接器验证主机信息、用户名及密码,验证通过后创建专用进程处理交互。服务端进程缓存以减少创建和销毁线程的开销。后续步骤包括缓存查询(8.0版后移除)、语法解析、查询优化及存储引擎调用,最终返回查询结果。
29 6
|
28天前
|
缓存 物联网 数据库
InfluxDB vs TDengine :2025 年了,谁家用的数据库还不能高效读缓存?
在工业互联网和物联网的大数据应用场景中,实时数据的写入和查询性能至关重要。如何快速获取最新设备状态并实时处理数据,直接影响到业务的高效运转。本文将深入分析 TDengine 和 InfluxDB 在缓存机制上的差异,帮助读者更好地理解这两款主流时序数据库在性能优化方面的优劣。
64 1
|
2月前
|
SQL 存储 BI
gbase 8a 数据库 SQL合并类优化——不同数据统计周期合并为一条SQL语句
gbase 8a 数据库 SQL合并类优化——不同数据统计周期合并为一条SQL语句
|
2月前
|
SQL 数据库
gbase 8a 数据库 SQL优化案例-关联顺序优化
gbase 8a 数据库 SQL优化案例-关联顺序优化
|
2月前
|
存储 NoSQL 分布式数据库
微服务架构下的数据库设计与优化策略####
本文深入探讨了在微服务架构下,如何进行高效的数据库设计与优化,以确保系统的可扩展性、低延迟与高并发处理能力。不同于传统单一数据库模式,微服务架构要求更细粒度的服务划分,这对数据库设计提出了新的挑战。本文将从数据库分片、复制、事务管理及性能调优等方面阐述最佳实践,旨在为开发者提供一套系统性的解决方案框架。 ####
|
27天前
|
SQL JavaScript 程序员
数据库LIKE查询屡试不爽?揭秘大多数人都忽视的秘密操作符!
本文分析了因数据库中的不可见空白字符导致的数据查询问题,探讨了问题的成因与特性,并提出了使用 SQL 语句修复问题的有效方案。同时,总结了避免类似问题的经验和注意事项。
31 0