外观
28 - Spring Cache:代理、Key 与一致性边界
适用版本:Spring Framework 6.x、Spring Boot 3.x。缓存能力、过期策略和分布式一致性取决于实际 CacheManager 与缓存产品,不能从 Spring 注解本身推导。
摘要
给查询用户的方法加上缓存注解后,相同查询可以直接返回缓存结果。但如果两个租户共用了同一个 Key,或数据库更新后缓存仍是旧值,注解即使正常生效,也会返回错误数据。理解 Spring Cache,需要先看清方法调用如何使用缓存,再分别处理数据标识、并发加载和数据库更新。
Spring Cache 是方法调用级抽象:它统一查询、写入和驱逐缓存的接口,让业务方法通过注解使用不同缓存实现。TTL(Time to Live,缓存条目的存活时间)、跨节点锁、事务提交一致性和缓存击穿治理,则需要结合具体缓存产品及业务流程设计。
1. 调用链与操作语义
本文讨论基于代理的缓存调用。代理是位于调用方与目标对象之间、负责拦截方法调用的对象;缓存基础设施需要启用,例如通过 @EnableCaching。
一次缓存查询需要两个标识:缓存名用于选择缓存空间,Key(键)用于定位空间中的条目。CacheManager 管理这些缓存,Cache 承担具体读写;实现这些接口的缓存组件称为 Cache Provider(缓存提供方)。
以 @Cacheable 的普通查询为例,调用经过代理后,先计算 Key,再查询缓存:
text
caller → cache proxy → key generation → cache lookup
├─ hit → return cached value
└─ miss → target method → put result@Cacheable:命中时跳过目标方法,未命中时调用方法,并按配置决定是否缓存结果;@CachePut:执行目标方法,并按配置将结果写入缓存,不能用于跳过查询;@CacheEvict:按配置在调用前或成功调用后驱逐,即移除缓存条目,让后续查询重新加载;@Caching:组合多个缓存操作。
在这一模型中,缓存逻辑位于代理内,而不是被注解的方法体内。因此,同类方法通过 this 调用、手工创建非容器对象或直接调用原始对象,都可能绕过缓存逻辑。排障时应先确认调用经过代理,再检查缓存内容。
1.1 源码调用链
text
BeanFactoryCacheOperationSourceAdvisor
→ CacheOperationSourcePointcut
→ CacheInterceptor.invoke(...)
→ CacheAspectSupport.execute(...)
→ CacheResolver / KeyGenerator / CacheCacheOperationSource 负责解析方法上的缓存元数据,例如缓存名、Key 表达式和操作类型。Advisor 将方法匹配规则与拦截逻辑组合起来,CacheInterceptor 再委托 CacheAspectSupport 完成命中、调用和更新决策。CacheResolver 负责解析本次操作使用哪些缓存,KeyGenerator 负责生成 Key。
这条链路把“何时操作缓存”与“如何存储数据”分开。真正的数据读写由选中的 Cache 实现完成,因此 TTL、序列化、远程连接和故障行为不属于统一抽象的保证。
2. Key 是缓存数据模型的一部分
Key 决定哪些调用可以复用同一份结果。如果查询结果受租户影响,Key 却只有用户 ID,那么不同租户的查询就可能命中同一条数据。因此,设计 Key 的原则是:只有业务含义相同的查询,才应共享缓存条目。默认 Key 生成适合简单参数,但工程上必须回答:
- 租户、区域、权限或版本是否属于 Key;
- 可变对象作为 Key 后,其
equals/hashCode是否稳定; - 列表顺序、空值和默认参数是否具有相同语义;
- 方法重载或多个方法是否共享同一缓存空间;
- 发布新版本后旧 Key 是否仍兼容。
建议使用稳定、便于排查且带命名空间的 Key。命名空间用于区分业务用途或数据版本,避免不同用途的条目相互覆盖;可变对象的 equals/hashCode 则决定对象作为键时能否被稳定识别。不要把密码、令牌等秘密直接拼入可读 Key 或日志。
默认 SimpleKeyGenerator 对无参数、单参数和多参数采用不同 Key 形式。它不会自动加入方法名、租户或应用版本。如果不同方法共用相同缓存名且参数形状相同,就可能发生语义冲突;此时应拆分缓存名或提供显式 KeyGenerator。
在下面的 @Cacheable 查询中,condition 在调用目标方法前决定是否参与缓存,unless 在获得结果后决定是否拒绝写入。二者时机不同,不能互换。表达式使用 SpEL(Spring 表达式语言),#tenant 和 #id 引用参数,#result 引用返回值。
这是业务方法片段,需补齐 User 和方法实现,并确保运行环境能够解析表达式中的参数名:
java
@Cacheable(cacheNames = "users",
key = "#tenant + ':' + #id",
condition = "#id > 0",
unless = "#result == null")
public User find(String tenant, long id) { ... }预期行为:id <= 0 时不参与缓存,目标方法仍会执行;id > 0 时以租户和 ID 组成 Key,命中则返回缓存值,未命中则查询。查询结果为 null 时,unless 阻止写入。
3. 空值、异常与穿透
回源是指缓存未命中后,重新查询数据库等权威数据源。目标方法抛异常时通常不会缓存正常结果;返回 null 是否允许缓存取决于具体实现和配置。若不存在的数据不缓存,每次请求都会再次查询数据源,热点无效 Key 就会造成持续负载。若缓存空值,则必须设计较短 TTL 和数据创建后的失效策略,否则新建的数据也可能暂时被判定为不存在。
- 缓存穿透:请求的数据不存在,缓存无法挡住反复回源。
- 缓存击穿:一个热点条目失效,大量请求同时回源加载它。
- 缓存雪崩:大量条目集中失效或缓存服务不可用,回源负载突然增加。
这些是容量与并发问题。布隆过滤器可用于筛除一定不存在的 Key,但可能把不存在的 Key 判为可能存在;随机过期用于分散失效时间;请求合并让并发请求共享一次加载;跨节点互斥则协调多个实例对同一条目的加载。Spring Cache 抽象不会自动提供这些治理能力。
4. sync=true 的边界
同一 Key 未命中时,多个线程可能同时进入目标方法。@Cacheable(sync = true) 表达同一进程内由缓存实现协调加载的意图,希望避免重复加载,但具体支持和行为由 Cache Provider 决定。它不应被解释为跨 JVM(Java 虚拟机)分布式锁:多个应用实例能否协调,仍取决于具体实现。它也不能替代下游限流与数据库保护,因为不同 Key 仍可能同时产生大量查询。
验证时至少并发触发同一 Key,统计目标方法实际执行次数,并在多实例环境重复测试。
5. 缓存与事务是两个提交边界
原子事务要求一组操作全部成功或全部撤销。数据库提交和缓存变更通常不满足这种共同提交的条件。下面是一种可能的顺序,实际顺序取决于事务与缓存拦截器如何组合:
text
update DB → evict cache → commit DB在这一顺序中,缓存被删除后、数据库提交前,另一个请求可能读到数据库中的旧值并重新写入缓存。随后数据库提交新值,缓存却仍保存旧值。这段可能产生不一致的时间区间就是一致性窗口。
此外,操作失败或进程退出也可能产生短暂或持续不一致:事务最终回滚时,缓存可能已经写入未提交数据;改成先提交数据库再驱逐缓存,又可能在提交后、驱逐前崩溃。调整 Advisor 顺序只能改变窗口,不能消除数据库与缓存分别变更的双写问题。
重要数据应根据对旧值的容忍度选择策略:延迟双删是在更新前后分次删除缓存;事务后失效把驱逐安排在提交成功之后;消息或 CDC(Change Data Capture,变更数据捕获)用于传播数据库变更并修复缓存。这些方案仍需要评估时序、投递失败和重试,不能仅凭名称认定一致性已经解决。无法接受旧值且缺少可靠协调方案时,也可以不缓存。
TransactionAwareCacheManagerProxy 可以把部分 put、evict、clear 操作延迟到成功提交之后,分别对应写入条目、驱逐条目和清空缓存;适用范围取决于事务同步是否生效及具体操作路径。它不是数据库与缓存之间的两阶段提交。两阶段提交需要多个资源参与共同的提交协议,而这里的进程仍可能在数据库提交后、缓存操作前退出,远程缓存写入也仍可能失败。因此,它只能缩小某类窗口,不能把两个资源变成原子事务。
6. 序列化与版本演进
序列化是把对象转换为可存储、传输的数据,反序列化则把数据还原为对象。远程缓存可能保存着旧版应用写入的数据;滚动发布时,新旧实例还可能同时读写同一缓存。因此,代码中的类型变化必须与缓存数据格式一起考虑:
- 值的序列化格式和类型信息;
- 字段新增、删除、重命名的兼容性;
- 类名变更对反序列化的影响;
- 大 Value 对网络、内存和淘汰的影响;
- 反序列化不可信数据的安全边界。
Value 是缓存保存的值。即使命中,读取大 Value 仍有网络传输和反序列化成本,所以缓存命中率高不代表收益高;还应观察回源延迟、加载并发、驱逐量、错误率和数据新鲜度,即缓存值与权威源当前值之间的差距。
7. 排障清单
- 调用是否经过缓存代理,匹配到哪个
CacheOperation(缓存操作描述)? - 实际
CacheManager、缓存名和 Key 是什么? - 命中的是本地缓存还是远程缓存?实例间是否共享?
- TTL、最大容量和淘汰策略由谁配置?
- 空值和异常是否缓存?
- 更新发生在事务提交前还是提交后?
- 热 Key 是否造成单节点或下游回源瓶颈?
- 数据错误能否通过绕过缓存和直接查询权威源证明?
8. 可复现验证
先用计数器观察目标方法的加载次数,再逐项验证缓存行为。下面是服务类中的局部片段,需补齐 AtomicInteger 的导入、User、repository、缓存配置和测试代码;repository.find(id) 代表查询权威数据源。服务应由容器管理,测试从代理调用 load,并确保 #id 能解析参数名:
java
AtomicInteger loads = new AtomicInteger();
@Cacheable(cacheNames = "users", key = "#id")
public User load(long id) {
loads.incrementAndGet();
return repository.find(id);
}基础测试先清空对应缓存并重置计数器,使用确实存在且可缓存的用户数据。相同 Key 的连续调用之间不要插入驱逐或过期。以下是预期断言目标:
- 相同 Key 连续读取只回源一次;
- 不同 Key 不会串值;
- 更新后驱逐能让下一次读取重新回源;
- 目标方法抛异常时不会留下伪造成功值;
- 两个线程并发读取同一 Key 时,实际加载次数符合当前 Provider 对
sync=true的实现;这一项需在单独的同步加载用例中启用该属性,上面的片段没有启用; - 加入事务与缓存更新场景后,检查事务回滚后缓存中是否存在未提交数据,以验证所选一致性策略。
测试缓存与生产 Provider 应分层验证。用 ConcurrentMapCache 通过的测试不能证明 Redis 序列化、TTL、网络失败或多实例竞争行为。
Framework 与 Boot 边界
测试环境和生产环境可能使用不同缓存实现,尤其需要区分框架契约与自动配置:
- Framework 提供注解、Advisor、Key 计算和
CacheManager抽象; - Boot 根据 classpath(运行时类路径中可用的库)、用户 Bean 和配置条件选择具体
CacheManager; - TTL、最大容量、空值、序列化和故障降级通常由 Caffeine、Redis 等 Provider 或 Boot 适配配置决定;
- Actuator 是 Boot 的应用监控与管理组件,其指标能否观测命中率,也取决于 Provider 是否暴露相应统计。
9. 总结
Spring Cache 统一的是方法级缓存操作,不统一缓存产品能力,更不提供数据库与缓存的原子一致性。
使用时先确认调用经过代理,再用缓存名和 Key 准确标识数据;随后按实际 Provider 设计空值、过期、并发加载和序列化。涉及数据库更新时,还要单独设计提交后的失效及失败修复,避免把注解生效当作数据一致性的证明。
阅读导航
- AOP 调用前提:09 - Spring AOP 如何创建代理
- 自调用失效:10 - 同类调用与 AOP 失效
- 切面组合顺序:24 - Spring 切面顺序与组合语义
- 缓存一致性:分布式 17 - 缓存与数据库一致性
- 穿透、击穿与雪崩:分布式 18 - 缓存穿透击穿与雪崩
- Redis 热 Key:分布式 19 - Redis 热 Key 与大 Key