SpringBoot2.x—SpringCache（1）集成
SpringBoot2.x—SpringCache（2）使用
SpringBoot2.x—SpringCache（3） CacheManager源码
SpringBoot2.x—SpringCache（4）集成SpringCache保证Redis的数据一致性
SpringBoot2.x—SpringCache（5）使用多级缓存
SpringBoot2.x—SpringCache（6）缓存注意事项
1. 多级缓存的背景
一般在我们的系统架构中，使用Redis作为分布式缓存解决热点数据的访问。但是仅仅依赖于Redis会发生如下两个问题：
- Redis会有一定的网络I/O及序列化的问题，即使Protostuff方式进行序列化，也没有进程内的缓存快。
- 系统太过于依赖Redis，如果Redis挂掉，那么我们只能去访问DB，容易造成雪崩。
所以我们需要使用进程内的缓存来实现多级缓存。
多级缓存架构.png
说起进程内缓存，对于我们并不陌生，例如我们常用的
ConcurrentHashMap。但是ConcurrentHashMap一般适合缓存数量较少且大部分情况下不变的元素。
2. 进程内缓存需要满足的要求
大多数场景下进程内缓存需要满足如下几个要求：
- 热点数据优先缓存，即缓存实现LRU算法。
- 若要发生内存溢出时，应清除缓存。即“软引用”（SoftRefernce）持有缓存对象。
- 可以设置缓存失效时间，来确保数据一致性。
下面借助一幅图来比较下流行的进程内缓存的优劣：
进程内缓存的优劣.png
一般我们选择Guava Cache或Caffeine来实现进程内的缓存，而Caffeine在读写性能和命中率上一般比Guava Cache高，所以比较推荐使用Caffeine。
3. 进程内缓存需要解决的问题
使用缓存，首先需要考虑的问题是数据一致性问题！特别是对于进程内的缓存，即使有数据更新，也只能删除更新数据的那台机器上的缓存，其他机器进程内缓存只能通过超时机制来清除缓存。
- 主动模式：依赖Redis发布/订阅解决主动通知各进程；
- 被动模式：依靠Caffeine和Redis的超时机制来兜底；
Redis的发布订阅模型解决数据一致性问题.png
