📚 课程目录第4章本地缓存与分布式缓存

4. 本地缓存与分布式缓存：Caffeine、Redis、EhCache 选型对比与适用边界

在微服务与分布式架构中，缓存一致性问题的根源往往在于“本地缓存”与“分布式缓存”的混合使用。选错缓存组件或混淆其适用边界，会导致数据不一致、内存溢出、网络瓶颈等连锁问题。本章从架构视角出发，对 Caffeine、Redis、EhCache 三款主流缓存进行深度对比，并给出清晰的适用边界。

4.1 缓存分类与核心差异

缓存按部署位置可分为两类：

本地缓存（进程内缓存）：与应用运行在同一 JVM 进程中，如 Caffeine、EhCache、Guava Cache。访问速度极快（纳秒级），但受限于堆内存，且多实例间数据独立。
分布式缓存（远程缓存）：独立部署的缓存服务，如 Redis、Memcached。数据集中存储，所有应用实例共享，但存在网络 I/O 开销（毫秒级）。

架构原则：本地缓存适合“读多写少、一致性要求低”的热点数据；分布式缓存适合“共享、需持久化、一致性要求高”的全局数据。两者常组合为“多级缓存”架构。

4.2 三款缓存组件核心对比

对比维度	Caffeine	Redis	EhCache
类型	本地缓存（进程内）	分布式缓存（远程）	本地缓存（进程内）
数据存储	堆内存（Java 对象）	内存 + 磁盘持久化	堆/堆外内存 + 磁盘
访问延迟	纳秒级（< 1μs）	毫秒级（1-5ms）	微秒级（1-10μs）
淘汰策略	W-TinyLFU（近最优）	LRU / LFU / TTL / 随机	LRU / LFU / FIFO / TTL
持久化	不支持	RDB / AOF	支持（磁盘存储）
分布式支持	无（单机）	原生集群 / 哨兵 / 分片	Terracotta 集群（复杂）
一致性模型	最终一致（单机强一致）	最终一致（主从异步）	最终一致（需集群协调）
Spring Boot 集成	spring-boot-starter-cache + caffeine	spring-boot-starter-data-redis	spring-boot-starter-cache + ehcache

4.3 选型决策树与适用边界

以下决策树可帮助团队快速确定缓存选型：

是否需要多实例共享数据？
- 是 → 走分布式缓存（Redis）
- 否 → 走本地缓存（Caffeine / EhCache）
本地缓存选哪个？
- 追求极致性能、高并发、低内存开销 → Caffeine
- 需要持久化、堆外内存、复杂配置 → EhCache
分布式缓存选哪个？
- 标准场景、数据结构丰富、持久化需求 → Redis
- 仅简单 KV、无持久化、极致简单 → Memcached（本章不展开）

  推荐组合（Spring Boot 多级缓存）：

  Caffeine（L1 本地热点缓存）+ Redis（L2 分布式共享缓存）。

  读操作：先查 Caffeine，未命中再查 Redis，回填 Caffeine。

  写操作：更新 Redis，异步广播失效 Caffeine 中的对应 key。

4.4 架构示意图：多级缓存协作流程

4.5 代码示例：Spring Boot 多级缓存配置

以下配置展示了如何同时启用 Caffeine 和 Redis，并自定义 CacheManager 实现多级缓存策略：

@Configuration
@EnableCaching
public class MultiLevelCacheConfig {

    // Caffeine 缓存管理器
    @Bean
    public CacheManager caffeineCacheManager() {
        CaffeineCacheManager manager = new CaffeineCacheManager();
        manager.setCaffeine(Caffeine.newBuilder()
                .maximumSize(500)
                .expireAfterWrite(60, TimeUnit.SECONDS)
                .recordStats());
        return manager;
    }

    // Redis 缓存管理器
    @Bean
    public CacheManager redisCacheManager(RedisConnectionFactory factory) {
        RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig()
                .entryTtl(Duration.ofMinutes(30))
                .serializeKeysWith(
                    RedisSerializationContext.SerializationPair.fromSerializer(new StringRedisSerializer()))
                .serializeValuesWith(
                    RedisSerializationContext.SerializationPair.fromSerializer(new GenericJackson2JsonRedisSerializer()));
        return RedisCacheManager.builder(factory)
                .cacheDefaults(config)
                .build();
    }

    // 自定义多级缓存实现（简化示意）
    @Bean
    public CacheManager multiLevelCacheManager(
            @Qualifier("caffeineCacheManager") CacheManager caffeine,
            @Qualifier("redisCacheManager") CacheManager redis) {
        return new CacheManager() {
            @Override
            public Cache getCache(String name) {
                return new MultiLevelCache(caffeine.getCache(name), redis.getCache(name));
            }
            @Override
            public Collection<String> getCacheNames() {
                return caffeine.getCacheNames();
            }
        };
    }
}

避坑提示：多级缓存中，本地缓存（Caffeine）的 TTL 应远小于 Redis 的 TTL（例如 60s vs 30min），避免本地缓存长期持有过期数据。同时，写操作必须保证 Redis 更新成功后再失效本地缓存，防止脏数据。

4.6 适用边界总结

场景	推荐方案	理由
单实例应用、高并发读	Caffeine	纳秒级访问，W-TinyLFU 淘汰策略命中率极高
多实例共享、数据需持久化	Redis	原生集群支持，RDB/AOF 持久化，数据结构丰富
需要堆外内存、磁盘存储	EhCache	支持堆外内存和磁盘溢出，适合大容量本地缓存
微服务多级缓存（标准架构）	Caffeine + Redis	兼顾性能与一致性，业界主流实践
强一致性要求极高（如金融交易）	仅用 Redis（或 DB）	本地缓存无法保证多实例强一致，需避免使用

4.7 选型对比雷达图

4.8 本章小结

Caffeine：本地缓存首选，性能极致，适合热点数据加速。
Redis：分布式缓存标准，共享数据与持久化场景不可替代。
EhCache：本地缓存备选，适合需要堆外内存或磁盘溢出的特殊场景。
多级缓存：Caffeine + Redis 组合是 Spring Boot 微服务架构的主流实践，需通过 TTL 和失效机制保证最终一致性。