4. 本地缓存方案（Caffeine）：Caffeine缓存原理、集成Spring Boot、配置过期策略与最大容量

4.1 Caffeine 缓存核心原理

Caffeine 是当前 Java 生态中性能最优的本地缓存库，其设计基于 W-TinyLFU（Window Tiny Least Frequently Used） 淘汰算法。该算法在传统 LRU（最近最少使用）和 LFU（最不经常使用）之间取得了极佳的平衡，能够有效应对突发流量与热点数据倾斜。

4.2 集成 Spring Boot

在 Spring Boot 项目中集成 Caffeine 缓存，推荐使用 Spring Cache 抽象层 + Caffeine 实现的组合方式。这种方式能够保持缓存代码与具体实现解耦，便于后续切换缓存方案。

4.2.1 Maven 依赖配置

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-cache</artifactId>
</dependency>
<dependency>
    <groupId>com.github.ben-manes.caffeine</groupId>
    <artifactId>caffeine</artifactId>
    <version>3.1.8</version>
</dependency>

4.2.2 启用缓存与配置类

@Configuration
@EnableCaching
public class CaffeineCacheConfig {

    @Bean
    public CacheManager cacheManager() {
        CaffeineCacheManager cacheManager = new CaffeineCacheManager();
        // 设置默认缓存规格
        cacheManager.setCaffeine(Caffeine.newBuilder()
                .initialCapacity(100)
                .maximumSize(500)
                .expireAfterWrite(60, TimeUnit.SECONDS)
                .recordStats());
        // 支持按名称自定义配置
        cacheManager.setCacheNames(Arrays.asList("hotDataCache", "userCache"));
        return cacheManager;
    }
}

4.2.3 使用 @Cacheable 注解

@Service
public class ProductService {

    @Cacheable(value = "hotDataCache", key = "#productId",
               unless = "#result == null")
    public Product getProductById(Long productId) {
        // 模拟数据库查询
        return productRepository.findById(productId).orElse(null);
    }
}

4.3 配置过期策略与最大容量

Caffeine 提供了丰富的过期策略和容量控制参数，合理配置这些参数是保证缓存命中率与内存安全的关键。

4.3.1 典型配置示例

@Bean
public Cache hotDataCache() {
    return Caffeine.newBuilder()
            .initialCapacity(200)
            .maximumSize(1000)
            .expireAfterWrite(120, TimeUnit.SECONDS)
            .expireAfterAccess(60, TimeUnit.SECONDS)
            .recordStats()
            .build();
}

4.3.2 过期策略对比

4.4 缓存统计与监控

启用 recordStats() 后，可以通过 CaffeineCache 的 stats() 方法获取缓存运行指标，用于评估缓存效果和调整参数。

// 获取缓存统计信息
CacheStats stats = caffeineCache.stats();
System.out.println("命中率: " + stats.hitRate());
System.out.println("加载次数: " + stats.loadCount());
System.out.println("淘汰总数: " + stats.evictionCount());
System.out.println("平均加载耗时(纳秒): " + stats.averageLoadPenalty());

4.5 两级缓存架构（Caffeine + Redis）

在 Redis 热点削峰项目中，Caffeine 通常与 Redis 配合组成两级缓存。以下是推荐的数据读取流程：

1. 查询 Caffeine： 如果命中，直接返回，延迟 < 1ms。
2. 查询 Redis： 如果 Caffeine 未命中，查询 Redis，延迟约 1~5ms。
3. 回源数据库： 如果 Redis 也未命中，查询数据库，延迟约 10~100ms。
4. 回填缓存： 将数据库结果依次写入 Caffeine 和 Redis。

public Product getProductWithMultiLevelCache(Long productId) {
    // 1. 查 Caffeine
    Product product = caffeineCache.getIfPresent(productId);
    if (product != null) {
        return product;
    }
    // 2. 查 Redis
    String redisKey = "product:" + productId;
    product = redisTemplate.opsForValue().get(redisKey);
    if (product != null) {
        // 回填 Caffeine
        caffeineCache.put(productId, product);
        return product;
    }
    // 3. 查数据库
    product = productRepository.findById(productId).orElse(null);
    if (product != null) {
        // 4. 回填两级缓存
        caffeineCache.put(productId, product);
        redisTemplate.opsForValue().set(redisKey, product, 300, TimeUnit.SECONDS);
    }
    return product;
}