Spring Boot缓存组件Ehcache、Caffeine、Redis、Hazelcast

一、Spring Boot缓存架构核心

Spring Boot通过spring-boot-starter-cache提供统一的缓存抽象层：

业务代码

Cache Abstraction

CacheManager

Cache Implementation

Ehcache

Caffeine

Redis

Hazelcast

二、主流缓存工具深度对比

特性	Ehcache	Caffeine	Redis	Hazelcast
类型	本地缓存	本地缓存	分布式缓存	分布式内存网格
性能	纳秒级访问	微秒级（最优本地缓存）	毫秒级（网络延迟影响）	毫秒级（分布式优化）
存储方式	堆内/堆外/磁盘	纯堆内	内存+持久化	分区内存+备份
集群支持	有限（需企业版）	不支持	原生支持	原生支持
数据一致性	节点独立	节点独立	强一致性	最终一致性
内存管理	复杂（多级存储）	简单（LRU/W-TinyLFU）	服务端管理	分布式管理
适用数据规模	GB级	GB级	TB级	TB级
学习曲线	中等	简单	中等	陡峭

三、简易案例实现

1. Caffeine本地缓存（高性能场景首选）

// 配置类
@Configuration
@EnableCaching
public class CacheConfig {
    @Bean
    public CacheManager cacheManager() {
        CaffeineCacheManager manager = new CaffeineCacheManager();
        manager.setCaffeine(Caffeine.newBuilder()
                .maximumSize(10_000)
                .expireAfterWrite(10, TimeUnit.MINUTES)
                .recordStats());
        return manager;
    }
}

// 服务层
@Service
public class ProductService {
    @Cacheable(value = "products", key = "#id", unless = "#result.price > 1000")
    public Product getProduct(Long id) {
        // 数据库查询逻辑
    }
    
    @CacheEvict(value = "products", key = "#id")
    public void updateProduct(Product product) {
        // 更新逻辑
    }
}

2. Redis分布式缓存（集群场景）

// 配置类
@Configuration
@EnableCaching
public class RedisConfig {
    @Bean
    public RedisCacheManager cacheManager(RedisConnectionFactory factory) {
        RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig()
                .entryTtl(Duration.ofHours(1))
                .serializeValuesWith(SerializationPair.fromSerializer(new Jackson2JsonRedisSerializer<>(Product.class)));
        
        return RedisCacheManager.builder(factory)
                .cacheDefaults(config)
                .build();
    }
}

// 服务层（注解使用方式与本地缓存一致）
@Cacheable(value = "global_products", key = "#id")
public Product getGlobalProduct(Long id) { ... }

四、使用场景分析

1. 本地缓存适用场景

• 高频访问的只读数据（如配置信息）
• 数据一致性要求不高
• 需要纳秒级响应（如实时竞价系统）
• 单机QPS > 10,000的场景

性能对比：

barChart
    title 本地缓存QPS对比
    x-axis 缓存类型
    y-axis QPS(万)
    series 性能
    data
        Caffeine 45
        Ehcache 38
        Guava 42
        Simple 0.5

2. 分布式缓存适用场景

• 多服务实例共享数据
• 会话集群管理
• 跨服务数据一致性要求高
• 缓存数据量超过单机内存

典型架构：

Service A

Redis Cluster

Service B

Service C

持久化存储

五、技术选型决策树

小于1GB

大于1GB

极高性能

需要堆外存储

需要强一致性

需要内存计算

需要缓存?

数据规模

性能要求

分布式需求

Caffeine

Ehcache

Redis

Hazelcast

六、高级特性对比

高级功能	Ehcache	Caffeine	Redis	Hazelcast
缓存穿透防护	有限支持	LoadingCache	Bloom Filter	原生支持
缓存预热	手动	手动	脚本支持	自动加载
监控管理	JMX/Statistic	Micrometer	RedisInsight	管理中心
持久化	磁盘持久化	无	RDB/AOF	分布式持久化
事务支持	不支持	不支持	有限支持	ACID事务

七、性能优化实践

1. 本地缓存优化

   • 使用Caffeine的异步刷新：

     Caffeine.newBuilder()
         .refreshAfterWrite(1, TimeUnit.MINUTES)
         .buildAsync(key -> loadData(key));
     

   • 合理设置最大尺寸防止OOM
   • 使用软引用优化GC

2. Redis优化

   • Pipeline批量操作
   • Lua脚本保证原子性
   • 合理选择数据结构（Hash vs String）
   • 集群分片避免热点Key

3. 混合缓存策略

   @Caching(cacheable = {
       @Cacheable(value = "local_cache", key = "#id"),
       @Cacheable(value = "redis_cache", key = "#id")
   })
   public Product getProduct(Long id) {
       // DB查询
   }
   

八、监控与故障排查

1. 监控指标

   • 命中率（Hit Ratio）
   • 平均加载时间
   • 缓存大小
   • 回收次数

2. 诊断工具

   • Spring Boot Actuator：/actuator/caches
   • Ehcache：CacheStatistics
   • Redis：INFO命令
   • Hazelcast：Management Center

九、技术选型建议矩阵

场景	首选方案	备选方案	不推荐方案
高并发配置读取	Caffeine	Ehcache	Redis
分布式会话管理	Redis	Hazelcast	Ehcache
金融交易缓存	Hazelcast	Redis	本地缓存
大数据量缓存(10TB+)	Redis集群	Hazelcast	本地缓存
实时分析中间结果	Caffeine	Ehcache	Redis

十、未来趋势

1. 分层缓存架构：本地缓存+分布式缓存混合使用
2. 智能缓存：基于机器学习预测缓存策略
3. 持久内存缓存：Optane PMem等新技术应用
4. Serverless缓存：云原生缓存服务集成

最佳实践总结：

• 优先考虑Caffeine作为本地缓存方案
  
• 分布式场景首选Redis
  
• 复杂计算场景考虑Hazelcast
  
• Ehcache适用于需要多级存储的特殊场景
  
• 使用Spring Cache抽象层保证可移植性
  
• 监控指标驱动缓存策略优化