在高并发电商、资讯类系统中，单一缓存架构始终存在性能天花板：Redis作为分布式缓存，网络IO延迟（1-2ms）和连接池限制在热点场景下会成为瓶颈；Caffeine作为本地缓存，虽能实现亚毫秒级访问，但无法跨节点共享数据，节点一致性难以保障。而JetCache 多级缓存 Redis + Caffeine的组合架构，完美解决了这些痛点——JetCache作为阿里开源的缓存框架，将Caffeine本地缓存与Redis远程缓存无缝整合，实现“本地热点优先命中，远程数据兜底共享”的多级缓存策略，既能将系统QPS提升300%，又能保障跨节点的数据一致性。鳄鱼java社区的企业实战案例显示，采用该架构的电商详情页场景，平均响应时间从80ms压缩至12ms，Redis访问量减少70%。
一、为什么需要JetCache 多级缓存 Redis + Caffeine？
单一缓存架构的痛点，是高并发场景下无法绕过的技术瓶颈： 对于Redis分布式缓存，其核心局限在于网络开销——每次访问都需要经过网络请求，即使是内网延迟也在1-2ms，高并发下会堆积大量请求；同时Redis连接池有最大连接数限制，当并发量超过连接池上限时，新请求会被阻塞；此外序列化/反序列化的CPU开销、网络带宽限制，都会让Redis在热点场景下成为性能瓶颈。 而Caffeine本地缓存虽能实现亚毫秒级访问，但它是节点本地存储，无法在多服务实例间共享数据，当数据更新时，其他节点的本地缓存会存在“脏数据”，一致性难以保障；且本地缓存受限于单节点内存容量，无法存储全量业务数据。 JetCache 多级缓存 Redis + Caffeine恰好打通了两者的壁垒：用Caffeine承载热点数据，规避Redis的网络瓶颈；用Redis存储全量数据，实现跨节点数据共享；JetCache作为中间协调层，自动处理缓存命中、更新、一致性同步等逻辑，让开发者无需手动维护两级缓存的交互。
二、JetCache 多级缓存 Redis + Caffeine核心架构与工作流程
JetCache的多级缓存架构遵循“本地优先、远程兜底、数据库最终一致”的原则，其核心工作流程为： 1. 本地缓存命中：用户请求到达后，优先查询Caffeine本地缓存，命中则直接返回结果，全程无网络开销，延迟可低至1ms以内； 2. 远程缓存命中：若本地缓存未命中，查询Redis远程缓存，命中则返回结果，并将数据同步写入Caffeine本地缓存，供后续请求快速访问； 3. 数据库兜底：若Redis也未命中，则查询数据库，返回结果的同时，将数据写入Redis和Caffeine缓存； 4. 一致性同步：当数据更新时，JetCache通过Redis的Pub/Sub广播通道，通知所有服务实例清除对应Key的Caffeine本地缓存，避免脏数据问题。 此外，JetCache还内置缓存预热、缓存统计、Key前缀管理等功能，比如系统启动时可批量加载热点数据到两级缓存，通过统计功能实时监控缓存命中率，这些特性都大幅降低了多级缓存的运维成本，鳄鱼java社区的教程中对这些功能有详细的实战演示。
三、从零搭建JetCache 多级缓存 Redis + Caffeine（SpringBoot实战）
基于SpringBoot框架搭建JetCache 多级缓存 Redis + Caffeine的步骤简单清晰，以下是生产级落地的完整流程：
1. 引入依赖 针对SpringBoot 2.6.x版本，引入jetcache-starter-redis和Jedis依赖（JetCache 2.7.x版本需额外添加Jedis依赖）：
<dependency>
<groupId>com.alicp.jetcache</groupId>
<artifactId>jetcache-starter-redis</artifactId>
<version>2.7.0</version>
</dependency>
<!-- JetCache 2.7.x版本需添加 -->
<dependency>
<groupId>redis.clients</groupId>
<artifactId>jedis</artifactId>
<version>4.3.1</version>
</dependency>
2. 配置两级缓存参数 在application.yml中配置Caffeine本地缓存和Redis远程缓存的核心参数，包括缓存类型、过期时间、连接池、序列化方式等：
jetcache:
statIntervalMinutes: 15 # 每15分钟输出缓存统计数据
areaInCacheName: false
local: # Caffeine本地缓存配置
type: caffeine
keyConvertor: fastjson2
expireAfterWriteInMillis: 600000 # 本地缓存10分钟过期
caffeineSpec: maximumSize=100000,initialCapacity=10000 # 最大缓存10万条数据
remote: # Redis远程缓存配置
default:
type: redis
keyConvertor: fastjson2
valueEncoder: java
valueDecoder: java
broadcastChannel: product-service # 缓存更新广播通道
poolConfig:
minIdle: 5
maxIdle: 20
maxTotal: 50
host: 127.0.0.1
port: 6379
3. 开启缓存注解支持 在SpringBoot启动类添加注解，开启JetCache的缓存注解扫描：
@SpringBootApplication
@EnableCreateCacheAnnotation // 开启@CreateCache注解支持
@EnableMethodCache(basePackages = "com.example.product.service") // 开启方法缓存扫描
public class ProductServiceApplication {
public static void main(String[] args) {
SpringApplication.run(ProductServiceApplication.class, args);
}
}
4. 业务代码中使用多级缓存 通过@Cached注解实现方法级缓存，自动关联两级缓存：
@Service
public class ProductService {
@Autowired
private ProductMapper productMapper;
// 关联两级缓存：本地缓存过期10分钟，远程缓存过期1小时
@Cached(name = "productCache:", key = "#id", localExpire = 600, expire = 3600)
public Product getProductById(Long id) {
return productMapper.selectById(id);
}
// 更新数据时，同步更新Redis并广播清除本地缓存
@CacheUpdate(name = "productCache:", key = "#product.id", value = "#product")
public void updateProduct(Product product) {
productMapper.updateById(product);
}
}
以上完整代码示例可在鳄鱼java社区的SpringBoot缓存实战专题中获取。
四、性能调优：让JetCache多级缓存发挥极致性能
要让JetCache 多级缓存 Redis + Caffeine的性能最大化，可结合鳄鱼java社区的调优手册，重点优化以下3个维度： 1. Caffeine缓存策略优化：Caffeine默认使用W-TinyLFU算法，缓存命中率接近最优值，可根据业务数据的访问频率，调整maximumSize和过期时间，比如热点商品场景设置最大缓存10万条，过期时间10分钟； 2. Redis序列化优化：将默认的Java序列化替换为Kryo序列化，可将序列化时间缩短50%，序列化体积减少30%，只需在配置文件中修改valueEncoder和valueDecoder为kryo即可； 3. 缓存预热与统计：通过JetCache的缓存预热功能，在系统启动时批量加载热点数据到两级缓存，减少初始阶段的数据库访问；开启statIntervalMinutes统计功能，根据缓存命中率调整两级缓存的过期时间，比如当本地缓存命中率低于90%时，可适当增大maximumSize。 经过以上调优，鳄鱼java社区的测试数据显示，系统QPS可再提升50%，缓存命中率从85%提升至95%。
五、企业级实战：电商热点商品场景下的JetCache应用
某国内头部电商平台在秒杀活动场景中，曾遭遇Redis连接池被打满、响应时间飙升至200ms的问题。采用JetCache 多级缓存 Redis + Caffeine架构
版权声明
本文仅代表作者观点，不代表百度立场。
本文系作者授权百度百家发表，未经许可，不得转载。
