Skip to content

AutoLoadCache 是基于AOP+Annotation等技术实现的高效的缓存管理解决方案,实现缓存与业务逻辑的解耦,并增加异步刷新及“拿来主义机制”,以适应高并发环境下的使用。

License

Notifications You must be signed in to change notification settings

Exceptions/AutoLoadCache

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

AutoLoadCache


Build Status Maven Central GitHub license

现在使用的缓存技术很多,比如RedisMemcacheEhCache等,甚至还有使用ConcurrentHashMapHashTable 来实现缓存。但在缓存的使用上,每个人都有自己的实现方式,大部分是直接与业务代码绑定,随着业务的变化,要更换缓存方案时,非常麻烦。接下来我们就使用AOP + Annotation 来解决这个问题,同时使用自动加载机制 来实现数据“常驻内存”。

源码阅读

已经实现基于aspectj,代码在com.jarvis.cache.aop.aspectj.AspectjAopInterceptor。想通过阅读代码了解详细细节,可以以此为入口。

未来计划:

希望未来能更好适应高并发的环境,更方便运维,欢迎有这方面经验的人能参与进来,让更多的人受益。

在异步刷新缓存时,增加尝试多次去数据层加载数据,以适应解决有多个数据源,而其中部分数据源出问题情况。通过这种尝试机制,也许能获取到新的数据。

增加缓存过期时间管理策略,暂时想到三种:

1. 直接使用@Cache中设置的缓存时间,在缓存即将过期时,刷新缓存;
2. 根据@Cache中设置的缓存时间乘以n,如果缓存已经到了@设置的过期时间,则进行异步刷新。比如n=2,@Cache中设置10分钟,则实际缓存时间为20分钟,当过了10分钟后就可以刷新缓存;
3. 根据@Cache中设置的缓存时间加上n分钟。原理和第2种差不多。第二和第三种我们可以认为是“主动续租”。

增加连接缓存服务器异常处理机制,比如,当每秒连接错误达到一定数量后,增加重试机制,降低去数据层获取数据的速率,启用本地临时缓存,随机放弃一部分请求等等。

如果在DataLoader中loadData时,等待第一个请求返回数据超时时,再去缓存中获取一次,如果还是没有,则随机个线程去数据层获取数据或控制获取数据的速率,或放弃一些请求。

如果系统A依赖系统B的数据,如何能实现在系统A,就能直接获取系统B中缓存数据,这样不仅能减少访问接口的并发,而且能更好保证缓存中数据的一致性。

guava cache的研究和使用。参考Spring 中org.springframework.cache.guava.GuavaCacheManager相关代码。

QQ群:429274886

About

AutoLoadCache 是基于AOP+Annotation等技术实现的高效的缓存管理解决方案,实现缓存与业务逻辑的解耦,并增加异步刷新及“拿来主义机制”,以适应高并发环境下的使用。

Resources

License

Stars

Watchers

Forks

Packages

No packages published

Languages

  • Java 100.0%