Spring 3.1引入了很棒的緩存抽象層 。 最后，我們可以放棄所有本地化的方面，裝飾器和污染我們與緩存相關的業務邏輯的代碼。

從那時起，我們可以簡單地注釋重量級方法，并讓Spring和AOP機械完成工作：

@Cacheable("books") public Book findBook(ISBN isbn) {...}

"books"是一個緩存名稱， isbn參數成為緩存鍵，返回的Book對象將放置在該鍵下。 緩存名稱的含義取決于基礎緩存管理器（EhCache，并發映射等）– Spring使插入不同的緩存提供程序變得容易。 但是這篇文章與Spring的緩存功能無關 ...

前段時間，我的隊友正在優化底層代碼，并發現了緩存的機會。 他Swift應用@Cacheable只是為了發現代碼的性能比以前差。 他擺脫了注釋，并使用了良好的舊java.util.ConcurrentHashMap手動實現了自己的緩存。 性能要好得多。 他指責@Cacheable和Spring AOP的開銷和復雜性。 我不敢相信緩存層的性能如此之差，直到我不得不自己幾次調試Spring緩存方面（代碼中的一些討厭的錯誤，緩存無效化是CS中最難的兩件事之一 ）。 好吧，緩存抽象代碼比人們期望的要復雜得多（畢竟只是獲取和放入 ！），但這并不一定意味著它一定那么慢嗎？

在科學中，我們不相信和信任，我們進行衡量和基準測試。 因此，我寫了一個基準來精確測量@Cacheable層的開銷。 Spring中的緩存抽象層是在Spring AOP之上實現的，可以進一步在Java代理，CGLIB生成的子類或AspectJ工具的之上實現。 因此，我將測試以下配置：

• 完全沒有緩存–無需中間層即可測量代碼的速度
• 在業務代碼中使用ConcurrentHashMap進行手動緩存處理
• @Cacheable與實現AOP的CGLIB
• @Cacheable與實現AOP的java.lang.reflect.Proxy
• @Cacheable與AspectJ的編譯時編織（如類似的基準測試所示， CTW比LTW稍快 ）
• 本地的AspectJ緩存方面–在業務代碼中的手動緩存和Spring抽象之間的某種程度

讓我重申一下：我們沒有衡量緩存的性能提升，也沒有比較各種緩存提供程序。 這就是我們的測試方法盡可能快的原因，我將使用Spring中最簡單的ConcurrentMapCacheManager 。 所以這是一個有問題的方法：

public interface Calculator {int identity(int x);}public class PlainCalculator implements Calculator {@Cacheable("identity")@Overridepublic int identity(int x) {return x;}}

我知道，我知道緩存這種方法毫無意義。 但是我想衡量緩存層的開銷（在緩存命中期間）。 每個緩存配置將具有其自己的ApplicationContext因為您不能在一個上下文中混合使用不同的代理模式：

public abstract class BaseConfig {@Beanpublic Calculator calculator() {return new PlainCalculator();}}@Configuration class NoCachingConfig extends BaseConfig {}@Configuration class ManualCachingConfig extends BaseConfig {@Bean@Overridepublic Calculator calculator() {return new CachingCalculatorDecorator(super.calculator());} }@Configuration abstract class CacheManagerConfig extends BaseConfig {@Beanpublic CacheManager cacheManager() {return new ConcurrentMapCacheManager();}}@Configuration @EnableCaching(proxyTargetClass = true) class CacheableCglibConfig extends CacheManagerConfig {}@Configuration @EnableCaching(proxyTargetClass = false) class CacheableJdkProxyConfig extends CacheManagerConfig {}@Configuration @EnableCaching(mode = AdviceMode.ASPECTJ) class CacheableAspectJWeaving extends CacheManagerConfig {@Bean@Overridepublic Calculator calculator() {return new SpringInstrumentedCalculator();}}@Configuration @EnableCaching(mode = AdviceMode.ASPECTJ) class AspectJCustomAspect extends CacheManagerConfig {@Bean@Overridepublic Calculator calculator() {return new ManuallyInstrumentedCalculator();}}

每個@Configuration類代表一個應用程序上下文。 CachingCalculatorDecorator是圍繞真正的計算器進行裝飾的裝飾器（歡迎使用1990年代）：

public class CachingCalculatorDecorator implements Calculator {private final Map<Integer, Integer> cache = new java.util.concurrent.ConcurrentHashMap<Integer, Integer>();private final Calculator target;public CachingCalculatorDecorator(Calculator target) {this.target = target;}@Overridepublic int identity(int x) {final Integer existing = cache.get(x);if (existing != null) {return existing;}final int newValue = target.identity(x);cache.put(x, newValue);return newValue;} }

SpringInstrumentedCalculator和ManuallyInstrumentedCalculator與PlainCalculator完全相同，但是它們分別由AspectJ編譯時織布器（帶有Spring和自定義方面）進行檢測。 我的自定義緩存方面如下所示：

public aspect ManualCachingAspect {private final Map<Integer, Integer> cache = new ConcurrentHashMap<Integer, Integer>();pointcut cacheMethodExecution(int x): execution(int com.blogspot.nurkiewicz.cacheable.calculator.ManuallyInstrumentedCalculator.identity(int)) && args(x);Object around(int x): cacheMethodExecution(x) {final Integer existing = cache.get(x);if (existing != null) {return existing;}final Object newValue = proceed(x);cache.put(x, (Integer)newValue);return newValue;}}

經過所有準備工作，我們終于可以編寫基準測試了。 首先，我啟動所有應用程序上下文并獲取Calculator實例。 每個實例都不同。 例如， noCaching是沒有包裝的PlainCalculator實例， cacheableCglib是CGLIB生成的子類，而aspectJCustom是ManuallyInstrumentedCalculator的實例，其中編織了我的自定義方面。

private final Calculator noCaching = fromSpringContext(NoCachingConfig.class); private final Calculator manualCaching = fromSpringContext(ManualCachingConfig.class); private final Calculator cacheableCglib = fromSpringContext(CacheableCglibConfig.class); private final Calculator cacheableJdkProxy = fromSpringContext(CacheableJdkProxyConfig.class); private final Calculator cacheableAspectJ = fromSpringContext(CacheableAspectJWeaving.class); private final Calculator aspectJCustom = fromSpringContext(AspectJCustomAspect.class);private static <T extends BaseConfig> Calculator fromSpringContext(Class<T> config) {return new AnnotationConfigApplicationContext(config).getBean(Calculator.class); }

我將通過以下測試來練習每個Calculator實例。 附加的累加器是必需的，否則JVM可能會優化整個循環（！）：

private int benchmarkWith(Calculator calculator, int reps) {int accum = 0;for (int i = 0; i < reps; ++i) {accum += calculator.identity(i % 16);}return accum; }

這是完整的卡尺測試，沒有討論任何部件：

public class CacheableBenchmark extends SimpleBenchmark {//...public int timeNoCaching(int reps) {return benchmarkWith(noCaching, reps);}public int timeManualCaching(int reps) {return benchmarkWith(manualCaching, reps);}public int timeCacheableWithCglib(int reps) {return benchmarkWith(cacheableCglib, reps);}public int timeCacheableWithJdkProxy(int reps) {return benchmarkWith(cacheableJdkProxy, reps);}public int timeCacheableWithAspectJWeaving(int reps) {return benchmarkWith(cacheableAspectJ, reps);}public int timeAspectJCustom(int reps) {return benchmarkWith(aspectJCustom, reps);} }

希望您仍在繼續我們的實驗。 現在，我們將執行Calculate.identity()數百萬次，并查看哪種緩存配置效果最佳。 由于我們僅使用16個不同的參數調用identity() ，因此幾乎永遠不會碰到方法本身，因為我們總是會遇到緩存命中的情況。 想知道結果嗎？

benchmark ns linear runtimeNoCaching 1.77 =ManualCaching 23.84 =CacheableWithCglib 1576.42 ==============================CacheableWithJdkProxy 1551.03 ============================= CacheableWithAspectJWeaving 1514.83 ============================AspectJCustom 22.98 =

解釋

讓我們一步一步走。 首先，在Java中調用方法相當快！ 1.77 納秒 ，我們在這里談論的是我的Intel（R）Core（TM）2 Duo CPU T7300 @ 2.00GHz上的3個CPU周期 ！ 如果這不能使您確信Java是快速的，那么我不知道會怎樣。 但是回到我們的測試。

手工緩存裝飾器也相當快。 當然，與純函數調用相比，它慢了一個數量級，但與所有@Scheduled基準測試相比，它仍然非常快。 我們看到下降了3個數量級 ，從1.8 ns下降到1.5μs。 我對由AspectJ支持的@Cacheable感到特別失望。 將所有緩存方面直接預編譯到我的Java .class文件中之后，我希望它比動態代理和CGLIB快得多。 但這似乎并非如此。 所有這三種Spring AOP技術都是相似的。

最大的驚喜是我自定義的AspectJ方面。 它甚至比CachingCalculatorDecorator還要快！ 也許是由于裝飾器中的多態調用？ 我強烈建議您在GitHub上克隆此基準測試并運行它（ mvn clean test ，大約需要2分鐘）以比較您的結果。

結論

您可能想知道為什么Spring抽象層這么慢？ 好吧，首先，請檢查CacheAspectSupport的核心實現-它實際上非常復雜。 其次，真的那么慢嗎？ 算一下-您通常在數據庫，網絡和外部API成為瓶頸的業務應用程序中使用Spring。 您通常會看到什么延遲？ 毫秒？ 幾百或幾百毫秒？ 現在添加2μs的開銷（最壞的情況）。 對于緩存數據庫查詢或REST調用，這是完全可以忽略的。 選擇哪種技術都沒關系 。

但是，如果要在非常接近金屬的地方緩存非常低級的方法，例如CPU密集型的內存中計算，那么Spring抽象層可能會顯得過大。 底線：測量！

PS： Markdown格式的本文 基準和內容均可免費獲得。

參考：來自Java和社區博客的JCG合作伙伴 Tomasz Nurkiewicz提供的@ @ Spring的可緩存開銷 。

翻譯自: https://www.javacodegeeks.com/2013/01/cacheable-overhead-in-spring.html

總結

以上是生活随笔為你收集整理的Spring中的@Cacheable开销的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。