关于 Mybatis 缓存的那点事儿，你知道吗？

# 关于 Mybatis 缓存的那点事儿，你知道吗？

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-b1ISYRo3-1602721705794)(https://imgkr.cn-bj.ufileos.com/768074eb-5e03-4ad1-81ee-5432b6614e4a.jpg)]

## 缓存实现的方式

- 一级缓存

- 二级缓存

## 案例实操

### 1. 一级缓存

基于 PerpetualCache 的 HashMap 本地缓存（mybatis 内部实现 cache 接口），其存储作用域为 Session，当 Session flush 或 close 之后，该 Session 中的所有 Cache 就将清空；

### 2. 二级缓存

一级缓存其机制相同，默认也是采用 PerpetualCache 的 HashMap 存储，不同在于其存储作用域为 Mapper(Namespace)，并且可自定义存储源，如 Ehcache；

对于缓存数据更新机制，当某一个作用域(一级缓存 Session/二级缓存 Namespaces)的进行了 C/R/U/D 操作后，默认该作用域下所有 select 中的缓存将被 clear。

**如果二缓存开启，首先从二级缓存查询数据，如果二级缓存有则从二级缓存中获取数据，如果二级缓存没有，从一级缓存找是否有缓存数据，如果一级缓存没有，查询数据库**。

### 3. 二级缓存局限性

mybatis 二级缓存对细粒度的数据级别的缓存实现不好，对同时缓存较多条数据的缓存，比如如下需求：对商品信息进行缓存，由于商品信息查询访问量大，但是要求用户每次都能查询最新的商品信息，此时如果使用 mybatis 的二级缓存就无法实现当一个商品变化时只刷新该商品的缓存信息而不刷新其它商品的信息，因为 mybaits 的二级缓存区域以 mapper 为单位划分，当一个商品信息变化会将所有商品信息的缓存数据全部清空

### 4. 一级缓存（默认开启）

Mybatis 默认提供一级缓存，缓存范围是一个 sqlSession。在同一个 SqlSession 中，两次执行相同的 sql 查询，第二次不再从数据库查询。

原理：一级缓存采用 Hashmap 存储，mybatis 执行查询时，从缓存中查询，如果缓存中没有从数据库查询。如果该 **SqlSession** **执行** **clearCache()** 提交或者增加删除修改操作，清除缓存。

默认就存在，了解观察结果即可

#### a.缓存存在情况（session 未提交）

~~~ java

@Test

public void test01() {

SqlSession sqlSession=sqlSessionFactory.openSession();

AccountDao accountDao=sqlSession.getMapper(AccountDao.class);

Account account=accountDao.queryAccountById(1);

System.out.println(account);

accountDao.queryAccountById(1);

}

~~~

日志仅打印一条 sql

![](https://img-blog.csdnimg.cn/img_convert/65b69c96b0d0bf5e53f049dc3c38aa0f.png)

#### b.刷新缓存

Session 提交此时缓存数据被刷新

~~~ java

@Test

public void test02() {

SqlSession sqlSession=sqlSessionFactory.openSession();

AccountDao accountDao=sqlSession.getMapper(AccountDao.class);

Account account=accountDao.queryAccountById(1);

System.out.println(account);

sqlSession.clearCache();

accountDao.queryAccountById(1);

}

~~~

效果：

![](https://img-blog.csdnimg.cn/img_convert/65b69c96b0d0bf5e53f049dc3c38aa0f.png)

### 5. 二级缓存

一级缓存是在同一个 sqlSession 中，二级缓存是在同一个 namespace 中，因此相同的 namespace 不同的 sqlsession 可以使用二级缓存。

使用场景

* 对查询频率高，变化频率低的数据建议使用二级缓存。

* 对于访问多的查询请求且用户对查询结果实时性要求不高，此时可采用 mybatis 二级缓存技术降低数据库访问量，提高访问速度，业务场景比如：耗时较高的统计分析 sql、电话账单查询 sql 等。

全局文件配置（mybatis.xml）

~~~ xml

~~~

~~~ xml

Mapper.xml 中加入 :打开该 mapper 的二级缓存

~~~

cache 标签常用属性

~~~ xml

<cache

eviction="FIFO"

flushInterval="60000"

size="512"

readOnly="true"/>

~~~

说明:

1. 映射语句文件中的所有 select 语句将会被缓存。

2. 映射语句文件中的所有 insert，update 和 delete 语句会刷新缓存。

3. 缓存会使用 Least Recently Used（LRU，最近最少使用的）算法来收回。

4. 缓存会根据指定的时间间隔来刷新.

5. 缓存会存储 1024 个对象

PO 对象必须支持序列化

~~~ java

public class User implements Serializable {

}

~~~

关闭 Mapper 下的具体的 statement 的缓存

使用 useCache:默认为 true

~~~ xml

<select id="findUserByid" parameterType="int" resultType="User"

useCache="false">

SELECT * FROM user WHERE id=#{id}

</select>

~~~

**刷新二级缓存 **

操作 CUD 的 statement 时候，会强制刷新二级缓存即默认 flushCache="true" ，如果想关闭设定为 flushCache="false"即可，不建议关闭刷新，因为操作更新删除修改，关闭后容易获取脏数据。

二级缓存测试:

~~~ java

@Test

public void test03() {

SqlSession sqlSession=sqlSessionFactory.openSession();

AccountDao accountDao=sqlSession.getMapper(AccountDao.class);

Account account=accountDao.queryAccountById(1);

System.out.println(account);

sqlSession.close();

SqlSession sqlSession2=sqlSessionFactory.openSession();

AccountDao accountDao2=sqlSession2.getMapper(AccountDao.class);

accountDao2.queryAccountById(1);

sqlSession.close();

}

~~~

效果:

![](https://img-blog.csdnimg.cn/img_convert/65b69c96b0d0bf5e53f049dc3c38aa0f.png)

## 扩展

### 分布式缓存 ehcache

如果有多条服务器，不使用分布缓存，缓存的数据在各个服务器单独存储，不方便系统开发。所以要使用分布式缓存对缓存数据进行集中管理。因此可是使用 ehcache memcached redis

mybatis 本身来说是无法实现分布式缓存的，所以要与分布式缓存框架进行整合。 EhCache 是一个纯 Java 的进程内缓存框架，具有快速、精干等特点；Ehcache 是一种广泛使用的开源 Java 分布式缓存。主要面向通用缓存，Java EE 和轻量级容器。它具有内存和磁盘存储，缓存加载器，缓存扩展，缓存异常处理程序，一个 gzip 缓存 servlet 过滤器，支持 REST 和 SOAP api 等特点。

Jar 依赖

~~~ xml

<groupId>net.sf.ehcache</groupId>

<artifactId>ehcache-core</artifactId>

</dependency>

<groupId>org.mybatis.caches</groupId>

<artifactId>mybatis-ehcache</artifactId>

</dependency>

~~~

缓存接口配置

~~~ xml

~~~

在 src 下加入 ehcache.xml(不是必须的没有使用默认配置)

~~~ xml

<?xml version="1.0" encoding="UTF-8"?>

<ehcache xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

xsi:noNamespaceSchemaLocation="../bin/ehcache.xsd">

<!--

name：Cache 的唯一标识

maxElementsInMemory：内存中最大缓存对象数

maxElementsOnDisk：磁盘中最大缓存对象数，若是 0 表示无穷大

eternal：Element 是否永远不过期，如果为 true，则缓存的数据始终有效，如果为 false

那么还要根据 timeToIdleSeconds，timeToLiveSeconds 判断

overflowToDisk：配置此属性，当内存中 Element 数量达到 maxElementsInMemory 时，

Ehcache 将会 Element 写到磁盘中

timeToIdleSeconds：设置 Element 在失效前的允许闲置时间。仅当 element 不是永久有效

时使用，可选属性，默认值是 0，也就是可闲置时间无穷大

timeToLiveSeconds：设置 Element 在失效前允许存活时间。最大时间介于创建时间和失效

时间之间。仅当 element 不是永久有效时使用，默认是 0.，也就是 element 存活时间无穷

大

diskPersistent：是否缓存虚拟机重启期数据

diskExpiryThreadIntervalSeconds：磁盘失效线程运行时间间隔，默认是 120 秒

diskSpoolBufferSizeMB：这个参数设置 DiskStore（磁盘缓存）的缓存区大小。默认是

30MB。每个 Cache 都应该有自己的一个缓冲区

memoryStoreEvictionPolicy：当达到 maxElementsInMemory 限制时，Ehcache 将会根据

指定的策略去清理内存。默认策略是 LRU（最近最少使用）。你可以设置为 FIFO（先进先

出）或是 LFU（较少使用）

-->

<!--

<cache name="sxtcache" overflowToDisk="true" eternal="false"

timeToIdleSeconds="300" timeToLiveSeconds="600" maxElementsInMemory="1000"

maxElementsOnDisk="10" diskPersistent="true"

diskExpiryThreadIntervalSeconds="300"

diskSpoolBufferSizeMB="100" memoryStoreEvictionPolicy="LRU" />

-->

~~~

测试：

~~~ java

@Test

public void test04() {

SqlSession sqlSession=sqlSessionFactory.openSession();

AccountDao accountDao=sqlSession.getMapper(AccountDao.class);

Account account=accountDao.queryAccountById(1);

System.out.println(account);

sqlSession.close();

SqlSession sqlSession2=sqlSessionFactory.openSession();

AccountDao accountDao2=sqlSession2.getMapper(AccountDao.class);

accountDao2.queryAccountById(1);

sqlSession.close();

}

~~~

效果:

~~~ java

Cache Hit Ratio [com.xxx.dao.AccountDao]:0.5

~~~

println(account);

sqlSession.close();

SqlSession sqlSession2=sqlSessionFactory.openSession();

AccountDao accountDao2=sqlSession2.getMapper(AccountDao.class);

accountDao2.queryAccountById(1);

sqlSession.close();

}

~~~

效果:

~~~ java

Cache Hit Ratio [com.xxx.dao.AccountDao]:0.5

~~~