多级缓存快速上手

港控/mmm° 2024-05-23 18:51 21阅读 0赞

![168c1abc67f4402ebfc99ff077a3e4da.gif][]

> 哈喽~大家好，这篇来看看多级缓存。
> 
> ?个人主页：[个人主页][Link 1]
> 
> ? 系列专栏：[【微服务】 ][Link 2]
> 
> ?与这篇相关的文章：
> 
> <table> 
>  <tbody> 
>   <tr> 
>    <td>JAVA进程和线程</td> 
>    <td><a href="https://blog.csdn.net/aasd23/article/details/125690885?spm=1001.2014.3001.5501" title="JAVA进程和线程-CSDN博客" rel="nofollow">JAVA进程和线程-CSDN博客</a></td> 
>   </tr> 
>   <tr> 
>    <td>HttpClient 入门使用示例</td> 
>    <td><a href="https://blog.csdn.net/aasd23/article/details/133146295?spm=1001.2014.3001.5501" title="HttpClient 入门使用示例-CSDN博客" rel="nofollow">HttpClient 入门使用示例-CSDN博客</a></td> 
>   </tr> 
>   <tr> 
>    <td>Spring Task 快速入门</td> 
>    <td><a href="https://blog.csdn.net/aasd23/article/details/133363077?spm=1001.2014.3001.5501" title="Spring Task 快速入门-CSDN博客" rel="nofollow">Spring Task 快速入门-CSDN博客</a></td> 
>   </tr> 
>  </tbody> 
> </table>

**目录**

一、前言

1、什么是多级缓存?

2、集群模式

3、前期准备

二、Caffeine

1、什么是Caffeine？

2、缓存使用的基本API

2.1、基于大小设置驱逐策略

2.2、基于时间设置驱逐策略

三、实现多级缓存

1、前期准备

2、反向代理流程

3、OpenResty监听请求

4、代码解析

4.1、获取参数的API

4.2、查询Tomcat

4.3、CJSON工具类

4.4、基于ID负载均衡

4.5、Redis缓存预热

四、缓存同步

1、数据同步策略

2、监听Canal

--------------------

## 一、前言 ##

### 1、什么是多级缓存? ###

传统的缓存策略一般是请求到达Tomcat后，先查询Redis，如果未命中则查询数据库，这个是没有问题的，但是这存在一些问题（请求要经过Tomcat处理，Tomcat的性能成为整个系统的瓶颈 ；Redis缓存失效时，大量的数据操作会对数据库产生冲击 ）。

那么多级缓存就是充分利用请求处理的每个环节，分别添加缓存，减轻Tomcat压力，提升服务性能。

*  浏览器访问静态资源时，优先读取浏览器本地缓存
 *  访问非静态资源（ajax查询数据）时，访问服务端
 *  请求到达Nginx后，优先读取Nginx本地缓存
 *  如果Nginx本地缓存未命中，则去直接查询Redis（不经过Tomcat）
 *  如果Redis查询未命中，则查询Tomcat
 *  请求进入Tomcat后，优先查询JVM进程缓存
 *  如果JVM进程缓存未命中，则查询数据库

![862c83338be94681b0eade13e2934705.png][]

在多级缓存架构中，nginx是一个编写业务的Web服务器，不是作为反向代理的服务器了。

### 2、集群模式 ###

也就是说，nginx与tomcat服务要部署为集群模式。

![fdc26eb7f3ba4840a40d3c74002ebeff.png][]

### 3、前期准备 ###

准备好需要的素材，部署好nginx（注：将其拷贝到一个非中文目录下 ），打开conf里面的nginx.conf配置文件，编写好关键配置（nginx集群的ip地址:端口号；监听/api路径，反向代理到nginx集群）。

![252e687f67844b499b7ea2109fe92f7e.png][]

![a444b99c535642ea806eb243bd926b89.png][]

![3005ff136e034cb8bf98c0a331260729.png][]

此时 192.168.227.131 是我虚拟机的ip地址（这里你写的时候记得换上自己的）

## 二、Caffeine ##

### 1、什么是Caffeine？ ###

**Caffeine**是一个基于Java8开发的，提供了近乎最佳命中率的高性能的本地缓存库。目前Spring内部的缓存使用的就是Caffeine。GitHub地址：[GitHub - ben-manes/caffeine: A high performance caching library for Java][GitHub - ben-manes_caffeine_ A high performance caching library for Java]

缓存在日常开发中启动至关重要的作用 ，能大量减少对数据库的访问，减少数据库的压力 ，我们把缓存分为两类：

*  分布式缓存，例如Redis：
    
     *  优点：存储容量更大、可靠性更好、可以在集群间共享
     *  缺点：访问缓存有网络开销
     *  场景：缓存数据量较大、可靠性要求较高、需要在集群间共享
 *  进程本地缓存，例如HashMap、GuavaCache：
    
     *  优点：读取本地内存，没有网络开销，速度更快
     *  缺点：存储容量有限、可靠性较低、无法共享
     *  场景：性能要求较高，缓存数据量较小

我们的思路是：当我们的请求到nginx中，首先先查询本地缓存，当本地缓存没有时，再去查询redis，redis没有时，再去查询jvm进程，当这些都没有命中时，再最后查数据库。

![90d4f675c6214fa1864d14c803ff1a51.png][]

### 2、缓存使用的基本API ###

@Test
    void testBasicOps() {
        // 构建cache对象
        Cache<String, String> cache = Caffeine.newBuilder().build();
    
        // 存数据
        cache.put("gf", "ddf");
    
        // 取数据
        String gf = cache.getIfPresent("gf");
        System.out.println("gf = " + gf);
    
        // 取数据，包含两个参数：
        // 参数一：缓存的key
        // 参数二：Lambda表达式，表达式参数就是缓存的key，方法体是查询数据库的逻辑
        // 优先根据key查询JVM缓存，如果未命中，则执行参数二的Lambda表达式
        String defaultGF = cache.get("defaultGF", key -> {
            // 根据key去数据库查询数据
            return "asd
        System.out.println("defaultGF = " + defaultGF);
    }

![f33b1e889230446383c4492937c8ce82.png][]

Caffeine提供了三种缓存驱逐策略：

*  **基于容量**：设置缓存的数量上限
    
        // 创建缓存对象
        Cache<String, String> cache = Caffeine.newBuilder()
            .maximumSize(1) // 设置缓存大小上限为 1
            .build();
 *  **基于时间**：设置缓存的有效时间
    
        // 创建缓存对象
        Cache<String, String> cache = Caffeine.newBuilder()
            // 设置缓存有效期为 10 秒，从最后一次写入开始计时 
            .expireAfterWrite(Duration.ofSeconds(10)) 
            .build();
 *  **基于引用**：设置缓存为软引用或弱引用，利用GC来回收缓存数据。性能较差，不建议使用。

#### 2.1、基于大小设置驱逐策略 ####

@Test
        void testEvictByNum() throws InterruptedException {
            // 创建缓存对象
            Cache<String, String> cache = Caffeine.newBuilder()
                    // 设置缓存大小上限为 1
                    .maximumSize(1)
                    .build();
            // 存数据
            cache.put("gf1", "a");
            cache.put("gf2", "b");
            cache.put("gf3", "c");
            // 延迟10ms，给清理线程一点时间
            Thread.sleep(10L);
            // 获取数据
            System.out.println("gf1: " + cache.getIfPresent("gf1"));
            System.out.println("gf2: " + cache.getIfPresent("gf2"));
            System.out.println("gf3: " + cache.getIfPresent("gf3"));
        }

![360dd0a1ecb4472ea43f0fb9bd9eed2f.png][]

#### 2.2、基于时间设置驱逐策略 ####

@Test
        void testEvictByTime() throws InterruptedException {
            // 创建缓存对象
            Cache<String, String> cache = Caffeine.newBuilder()
                    .expireAfterWrite(Duration.ofSeconds(1)) // 设置缓存有效期为 10 秒
                    .build();
            // 存数据
            cache.put("gf", "aaa");
            // 获取数据
            System.out.println("gf: " + cache.getIfPresent("gf"));
            // 休眠一会儿
            Thread.sleep(1200L);
            System.out.println("gf: " + cache.getIfPresent("gf"));
        }

![800033deaa1547999bd584c9ea746a23.png][]

## 三、实现多级缓存 ##

### 1、前期准备 ###

**多级缓存的实现离不开Nginx编程，而Nginx编程又离不开OpenResty。**

下载与安装步骤这里就不做过多的描述了，OpenResty底层是基于Nginx的，查看OpenResty目录的nginx目录，所以运行方式与nginx基本一致：

# 启动nginx
    nginx
    # 重新加载配置
    nginx -s reload
    # 停止
    nginx -s stop

修改`/usr/local/openresty/nginx/conf/nginx.conf`文件，内容如下：

#user  nobody;
    worker_processes  1;
    error_log  logs/error.log;
    
    events {
        worker_connections  1024;
    }
    
    http {
        include       mime.types;
        default_type  application/octet-stream;
        sendfile        on;
        keepalive_timeout  65;
    
        server {
            listen       8081;
            server_name  localhost;
            location / {
                root   html;
                index  index.html index.htm;
            }
            error_page   500 502 503 504  /50x.html;
            location = /50x.html {
                root   html;
            }
        }
    }

### 2、反向代理流程 ###

打开案例，他的请求路径是这个：[【微服务】 ][Link 3]

![04bb73d9250544019c57575bf37c8242.png][]

请求地址是localhost，端口是80，就被windows上安装的Nginx服务给接收到了。然后代理给了OpenResty集群，这就是ip为：192.168.227.131。

### 3、OpenResty监听请求 ###

OpenResty的很多功能都依赖于其目录下的Lua库，需要在nginx.conf中指定依赖库的目录，

修改`/usr/local/openresty/nginx/conf/nginx.conf`文件，在其中的http下面，添加下面代码：

#lua 模块
    lua_package_path "/usr/local/openresty/lualib/?.lua;;";
    #c模块     
    lua_package_cpath "/usr/local/openresty/lualib/?.so;;";

监听/api/item路径

修改`/usr/local/openresty/nginx/conf/nginx.conf`文件，在nginx.conf的server下面，添加对/api/item这个路径的监听：

location  /api/item {
        # 默认的响应类型
        default_type application/json;
        # 响应结果由lua/item.lua文件来决定
        content_by_lua_file lua/item.lua;
    }

这个监听，就类似于SpringMVC中的`@GetMapping("/api/item")`做路径映射，而返回类型就是json。

而`content_by_lua_file lua/item.lua`则相当于调用item.lua这个文件，执行其中的业务，把结果返回给用户。相当于java中调用service。

在`/usr/loca/openresty/nginx`目录创建文件夹：lua；在`/usr/loca/openresty/nginx/lua`文件夹下，新建文件：item.lua。

item.lua代码

-- 导入common函数库
    local common = require('common')
    local read_http = common.read_http
    local read_redis = common.read_redis
    -- 导入cjson库
    local cjson = require('cjson')
    -- 导入item_cache
    local item_cache = ngx.shared.item_cache
    
    -- 封装查询函数
    function read_data(key, expire,  path, params)
    	local var = item_cache:get(key)
    	if not var then
    		ngx.log(ngx.ERR, "本地缓存查询失败，尝试查询redis， key: ", key)
    	    -- 查询redis缓存
    	    var = read_redis("127.0.0.1", 6379, key)
    	    -- 判断查询结果
    	    if not var then
    	        ngx.log(ngx.ERR, "redis查询失败，尝试查询http， key: ", key)
    	        -- redis查询失败，去查询http
    	        var = read_http(path, params)
    	    end
    	end
    	-- 查询成功，根据不同的数据设置不同的缓存时间,并且写入到本地缓存
    	item_cache:set(key, var, expire)
    	-- 返回数据
        return var
    end
    
    -- 获取路径参数
    local id = ngx.var[1]
    
    -- 查询商品信息
    local itemJSON = read_data("item:id:" .. id, 1800,  "/item/" .. id, nil)
    -- 查询库存信息
    local stockJSON = read_data("item:stock:id:" .. id, 60, "/item/stock/" .. id, nil)
    
    -- JSON转化为lua的table
    local item = cjson.decode(itemJSON)
    local stock = cjson.decode(stockJSON)
    -- 组合数据
    item.stock = stock.stock
    item.sold = stock.sold
    
    -- 把item序列化为json 返回结果
    ngx.say(cjson.encode(item))

在nginx.cpnf里面添加

# 添加反向代理，到windows的Java服务
    		# 该指令是用来设置代理服务器的地址，可以是主机名称，IP地址加端口号等形式。
    		location /item {
        			proxy_pass http://tomcat-cluster;
    		}

upstream tomcat-cluster{
        		hash $request_uri;
        		server 192.168.177.196:8081;
        		server 192.168.177.196:8082;
         }

common.lua 代码

-- 导入redis
    local redis = require("resty.redis")
    -- 初始化 redis
    local red = redis:new()
    red:set_timeouts(1000, 1000, 1000)
    
    -- 关闭redis连接的工具方法，其实是放入连接池
    local function close_redis(red)
        local pool_max_idle_time = 10000 -- 连接的空闲时间，单位是毫秒
        local pool_size = 100 --连接池大小
        local ok, err = red:set_keepalive(pool_max_idle_time, pool_size)
        if not ok then
            ngx.log(ngx.ERR, "放入redis连接池失败: ", err)
        end
    end
    
    -- 查询redis的方法 ip和port是redis地址，key是查询的key
    local function read_redis(ip, port, key)
        -- 获取一个连接
        local ok, err = red:connect(ip, port)
        if not ok then
            ngx.log(ngx.ERR, "连接redis失败 : ", err)
            return nil
        end
        -- 查询redis
        local resp, err = red:get(key)
        -- 查询失败处理
        if not resp then
            ngx.log(ngx.ERR, "查询Redis失败: ", err, ", key = " , key)
        end
        --得到的数据为空处理
        if resp == ngx.null then
            resp = nil
            ngx.log(ngx.ERR, "查询Redis数据为空, key = ", key)
        end
        close_redis(red)
        return resp
    end
    
    -- 封装函数，发送http请求，并解析响应( ngx.location.capture)
    local function read_http(path, params)
        local resp = ngx.location.capture(path,{
            method = ngx.HTTP_GET,
            args = params,
        })
        if not resp then
            -- 记录错误信息，返回404
            ngx.log(ngx.ERR, "http请求查询失败, path: ", path , ", args: ", args)
            ngx.exit(404)
        end
        return resp.body
    end
    -- 将方法导出
    local _M = {  
        read_http = read_http,
        read_redis = read_redis
    }  
    return _M

然后重新加载配置：nginx -s reload。

### 4、代码解析 ###

#### 4.1、获取参数的API ####

OpenResty中提供了一些API用来获取不同类型的前端请求参数：

![b087bf2a091d474080af3aea0b018477.png][]

location ~ /api/item/(\\d+) \{  
\# 默认的响应类型  
default\_type application/json;  
\# 响应结果由lua/item.lua文件来决定  
content\_by\_lua\_file lua/item.lua;  
\}

里面的 ~ /api/item/(\\d+) 对应的就是 http://localhost/api/item/10003 （前端发来的路径，这里拿到了商品的id）

#### 4.2、查询Tomcat ####

拿到商品ID后，本应去缓存中查询商品信息，不过目前我们还未建立nginx、redis缓存。因此，这里我们先根据商品id去tomcat查询商品信息。

![1dc9c8d19bb848c09bebf15e9de8f5ce.png][]

发送http请求的API

举个例子：

local resp = ngx.location.capture("/path",{
        method = ngx.HTTP_GET,   -- 请求方式
        args = {a=1,b=2},  -- get方式传参数
    })

返回的响应内容包括：

*  resp.status：响应状态码
 *  resp.header：响应头，是一个table
 *  resp.body：响应体，就是响应数据

注意：这里的path是路径，并不包含IP和端口。这个请求会被nginx内部的server监听并处理。

但是我们希望这个请求发送到Tomcat服务器，所以还需要编写一个server来对这个路径做反向代理：

location /path {
         # 这里是windows电脑的ip和Java服务端口，需要确保windows防火墙处于关闭状态
         proxy_pass http://你自己的ip:8081; 
     }

在item.lua文件当中，有这一串：

-- 引入自定义common工具模块，返回值是common中返回的 _M
    local common = require("common")
    -- 从 common中获取read_http这个函数
    local read_http = common.read_http
    -- 获取路径参数
    local id = ngx.var[1]
    -- 根据id查询商品
    local itemJSON = read_http("/item/".. id, nil)
    -- 根据id查询商品库存
    local itemStockJSON = read_http("/item/stock/".. id, nil)
    ngx.say(itemStockJSON )

他的作用是接受到请求路径，然后根据id来查询数据库，返回json数据。

里查询到的结果是json字符串，并且包含商品、库存两个json字符串，页面最终需要的是把两个json拼接为一个json：

![3a1cbb6371904fbca62e9b07def80a3e.png][]

这就需要我们先把JSON变为lua的table，完成数据整合后，再转为JSON（序列化与反序列化）。

#### 4.3、CJSON工具类 ####

OpenResty提供了一个cjson的模块用来处理JSON的序列化和反序列化。

举个例子：

引入cjson模块：

local cjson = require "cjson"

序列化：

local obj = {
        name = 'jack',
        age = 21
    }
    -- 把 table 序列化为 json
    local json = cjson.encode(obj)

反序列化：

local json = '{"name": "jack", "age": 21}'
    -- 反序列化 json为 table
    local obj = cjson.decode(json);
    print(obj.name)

那么实现Tomcat'查询是：

-- 导入common函数库
    local common = require('common')
    local read_http = common.read_http
    -- 导入cjson库
    local cjson = require('cjson')
    
    -- 获取路径参数
    local id = ngx.var[1]
    -- 根据id查询商品
    local itemJSON = read_http("/item/".. id, nil)
    -- 根据id查询商品库存
    local itemStockJSON = read_http("/item/stock/".. id, nil)
    
    -- JSON转化为lua的table
    local item = cjson.decode(itemJSON)
    local stock = cjson.decode(stockJSON)
    
    -- 组合数据
    item.stock = stock.stock
    item.sold = stock.sold
    
    -- 把item序列化为json 返回结果
    ngx.say(cjson.encode(item))

#### 4.4、基于ID负载均衡 ####

刚才的代码中，我们的tomcat是单机部署。而实际开发中，tomcat一定是集群模式，因此，OpenResty需要对tomcat集群做负载均衡。

如何做？

如果能让同一个商品，每次查询时都访问同一个tomcat服务，那么JVM缓存就一定能生效了。

也就是说，我们需要根据商品id做负载均衡，而不是轮询。

思路

nginx根据请求路径做hash运算，把得到的数值对tomcat服务的数量取余，余数是几，就访问第几个服务，实现负载均衡。

举个例子

*  我们的请求路径是 /item/10001
 *  tomcat总数为2台（8081、8082）
 *  对请求路径/item/1001做hash运算求余的结果为1
 *  则访问第一个tomcat服务，也就是8081

只要id不变，每次hash运算结果也不会变，那就可以保证同一个商品，一直访问同一个tomcat服务，确保JVM缓存生效。

在nginx.conf文件里面添加这一段（hash $request\_uri;）

upstream tomcat-cluster{
        		hash $request_uri;
        		server 192.168.177.196:8081;
        		server 192.168.177.196:8082;
         }

然后，修改对tomcat服务的反向代理，目标指向tomcat集群：

location /item {
        proxy_pass http://tomcat-cluster;
    }

重新加载OpenResty

nginx -s reload

#### 4.5、Redis缓存预热 ####

Redis缓存会面临冷启动问题：

**冷启动**：服务刚刚启动时，Redis中并没有缓存，如果所有商品数据都在第一次查询时添加缓存，可能会给数据库带来较大压力。

**缓存预热**：在实际开发中，我们可以利用大数据统计用户访问的热点数据，在项目启动时将这些热点数据提前查询并保存到Redis中。

由于数据较少所以这里将所有的数据都存入缓存中。

具体代码

@Component
    public class RedisHandler implements InitializingBean {
    
        @Autowired
        private StringRedisTemplate redisTemplate;
        @Autowired
        private IItemService itemService;
        @Autowired
        private IItemStockService itemStockService;
    
        /**
         * Jackson提供了ObjectMapper来供程序员“定制化控制”序列化、反序列化的过程。
         * objectMapper在调用writeValue()序列化 或 调用readValue()反序列化方法之前，
         * 往往需要设置 ObjectMapper 的相关配置信息，这些配置信息作用在 java 对象的所有属性上，
         * 表示在进行序列化和反序列化时进行一些特殊的处理。
         */
        private static final ObjectMapper MAPPER = new ObjectMapper();
    
        @Override
        public void afterPropertiesSet() throws Exception {
            // 查询商品
            List<Item> itemList = itemService.list();
            // 商品集合序列化，存入redis
            for (Item item : itemList) {
                String itemJson = MAPPER.writeValueAsString(item);
                redisTemplate.opsForValue().set("item:id:" + item.getId(), itemJson);
            }
    
            // 查询库存
            List<ItemStock> stockList = itemStockService.list();
            // 库存集合序列化，存入redis
            for (ItemStock stock : stockList) {
                String stockJson = MAPPER.writeValueAsString(stock);
                redisTemplate.opsForValue().set("item:stock:id:" + stock.getId(), stockJson);
            }
    
        }
    
        public void save(Item item){
            try {
                String itemJson = MAPPER.writeValueAsString(item);
                redisTemplate.opsForValue().set("item:id:" + item.getId(), itemJson);
            } catch (JsonProcessingException e) {
                throw new RuntimeException(e);
            }
        }
    
        public void delete(Long id){
            redisTemplate.delete("item:id:" + id);
        }
    
    }

InitializingBean接口为bean提供了初始化方法的方式，它只包括afterPropertiesSet方法，凡是继承该接口的类，在初始化bean的时候都会执行该方法。

ObjectMapper：Jackson提供了ObjectMapper来供程序员“定制化控制”序列化、反序列化的过程。objectMapper在调用writeValue()序列化 或 调用readValue()反序列化方法之前，往往需要设置 ObjectMapper 的相关配置信息，这些配置信息作用在 java 对象的所有属性上，表示在进行序列化和反序列化时进行一些特殊的处理。

## 四、缓存同步 ##

大多数情况下，浏览器查询到的都是缓存数据，当我们管理员修改数据时，缓存没有及时更新，这就会出大问题了。

所以我们必须保证数据库数据、缓存数据的一致性，这就是缓存与数据库的同步。

### 1、数据同步策略 ###

**设置有效期**：给缓存设置有效期，到期后自动删除。再次查询时更新

*  优势：简单、方便
 *  缺点：时效性差，缓存过期之前可能不一致
 *  场景：更新频率较低，时效性要求低的业务

**同步双写**：在修改数据库的同时，直接修改缓存

*  优势：时效性强，缓存与数据库强一致
 *  缺点：有代码侵入，耦合度高；
 *  场景：对一致性、时效性要求较高的缓存数据

**异步通知：**修改数据库时发送事件通知，相关服务监听到通知后修改缓存数据

*  优势：低耦合，可以同时通知多个缓存服务
 *  缺点：时效性一般，可能存在中间不一致状态
 *  场景：时效性要求一般，有多个服务需要同步

这里我们使用Canal（基于Canal的通知 ）

### 2、监听Canal ###

Canal提供了各种语言的客户端，当Canal监听到binlog变化时，会通知Canal的客户端。

![c4254a61569f44cf8a163c5ff63ce22c.png][]

我们可以利用Canal提供的Java客户端，监听Canal通知消息。当收到变化的消息时，完成对缓存的更新。

引入依赖

<dependency>
        <groupId>top.javatool</groupId>
        <artifactId>canal-spring-boot-starter</artifactId>
        <version>1.2.1-RELEASE</version>
    </dependency>

编写配置

canal:
      destination: heima # canal的集群名字，要与安装canal时设置的名称一致
      server: 192.168.150.101:11111 # canal服务地址

修改实体类

@Data
    @TableName("tb_item")
    public class Item {
        @TableId(type = IdType.AUTO)
        @Id
        private Long id;//商品id
        @Column(name = "name")
        private String name;//商品名称
        private String title;//商品标题
        private Long price;//价格（分）
        private String image;//商品图片
        private String category;//分类名称
        private String brand;//品牌名称
        private String spec;//规格
        private Integer status;//商品状态 1-正常，2-下架
        private Date createTime;//创建时间
        private Date updateTime;//更新时间
        @TableField(exist = false)
        @Transient
        private Integer stock;
        @TableField(exist = false)
        @Transient
        private Integer sold;
    }

@TableName("tb\_item")：要监听的表名

@Id：告诉他谁是id（主键）

@Column(name = "name")：当DB里面的字段与实体类对应不上时，用name对应。

@Transient：告诉它，谁不是表中的字段。

编写监听器

通过实现`EntryHandler<T>`接口编写监听器，监听Canal消息。注意两点：

*  实现类通过`@CanalTable("tb_item")`指定监听的表信息
 *  EntryHandler的泛型是与表对应的实体类

@CanalTable("tb_item")
    @Component
    public class ItemHandler implements EntryHandler<Item> {
    
        @Autowired
        private RedisHandler redisHandler;
        @Autowired
        private Cache<Long, Item> itemCache;
    
        @Override
        public void insert(Item item) {
            // 写数据到JVM进程缓存
            itemCache.put(item.getId(), item);
            // 写数据到redis
            redisHandler.saveItem(item);
        }
    
        @Override
        public void update(Item before, Item after) {
            // 写数据到JVM进程缓存
            itemCache.put(after.getId(), after);
            // 写数据到redis
            redisHandler.saveItem(after);
        }
    
        @Override
        public void delete(Item item) {
            // 删除数据到JVM进程缓存
            itemCache.invalidate(item.getId());
            // 删除数据到redis
            redisHandler.deleteItemById(item.getId());
        }
    }

> **不积跬步无以至千里，趁年轻，使劲拼，给未来的自己一个交代！向着明天更好的自己前进吧！**
> 
> ![d5358fcd619443fe98143f2fd5fef762.gif][]

[168c1abc67f4402ebfc99ff077a3e4da.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/ced5891275f24ddf8716745b843cd8ac.gif
[Link 1]: https://blog.csdn.net/aasd23?spm=1000.2115.3001.5343
[Link 2]: https://blog.csdn.net/aasd23/category_12108059.html?spm=1001.2014.3001.5482
[862c83338be94681b0eade13e2934705.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/d9ad2effff3a44e8bb0385bb63d9305e.png
[fdc26eb7f3ba4840a40d3c74002ebeff.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/baa2f0a2f1c944fca7fdb36d1fe863d6.png
[252e687f67844b499b7ea2109fe92f7e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/8a558c32c0824c549635aeadf5a93473.png
[a444b99c535642ea806eb243bd926b89.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/2eccd5bc4cea40b89e1decad9fb4a4a2.png
[3005ff136e034cb8bf98c0a331260729.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/706b1e4894464cc0b3410a9c96131331.png
[GitHub - ben-manes_caffeine_ A high performance caching library for Java]: https://github.com/ben-manes/caffeine
[90d4f675c6214fa1864d14c803ff1a51.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/7e49fdc932d747c899875b4f341faa86.png
[f33b1e889230446383c4492937c8ce82.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/0ed5a363362d4ceba3176a827e1c5bcb.png
[360dd0a1ecb4472ea43f0fb9bd9eed2f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/76ae6f05afef44bfa35520d6d717957f.png
[800033deaa1547999bd584c9ea746a23.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/906757180f174abbaf3c2fe03959236e.png
[Link 3]: http://localhost/api/item/10003
[04bb73d9250544019c57575bf37c8242.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/424e602bf48b49b4aa0325badec50aeb.png
[b087bf2a091d474080af3aea0b018477.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/8730c5c3daaa4d8e86a4c64783392b3f.png
[1dc9c8d19bb848c09bebf15e9de8f5ce.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/b462c4a91a6140b981d69737861e0162.png
[3a1cbb6371904fbca62e9b07def80a3e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/fcf0da58890e4cda907c20d60ac43979.png
[c4254a61569f44cf8a163c5ff63ce22c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/cb5b545df3b746d0856d6998577b414f.png
[d5358fcd619443fe98143f2fd5fef762.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/ce4dccb5feaa4f76a9a0e1538762d464.gif