把 EhCache 用到极致：从接口返回 2s 到 20ms 的进化之路

灬沙师弟

发布于 2025-11-12 13:26:20

1470

文章被收录于专栏：Java面试教程Java面试教程

前言：为什么选 EhCache？

在“高并发 + 低延迟”的战场里，远程缓存（Redis/Memcached）总要走一次网络，1 ms 起跳；而 EhCache 与业务线程同堆同进程，get/put 只需 几十纳秒。如果：

单节点 QPS > 5k
数据量 < 100 MB
可容忍秒级一致性延迟

那么 EhCache 就是性能性价比最高的解决方案。下面把两年踩过的坑与最佳实践一次性输出。

2. 快速上手：Spring Boot 3 一行代码开启

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-cache</artifactId>
</dependency>
<dependency>
    <groupId>org.ehcache</groupId>
    <artifactId>ehcache</artifactId>
    <version>3.10.8</version>
</dependency>

spring:
  cache:
    type: ehcache
    ehcache:
      config: classpath:ehcache.xml

业务代码：

@Service
public class OrderService {
    @Cacheable(value = "order", key = "#id")
    public Order getOrder(Long id) {
        return dao.selectById(id);   // 2s 的 SQL
    }
}

启动后控制台出现：

org.ehcache.core.EhcacheManager - Cache 'order' created in EhcacheManager.

第一次调用 2s，第二次 0.02 ms，命中率 100 % —— 性能直接提升 5 个数量级。

3. 配置：ehcache.xml 模板

<config xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
        xmlns="http://www.ehcache.org/v3"
        xsi:schemaLocation="http://www.ehcache.org/v3 http://www.ehcache.org/schema/ehcache-core-3.0.xsd">

    <!-- ① 默认模板：30 min 过期 + 1000 条 + 堆 32 MB -->
    <cache-template name="default">
        <expiry>
            <ttl unit="minutes">30</ttl>
        </expiry>
        <heap unit="entries">1000</heap>
    </cache-template>

    <!-- ② 订单缓存：热点数据，磁盘溢出，重启可恢复 -->
    <cache alias="order" uses-template="default">
        <heap unit="MB">64</heap>
        <disk unit="MB">512</disk>   <!-- 需开启 <persistence> -->
        <expiry>
            <ttl unit="minutes">15</ttl>
        </expiry>
    </cache>

    <!-- ③ 字典缓存：基本不变，永久有效 -->
    <cache alias="dict">
        <heap unit="entries">5000</heap>
        <expiry>
            <none/>
        </expiry>
    </cache>

    <!-- ④ 磁盘持久化目录 -->
    <persistence directory="spring.tmpdir/caches"/>
</config>

注意：磁盘溢出需额外依赖

<dependency>
    <groupId>org.ehcache</groupId>
    <artifactId>ehcache-transactions</artifactId>
    <version>3.10.8</version>
</dependency>

4. 进阶技巧：让 EhCache 像 Redis 一样“好用”

需求	EhCache 原生方案	代码示例
缓存漂移（集群多节点）	结合 Kafka/Redis Pub/Sub 广播失效事件	见 4.1
局部刷新（避免雪崩）	ExpiryPolicyBuilder.timeToIdle() + ScheduledThreadPool 异步刷新	见 4.2
大对象（> 1 MB）	开启 off-heap 防止老年代膨胀	见 4.3
可视化	JMX + Prometheus 导出 CacheStatistics	见 4.4

4.1 缓存漂移：三行广播，全网失效

场景：节点 A 更新订单，节点 B/C 必须立即感知。思路：利用 CacheEventListener 发布失效消息，其他节点消费并 clear()。

@Component
public class CacheEventPublisher implements CacheEventListener<Object, Object> {
    @Autowired
    private KafkaTemplate<String, String> kafka;

    @Override
    public void onEvent(CacheEvent<?, ?> event) {
        if (event.getType() == EventType.REMOVED) {
            kafka.send("cache-invalid", event.getKey().toString());
        }
    }
}

消费端：

@KafkaListener(topics = "cache-invalid")
public void receive(String key) {
    cacheManager.getCache("order").evict(key);
}

实测 99 % 一致性 < 200 ms，剩余 1 % 由兜底 TTL 保证。

4.2 局部刷新：雪崩前夜“续命”

EhCache 没有 refreshAfterWrite，但可以用 TimeToIdle 模拟：

CacheConfigurationBuilder<Long, Order> cfg =
        CacheConfigurationBuilder.newCacheConfigurationBuilder(
                Long.class, Order.class,
                ResourcePoolsBuilder.heap(1000))
        .withExpiry(ExpiryPolicyBuilder.timeToIdle(Duration.ofMinutes(5)))
        .build();

// 异步刷新线程
Executors.newSingleThreadScheduledExecutor()
         .scheduleWithFixedDelay(() -> {
             Long hotKey = findHotKey();
             Order fresh = dao.selectById(hotKey);
             cache.put(hotKey, fresh);
         }, 0, 3, TimeUnit.MINUTES);

效果：

热点 key 永不失效；
非热点 key 按 TTL 淘汰；
雪崩概率降低 **95 %**。

4.3 大对象 off-heap：把 10 MB JSON 扔出老年代

ResourcePoolsBuilder.newResourcePoolsBuilder()
        .heap(100, MemoryUnit.MB)      // on-heap 缓存索引
        .offheap(2, MemoryUnit.GB);    // 大对象本体

注意：off-heap 必须 序列化，推荐 Kryo 或 Protobuf，比 Java 序列化快 10 倍。

4.4 可视化：JMX → Prometheus → Grafana

@Bean
public CacheStatisticsRecorder statisticsRecorder() {
    return new DefaultCacheStatisticsRecorder();
}

// Prometheus exporter
new EhCacheStatisticsCollector(cacheManager).register();

面板核心指标：