为了提高系统的运行效率，引入缓存机制，减少数据库访问和磁盘IO。下面说明一下ehcache和spring整合配置。
1. 需要的jar包
slf4j-api-1.6.1.jar
ehcache-core-2.1.0.jar
ehcache-spring-annotations-1.1.2.jar
slf4j-log4j12-1.6.1.jar
spring-context-support-4.0.6.RELEASE.jar
2. ehcache.xml
<?xml version="1.0" encoding="UTF-8"?>
<ehcache xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="http://ehcache.org/ehcache.xsd">
<diskStore path="java.io.tmpdir/ehcache"/>
<!-- 默认缓存 -->
<defaultCache
maxElementsInMemory="1000"
eternal="false"
timeToIdleSeconds="120"
timeToLiveSeconds="120"
overflowToDisk="false"/>
<!-- 菜单缓存 -->
<cache name="menuCache"
maxElementsInMemory="1000"
eternal="false"
timeToIdleSeconds="120"
timeToLiveSeconds="120"
overflowToDisk="false"
memoryStoreEvictionPolicy="LRU"/>
</ehcache>
参数说明：
<diskStore>：当内存缓存中对象数量超过maxElementsInMemory时,将缓存对象写到磁盘缓存中(需对象实现序列化接口)。
<diskStore path="">：用来配置磁盘缓存使用的物理路径,Ehcache磁盘缓存使用的文件后缀名是*.data和*.index。
name：缓存名称,cache的唯一标识(ehcache会把这个cache放到HashMap里)。
maxElementsOnDisk：磁盘缓存中最多可以存放的元素数量,0表示无穷大。
maxElementsInMemory：内存缓存中最多可以存放的元素数量,若放入Cache中的元素超过这个数值,则有以下两种情况。
1)若overflowToDisk=true,则会将Cache中多出的元素放入磁盘文件中。
2)若overflowToDisk=false,则根据memoryStoreEvictionPolicy策略替换Cache中原有的元素。
Eternal：缓存中对象是否永久有效,即是否永驻内存,true时将忽略timeToIdleSeconds和timeToLiveSeconds。
timeToIdleSeconds：缓存数据在失效前的允许闲置时间(单位:秒),仅当eternal=false时使用,默认值是0表示可闲置时间无穷大,此为可选属性即访问这个cache中元素的最大间隔时间,若超过这个时间没有访问此Cache中的某个元素,那么此元素将被从Cache中清除。
timeToLiveSeconds：缓存数据在失效前的允许存活时间(单位:秒),仅当eternal=false时使用,默认值是0表示可存活时间无穷大，即Cache中的某元素从创建到清楚的生存时间,也就是说从创建开始计时,当超过这个时间时,此元素将从Cache中清除。
overflowToDisk：内存不足时,是否启用磁盘缓存(即内存中对象数量达到maxElementsInMemory时,Ehcache会将对象写到磁盘中)，会根据标签中path值查找对应的属性值,写入磁盘的文件会放在path文件夹下,文件的名称是cache的名称,后缀名是data。
diskPersistent：是否持久化磁盘缓存,当这个属性的值为true时,系统在初始化时会在磁盘中查找文件名为cache名称,后缀名为index的文件，这个文件中存放了已经持久化在磁盘中的cache的index,找到后会把cache加载到内存，要想把cache真正持久化到磁盘,写程序时注意执行net.sf.ehcache.Cache.put(Element element)后要调用flush()方法。
diskExpiryThreadIntervalSeconds：磁盘缓存的清理线程运行间隔,默认是120秒。
diskSpoolBufferSizeMB：设置DiskStore（磁盘缓存）的缓存区大小,默认是30MB
memoryStoreEvictionPolicy：内存存储与释放策略,即达到maxElementsInMemory限制时,Ehcache会根据指定策略清理内存，共有三种策略,分别为LRU(最近最少使用)、LFU(最常用的)、FIFO(先进先出)。
3. application_spring_cache.xml
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xmlns:context="http://www.springframework.org/schema/context"
xmlns:cache="http://www.springframework.org/schema/cache"
xsi:schemaLocation="http://www.springframework.org/schema/beans
http://www.springframework.org/schema/beans/spring-beans-3.0.xsd
http://www.springframework.org/schema/context
http://www.springframework.org/schema/context/spring-context-3.0.xsd
http://www.springframework.org/schema/cache
http://www.springframework.org/schema/cache/spring-cache-3.2.xsd">
<cache:annotation-driven cache-manager="cacheManager"/>
<bean id="cacheManagerFactory" class="org.springframework.cache.ehcache.EhCacheManagerFactoryBean">
<property name="configLocation" value="classpath:application/ehcache.xml" />
</bean>
<bean id="cacheManager" class="org.springframework.cache.ehcache.EhCacheCacheManager">
<property name="cacheManager" ref="cacheManagerFactory"/>
</bean>
</beans>
4. 使用
首先在ehcache.xml中配置缓存策略，即添加一组cache。
业务方法前添加
@Cacheable(value = "SMSConsumerReportListCache", key = "'Consumer:'+#currentConsumer.getConsumerId()+'_pageNumber:'+#pageNumber+'_pageSize:'+#pageSize")
public List<SMSReportVO> getReportList(@NotNull SMSConsumer currentConsumer, @NotNull int pageNumber, @NotNull int pageSize) {
。。。。。。
}
key的使用，作为索引查询缓存数据，下次方法调用时先查询缓存数据，存在即使用，不存在，执行方法，并保存。
@CacheEvict(value = "inboxMessage", key = "'involveUserId:' + #UserHelper.getSessionUser().getUserId()")
CacheEvict，清空缓存，写上key，清除相关key缓存，
allEntries = true。表示全部清空，默认false
注意：
调用内部方法使用缓存，直接调用是没有经过缓存的，需要注入：ApplicationContext applicationContext，使用applicationContext.getBean(******).方法，调用有效
（个人记录）随机token。缓存：
/**
* Token 实现
*
* @author TCoffee
* @version 1.0
* @since 4.0
*/
@Service
public class TokenServiceImpl implements ITokenService {
private static final int MsOf2Days = 172800 * 1000; // 2天的毫秒数
private static final String TOKEN_CACHE_NAME = "tokenCache";
@Autowired
EhCacheCacheManager ehCacheCacheManager;
/**
* 获取和保存Token
*
* @param tokenTimeToLiveMs
* @return
*/
@Override
public String getAndStoreToken(Long tokenTimeToLiveMs) {
if (tokenTimeToLiveMs < 1) {
throw new IllegalArgumentException("tokenTimeToLiveMs cannot small then 1");
}
if (tokenTimeToLiveMs > MsOf2Days) {
throw new IllegalArgumentException("tokenTimeToLiveMs cannot large then 2 days");
}
String token = produceToken();
TokenEntity tokenEntity = new TokenEntity();
tokenEntity.setToken(token);
tokenEntity.setProduceTime(System.currentTimeMillis());
tokenEntity.setTokenTimeToLiveMs(tokenTimeToLiveMs);
putTokenCache(token, tokenEntity);
return token;
}
/**
* 从缓存中读取 token
*/
protected TokenEntity getTokenCache(String token) {
Ehcache ehcache = getTokenCache();
Element element = ehcache.get(token);
return element == null ? null : (TokenEntity) element.getObjectValue();
}
/**
* 将 token 设置到缓存
*
* @param token
* @param tokenEntity
* @return
*/
protected synchronized TokenEntity putTokenCache(String token, TokenEntity tokenEntity) {
Ehcache ehcache = getTokenCache();
Element element = new Element(token, tokenEntity);
element.setTimeToLive(Long.valueOf(tokenEntity.getTokenTimeToLiveMs()).intValue());
ehcache.put(element);
return tokenEntity;
}
/**
* 校验Token
*
* @param token
*/
@Override
public boolean validateToken(String token) {
TokenEntity tokenEntity = getTokenCache(token);
if (tokenEntity == null) {
return false;
}
if (System.currentTimeMillis() - tokenEntity.getProduceTime() > tokenEntity.getTokenTimeToLiveMs()) {
return false;
}
return true;
}
/**
* 设置数据到 token缓存
*
* @param data
* @param token
* @return
*/
@Override
public boolean setTokenData(Map<String, Object> data, String token) {
TokenEntity tokenEntity = getTokenCache(token);
if (tokenEntity == null) {
return false;
}
tokenEntity.setDataMap(data);
putTokenCache(token, tokenEntity);
return true;
}
/**
* 从 token 缓存获取数据
*
* @param token
* @return
* @throws InvalidTokenException
*/
@Override
public Map<String, Object> getTokenData(String token) throws InvalidTokenException {
TokenEntity tokenEntity = getTokenCache(token);
if (tokenEntity == null) {
throw new InvalidTokenException("token invalid");
}
return Collections.unmodifiableMap(tokenEntity.getDataMap());
}
/**
* 从 token 缓存获取数据
*
* @param key
* @param token
* @param <T>
* @return
* @throws InvalidTokenException
*/
@Override
public <T> T getTokenData(String key, String token) throws InvalidTokenException {
Map<String, Object> map = getTokenData(token);
return (T) map.get(key);
}
/**
* 设置数据到 token 缓存
*
* @param key
* @param data
* @param token
* @return
*/
@Override
public boolean setTokenData(String key, Object data, String token) {
TokenEntity tokenEntity = getTokenCache(token);
if (tokenEntity == null) {
return false;
}
tokenEntity.getDataMap().put(key, data);
putTokenCache(token, tokenEntity);
return true;
}
/**
* 销毁token数据
*
* @param token
*/
@Override
public void cleanToken(String token) {
getTokenCache().remove(token);
}
private Ehcache getTokenCache() {
Ehcache ehcache = ehCacheCacheManager.getCacheManager().getEhcache(TOKEN_CACHE_NAME);
if (ehcache == null) {
throw new RuntimeException("cache not found, cache name:" + TOKEN_CACHE_NAME);
}
return ehcache;
}
/**
* 产生token
*
* @return
*/
private String produceToken() {
String token = UUID.randomUUID() + RandomStringUtils.randomAlphabetic(32);
try {
MessageDigest md5 = MessageDigest.getInstance("MD5");
BASE64Encoder base64Encoder = new BASE64Encoder();
return base64Encoder.encode(md5.digest(token.getBytes("UTF-8")));
} catch (NoSuchAlgorithmException | UnsupportedEncodingException e) {
throw new RuntimeException("token generate exception", e);
}
}
}
来源：https://www.cnblogs.com/skyLogin/p/6692132.html