mybatis框架（下）：一、二级缓存

头像
青鱼
    阅读 10 分钟
    头图

    上篇文章提到查询时会用到缓存，其内置的两级缓存如下：

    // 一级缓存，在executor中，与sqlsession绑定
// org.apache.ibatis.executor.BaseExecutor#localCache
// 指向org.apache.ibatis.cache.impl.PerpetualCache#cache
private Map<Object, Object> cache = new HashMap<>();

// 二级缓存，在MappedStatement中（对应mapper.xml中的一个crud方法），周期与SqlSessionFactory一致
org.apache.ibatis.mapping.MappedStatement#cache
// 最终也指向了org.apache.ibatis.cache.impl.PerpetualCache#cache
private Map<Object, Object> cache = new HashMap<>();
    • 一、二级缓存都是查询缓存，select写入，insert、update、delete则清除
    • 一、二级缓存均指向org.apache.ibatis.cache.impl.PerpetualCache#cache，本质是一个HashMap
    • 一、二级缓存Key的计算方式一致，均指向org.apache.ibatis.executor.BaseExecutor#createCacheKey，Key的本质：statement的id + offset + limit + sql + param参数
    • 一级缓存生命周期和SqlSession一致，默认开启；二级缓存声明周期和SqlSessionFactory一致，需手动开启
    • 相同namespace使用同一个二级缓存；二级缓存和事务关联，事务提交数据才会写入缓存，事务回滚则不会写入

    接下来通过源码分别来看一下。

    一级缓存

    一级缓存的生命周期是sqlSession；在同一sqlSession中，用相同sql和查询条件多次查询DB情况，非首次查询会命中一级缓存。

    一级缓存默认是开启的，如果想关闭需要增加配置

    // == 如果不设置，默认是SESSION（后续的源码分析会涉及这里）
<setting name="localCacheScope" value="STATEMENT"/>

    以查询方法作为入口

    org.apache.ibatis.session.defaults.DefaultSqlSession#selectList(java.lang.String, java.lang.Object, org.apache.ibatis.session.RowBounds)
org.apache.ibatis.executor.BaseExecutor#query(org.apache.ibatis.mapping.MappedStatement, java.lang.Object, org.apache.ibatis.session.RowBounds, org.apache.ibatis.session.ResultHandler)
List<E> query(MappedStatement ms, Object parameter, RowBounds rowBounds, ResultHandler resultHandler) throws SQLException {
    BoundSql boundSql = ms.getBoundSql(parameter);
    // == 计算CacheKey
    CacheKey key = createCacheKey(ms, parameter, rowBounds, boundSql);
    // == 查询中使用缓存
    return query(ms, parameter, rowBounds, resultHandler, key, boundSql);
}

    CacheKey计算

    org.apache.ibatis.executor.BaseExecutor#createCacheKey
CacheKey createCacheKey(MappedStatement ms, Object parameterObject, RowBounds rowBounds, BoundSql boundSql) {
    CacheKey cacheKey = new CacheKey();
    // == 调用update方法修改cache
    cacheKey.update(ms.getId());
    cacheKey.update(rowBounds.getOffset());
    cacheKey.update(rowBounds.getLimit());
    cacheKey.update(boundSql.getSql());
    // value是参数
    cacheKey.update(value);
    return cacheKey;
}

    从这里就可以猜测到，CacheKey和statement的id、offset、limit、sql、param参数有关。

    进入CacheKey验证这个猜测：

    ### CacheKey类 ###

// 默认37
private final int multiplier;
// 默认17
private int hashcode;
private long checksum;
private int count;

private List<Object> updateList;

public void update(Object object) {
    int baseHashCode = object == null ? 1 : ArrayUtil.hashCode(object);
    
    // -- 修改几个属性值
    count++;
    checksum += baseHashCode;
    baseHashCode *= count;
    hashcode = multiplier * hashcode + baseHashCode;
    // -- updateList新增对象
    updateList.add(object);
}

public boolean equals(Object object) {
    // -- 比较几个属性值
    if (hashcode != cacheKey.hashcode) {
      return false;
    }
    if (checksum != cacheKey.checksum) {
      return false;
    }
    if (count != cacheKey.count) {
      return false;
    }
    // -- 挨个比较updateList中的对象
    for (int i = 0; i < updateList.size(); i++) {
      Object thisObject = updateList.get(i);
      Object thatObject = cacheKey.updateList.get(i);
      if (!ArrayUtil.equals(thisObject, thatObject)) {
        return false;
      }
    }
    return true;
}

    查询中使用缓存

    org.apache.ibatis.executor.BaseExecutor#query(org.apache.ibatis.mapping.MappedStatement, java.lang.Object, org.apache.ibatis.session.RowBounds, org.apache.ibatis.session.ResultHandler, org.apache.ibatis.cache.CacheKey, org.apache.ibatis.mapping.BoundSql)
List<E> query(MappedStatement ms, Object parameter, RowBounds rowBounds, ResultHandler resultHandler, CacheKey key, BoundSql boundSql) throws SQLException {
    List<E> list;
    try {
      queryStack++;
      // == 1.先从localCache获取数据
      list = resultHandler == null ? (List<E>) localCache.getObject(key) : null;
      if (list != null) {
          handleLocallyCachedOutputParameters(ms, key, parameter, boundSql);
      } 
      // == 2.缓存中无数据，从数据库查询
      else {
          list = queryFromDatabase(ms, parameter, rowBounds, resultHandler, key, boundSql);
      }
    }

    // ## 如果scope设置成STATEMENT类型，会清理一级缓存
    if (configuration.getLocalCacheScope() == LocalCacheScope.STATEMENT) {
      // 清理缓存
      clearLocalCache();
    }
    return list;
}

    继续观察代码2位置：

    List<E> queryFromDatabase(MappedStatement ms, Object parameter, RowBounds rowBounds, ResultHandler resultHandler, CacheKey key, BoundSql boundSql) throws SQLException {
  List<E> list;
  // 缓存占位，表示正在执行
  localCache.putObject(key, EXECUTION_PLACEHOLDER);
  try {
    // == 查询DB逻辑
    list = doQuery(ms, parameter, rowBounds, resultHandler, boundSql);
  } finally {
    localCache.removeObject(key);
  }
  // == 执行结果放入一级缓存
  localCache.putObject(key, list);
  if (ms.getStatementType() == StatementType.CALLABLE) {
    localOutputParameterCache.putObject(key, parameter);
  }
  return list;
}

    综上，查询过程会向localCache中存放查询结果。
    只不过设置scope为STATEMENT时，每次都会清空缓存——这就是一级缓存失效的秘密。

    增删改清理缓存

    insert和delete方法都会执行update：

    public int insert(String statement) {
    return insert(statement, null);
}

public int delete(String statement) {
    return update(statement, null);
}

    于是观察update即可：

    int update(MappedStatement ms, Object parameter) throws SQLException {
    ErrorContext.instance().resource(ms.getResource()).activity("executing an update").object(ms.getId());
    if (closed) {
      throw new ExecutorException("Executor was closed.");
    }
    // == 清理一级缓存
    clearLocalCache();
    return doUpdate(ms, parameter);
}

    二级缓存

    二级缓存需要打开开关：

    • 第1步
    <setting name="cacheEnabled" value="STATEMENT"/>
    • 第二步

    同时在mapper.xml中增加标签

    <cache/>

    默认的，二级缓存的key是namespace，如果要引用其它命名空间的Cache配置，可以使用如下标签：

    <cache-ref namespace="xxx"/>

    CachingExecutor

    二级缓存的入口在executor创建位置：

    public Executor newExecutor(Transaction transaction, ExecutorType executorType) {
    Executor executor;
    if (ExecutorType.BATCH == executorType) {
      executor = new BatchExecutor(this, transaction);
    } else if (ExecutorType.REUSE == executorType) {
      executor = new ReuseExecutor(this, transaction);
    } else {
      // 默认创建SimpleExecutor
      executor = new SimpleExecutor(this, transaction);
    }
    if (cacheEnabled) {
      // == 开启二级缓存情况，使用装饰器模式用CachingExecutor包了一层
      executor = new CachingExecutor(executor);
    }
    return executor;
}

    观察构造器里做了什么

    // 属性互相赋值
public CachingExecutor(Executor delegate) {
  this.delegate = delegate;
  delegate.setExecutorWrapper(this);
}

    赋值后CachingExecutor和SimpleExecutor的关系如下
    image.png

    知道这一点后，我们来查看CachingExecutor的query方法：

    public <E> List<E> query(MappedStatement ms, Object parameterObject, RowBounds rowBounds, ResultHandler resultHandler) throws SQLException {
    BoundSql boundSql = ms.getBoundSql(parameterObject);
    // == 调用delegate的createCacheKey方法（前面已经分析过）
    CacheKey key = createCacheKey(ms, parameterObject, rowBounds, boundSql);
    // == 二级缓存的查询
    return query(ms, parameterObject, rowBounds, resultHandler, key, boundSql);
}

    观察query方法的实现

    public <E> List<E> query(MappedStatement ms, Object parameterObject, RowBounds rowBounds, ResultHandler resultHandler, CacheKey key, BoundSql boundSql)
      throws SQLException {
    // ## A.通过MappedStatement获取cache
    Cache cache = ms.getCache();
    if (cache != null) {
      // 缓存刷新
      flushCacheIfRequired(ms);
      if (ms.isUseCache() && resultHandler == null) {
        ensureNoOutParams(ms, boundSql);
        // -- 1.通过tcm获取查询结果
        List<E> list = (List<E>) tcm.getObject(cache, key);
        if (list == null) {
          // -- 2.tcm中无结果，通过原executor查询（一级缓存+jdbc逻辑）
          list = delegate.query(ms, parameterObject, rowBounds, resultHandler, key, boundSql);
          // -- 3.查询结果最终放入tcm中
          tcm.putObject(cache, key, list); 
        }
        return list;
      }
    }
    return delegate.query(ms, parameterObject, rowBounds, resultHandler, key, boundSql);
}

// ## B.tcm指向这里
TransactionalCacheManager tcm = new TransactionalCacheManager();

    整理逻辑很简单，但又有两个问题困扰到我

    1. 通过MappedStatement获取到的二级缓存cache（代码A位置），什么时候初始化的？
    2. 二级缓存和tcm（TransactionalCacheManager）之间有什么联系？

    二级缓存初始化

    沿着cache倒推，能追溯到Mapper解析。

    完整调用链如下（当作复习了）：

    // 创建SqlSessionFactory
org.apache.ibatis.session.SqlSessionFactoryBuilder#build(java.io.Reader, java.lang.String, java.util.Properties)
org.apache.ibatis.builder.xml.XMLConfigBuilder#parse
// configuration解析
org.apache.ibatis.builder.xml.XMLConfigBuilder#parseConfiguration
// 解析mapper
org.apache.ibatis.builder.xml.XMLConfigBuilder#mapperElement
org.apache.ibatis.builder.xml.XMLMapperBuilder#parse
org.apache.ibatis.builder.xml.XMLMapperBuilder#configurationElement{
    // == 二级缓存的配置引用（执行namespace）
    cacheRefElement(context.evalNode("cache-ref"));
    // == 二级缓存的开启
    cacheElement(context.evalNode("cache"));
}

org.apache.ibatis.builder.xml.XMLMapperBuilder#cacheElement
org.apache.ibatis.builder.MapperBuilderAssistant#useNewCache{
    // == 二级缓存创建
    Cache cache = new CacheBuilder(currentNamespace)
        // -- Cache实现是PerpetualCache
        .implementation(valueOrDefault(typeClass, PerpetualCache.class))
        // -- 包装器用了LruCache
        .addDecorator(valueOrDefault(evictionClass, LruCache.class))
        .clearInterval(flushInterval)
        .size(size)
        .readWrite(readWrite)
        .blocking(blocking)
        .properties(props)
        .build();
}

    看下二级缓存的整个装饰链（盗图）
    image.png

    SynchronizedCache -> LoggingCache -> SerializedCache -> LruCache -> PerpetualCache。

    二级缓存和TransactionalCacheManager的关系

    TransactionalCacheManager类：

    // ## 维护一个map，key是Cache，value是TransactionalCache
Map<Cache, TransactionalCache> transactionalCaches = new HashMap<>();

public Object getObject(Cache cache, CacheKey key) {
    
           // ## 1.此方法会在transactionalCaches中建立k-v关系
    return getTransactionalCache(cache)
                ⬇⬇⬇⬇⬇⬇
                transactionalCaches.computeIfAbsent(cache, TransactionalCache::new);
            
            // == 2.从二级缓存中获取
            .getObject(key);
}

    再观察TransactionalCache

    // == 二级缓存
private final Cache delegate;
// == 二级缓存清理标记
private boolean clearOnCommit;

// ####   以下两个集合可以理解为用来存放临时数据   ####
// == 等事务提交时，需要加入二级缓存的对象
private final Map<Object, Object> entriesToAddOnCommit;
// == 二级缓存中不存在的对象key
private final Set<Object> entriesMissedInCache;

public void putObject(Object key, Object object) {
    // 对象记录到entriesToAddOnCommit中
    entriesToAddOnCommit.put(key, object);
}

public Object getObject(Object key) {
    // 从二级缓存获取
    Object object = delegate.getObject(key);
    if (object == null) {
      // 二级缓存中不存在，在entriesMissedInCache记录key
      entriesMissedInCache.add(key);
    }
}

    这里能够看出，二级缓存和Transaction（事务）有很深的纠葛。
    那么具体有什么纠葛？

    • 事务提交

    观察TransactionManager的commit方法：

    org.apache.ibatis.cache.TransactionalCacheManager#commit
org.apache.ibatis.cache.decorators.TransactionalCache#commit
public void commit() {
    // == 刷新对象
    flushPendingEntries();
}

private void flushPendingEntries() {
    for (Map.Entry<Object, Object> entry : entriesToAddOnCommit.entrySet()) {
      // == 对象从entriesToAddOnCommit刷新到二级缓存中
      delegate.putObject(entry.getKey(), entry.getValue());
    }
}

    此处能证明，事务提交时对象从一个临时集合entriesToAddOnCommit刷新至二级缓存。

    • 事务回滚

    再观察回滚方法

    org.apache.ibatis.cache.decorators.TransactionalCache#rollback
public void rollback() {
    unlockMissedEntries();
    // == 重置，将临时集合数据清理
    reset();
}

private void reset() {
  clearOnCommit = false;
  entriesToAddOnCommit.clear();
  entriesMissedInCache.clear();
}

    附录

    P6-P7知识合辑

    源码分析mybatisjava
    青鱼
    268 声望25 粉丝

    山就在那里，每走一步就近一些

    « 上一篇
    mybatis框架（上）：主流程分析
    下一篇 »
    mybatis和springboot整合

    引用和评论

    推荐阅读
    头像
    线上数据库链接打满问题排查

    青鱼阅读 199

    头像
    在Java程序中监听mysql的binlog

    huan1993赞 11阅读 1.9k

    头像
    Jerry和您聊聊Chrome开发者工具

    注销赞 9阅读 4.5k评论 3

    头像
    Bitmap 和 布隆过滤器傻傻分不清？你这不应该啊

    程序员小富赞 8阅读 1.6k评论 1

    头像
    Just for fun——迅速写完快速排序

    ufdf赞 3阅读 2.6k

    头像
    Spring 实现 3 种异步流式接口，干掉接口超时烦恼

    程序员小富赞 5阅读 1.7k

    头像
    💢线上高延迟请求排查

    crossoverJie赞 6阅读 802评论 5

    0 条评论
    得票最新