Redisson项目中禁用缓存机制的技术方案
2025-05-09 23:05:47作者:胡唯隽
在使用Spring Boot集成Hibernate的应用中,开发者经常会遇到多种缓存机制并存导致的冲突问题。本文将以Redisson与EhCache的典型冲突为例,深入分析解决方案。
问题背景
当项目同时使用EhCache和Redisson时,系统会抛出javax.cache.CacheException: Multiple CachingProviders异常。这是因为JCache规范要求运行时环境中只能存在一个有效的CachingProvider实现,而Redisson默认会注册自己的缓存提供者。
技术原理
Redisson通过SPI机制自动注册缓存提供者。在jar包的META-INF/services/javax.cache.spi.CachingProvider文件中定义了其缓存提供者实现类。这种设计符合JCache标准,但在需要禁用Redisson缓存功能时会带来挑战。
解决方案
方案一:移除SPI配置文件
- 定位Redisson jar包中的
META-INF/services/javax.cache.spi.CachingProvider文件 - 在构建过程中通过以下方式排除:
- Maven项目:使用maven-shade-plugin的
transformers配置 - Gradle项目:配置jar任务过滤该文件
- Maven项目:使用maven-shade-plugin的
- 或者直接修改jar包删除该文件
方案二:显式指定缓存提供者
在应用启动时通过系统属性明确指定使用EhCache:
System.setProperty("javax.cache.spi.CachingProvider", "org.ehcache.jsr107.EhcacheCachingProvider");
方案三:使用特定配置
如果仅需Redisson的分布式功能而不需要其缓存:
- 确保不启用
redisson-spring-cache模块 - 检查配置中未包含任何与JCache相关的配置项
最佳实践建议
- 在Spring Boot应用中,优先考虑使用
@EnableCaching配合明确的缓存管理器配置 - 进行依赖管理时,确保只引入必要的缓存实现
- 在微服务架构中,可以考虑将缓存功能与数据访问层分离
注意事项
修改jar文件可能影响后续升级维护,建议采用构建时处理的方式。同时需要注意,某些Redisson高级功能可能依赖其缓存机制,禁用前应充分测试各项功能。
通过以上方案,开发者可以灵活控制Redisson的缓存行为,实现与EhCache等其它缓存框架的和平共处。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137