JetCache中@Cached注解在接口方法上使用SpEL表达式失效问题解析
2025-06-07 13:28:53作者:管翌锬
问题现象
在使用JetCache框架时,开发者发现当@Cached注解应用于接口方法并配合SpEL表达式作为key时,缓存功能会失效。具体表现为:
- 当注解定义在接口方法上,并且使用了形如
key = "#userId"的SpEL表达式时,每次调用都会穿透缓存直接访问方法体 - 同样的注解配置如果移动到实现类方法上,则缓存功能正常工作
- 如果在接口方法上不使用SpEL表达式,仅使用默认key生成策略,缓存也能正常工作
根本原因
经过分析,这个问题与Java编译参数密切相关。当使用SpEL表达式引用方法参数时(如#userId),JetCache需要能够获取方法的参数名称信息。而Java编译器默认不会保留方法参数名称,除非显式指定-parameters编译选项。
在接口和实现类表现不同的原因可能是:
- 接口和实现类可能使用了不同的编译设置
- IDE(如IntelliJ IDEA)可能对实现类有特殊处理,默认保留了参数名称信息
- 项目构建工具(如Maven/Gradle)可能对接口和实现类应用了不同的编译配置
解决方案
要解决这个问题,需要确保编译时保留了方法参数名称信息。具体方法如下:
1. 使用-parameters编译选项
在Java编译时添加-parameters参数,这会保留方法参数名称信息。不同构建工具的配置方式:
Maven配置:
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<configuration>
<compilerArgs>
<arg>-parameters</arg>
</compilerArgs>
</configuration>
</plugin>
Gradle配置:
tasks.withType(JavaCompile) {
options.compilerArgs << '-parameters'
}
2. 统一编译环境
确保接口和实现类使用相同的编译设置,避免因编译环境不一致导致的行为差异。
3. 替代方案
如果无法修改编译参数,可以考虑:
- 将
@Cached注解移动到实现类方法上 - 使用参数索引代替参数名称(如
#p0表示第一个参数) - 使用默认的key生成策略,不自定义SpEL表达式
最佳实践
- 统一编译配置:项目中的所有Java类应使用相同的编译参数,特别是涉及AOP和注解处理的场景
- 参数命名规范:保持接口和实现类的方法参数名称一致
- 编译参数检查:在CI/CD流程中加入检查,确保编译参数正确设置
- 测试验证:添加缓存功能的单元测试,验证不同场景下的缓存行为
技术背景
Java 8引入了-parameters编译选项,允许编译器将方法参数名称信息保留在class文件中。这对于依赖参数名称的框架(如Spring、JetCache等)非常重要。当没有这个信息时,框架只能通过参数索引访问参数,而无法通过参数名称进行匹配。
JetCache在处理@Cached注解时,会解析SpEL表达式中的参数引用。如果无法获取参数名称信息,表达式解析就会失败,导致缓存功能失效。这就是为什么在接口方法上使用SpEL表达式时需要特别注意编译参数的原因。
总结
JetCache作为阿里巴巴开源的缓存框架,提供了强大的注解驱动缓存功能。在使用@Cached注解时,特别是当注解应用于接口方法并配合SpEL表达式时,务必确保编译时保留了方法参数名称信息。通过正确配置-parameters编译选项,可以避免这类问题的发生,确保缓存功能按预期工作。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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