JeecgBoot项目中实现Redis缓存差异化过期时间的配置方法
在基于Spring Boot的企业级开发框架JeecgBoot中,缓存机制是提升系统性能的重要手段。默认情况下,JeecgBoot通过RedisConfig配置类对所有缓存键设置了统一的6小时过期时间,这在某些业务场景下可能不够灵活。本文将详细介绍如何实现不同缓存键设置不同过期时间的解决方案。
默认缓存配置分析
JeecgBoot框架默认的Redis缓存配置位于org.jeecg.common.modules.redis.config.RedisConfig类中。该配置类通过@Bean注解创建了一个RedisCacheManager实例,并设置了全局的缓存过期时间。这种统一配置的方式虽然简单,但缺乏对不同业务场景的针对性支持。
自定义缓存过期时间方案
要实现不同缓存键的差异化过期时间配置,可以通过以下几种方式:
方案一:自定义RedisCacheManager
开发者可以创建自定义的RedisCacheConfiguration,为不同的缓存名称指定不同的过期时间。具体实现步骤如下:
- 创建自定义配置类继承RedisConfig
- 重写cacheManager方法
- 使用RedisCacheConfiguration.defaultCacheConfig()构建基础配置
- 为每个需要特殊过期时间的缓存名称创建独立配置
示例代码:
@Bean
public RedisCacheManager cacheManager(RedisConnectionFactory redisConnectionFactory) {
Map<String, RedisCacheConfiguration> cacheConfigurations = new HashMap<>();
// 为user缓存设置30分钟过期
cacheConfigurations.put("user",
RedisCacheConfiguration.defaultCacheConfig()
.entryTtl(Duration.ofMinutes(30)));
// 为product缓存设置24小时过期
cacheConfigurations.put("product",
RedisCacheConfiguration.defaultCacheConfig()
.entryTtl(Duration.ofHours(24)));
return RedisCacheManager.builder(redisConnectionFactory)
.withInitialCacheConfigurations(cacheConfigurations)
.build();
}
方案二:使用注解动态设置
对于需要更细粒度控制的场景,可以在业务代码中通过注解动态设置过期时间:
@Cacheable(value = "shortTermCache", key = "#id")
public Object getWithShortExpiration(String id) {
// 业务逻辑
}
@Cacheable(value = "longTermCache", key = "#id")
public Object getWithLongExpiration(String id) {
// 业务逻辑
}
然后在配置中分别为shortTermCache和longTermCache设置不同的过期时间。
最佳实践建议
-
业务分类:根据业务重要性将缓存分为关键业务缓存、普通业务缓存和临时缓存三类,分别设置不同的过期时间。
-
时间梯度:建议采用阶梯式过期时间策略,如:
- 高频访问数据:10-30分钟
- 普通业务数据:2-6小时
- 基础数据:24小时
- 配置数据:可设置更长或永不过期
-
监控调整:在实际运行中监控缓存命中率,根据实际情况调整过期时间。
-
命名规范:建议为缓存键设计清晰的命名规范,便于管理和维护。
注意事项
-
过度细化的过期时间配置会增加系统复杂度,需权衡业务需求和维护成本。
-
在分布式环境下,确保所有节点的缓存配置一致。
-
对于特别敏感的数据,建议设置较短的过期时间或实现主动失效机制。
通过以上方法,开发者可以在JeecgBoot项目中灵活地为不同业务数据设置最适合的缓存过期时间,在保证系统性能的同时,也能满足各种业务场景的特殊需求。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0131- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00