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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00