MyBatis 缓存机制深度解剖 / 自定义二级缓存

缓存概述

• 正如大多数持久层框架一样，MyBatis 同样提供了一级缓存和二级缓存的支持；
• 一级缓存基于 PerpetualCache 的 HashMap 本地缓存，其存储作用域为 Session，当 Session flush 或 close 之后，该Session中的所有 Cache 就将清空。
• 二级缓存与一级缓存其机制相同，默认也是采用 PerpetualCache，HashMap存储，不同在于其存储作用域为 Mapper(Namespace)，并且可自定义存储源，如 Ehcache、Hazelcast等。
• 对于缓存数据更新机制，当某一个作用域(一级缓存Session/二级缓存Namespaces)的进行了 C/U/D 操作后，默认该作用域下所有 select 中的缓存将被clear。
• MyBatis 的缓存采用了delegate机制 及 装饰器模式设计，当put、get、remove时，其中会经过多层 delegate cache 处理，其Cache类别有：BaseCache(基础缓存)、EvictionCache(排除算法缓存) 、DecoratorCache(装饰器缓存)：
          BaseCache         ：为缓存数据最终存储的处理类，默认为 PerpetualCache，基于Map存储；可自定义存储处理，如基于EhCache、Memcached等；
          EvictionCache    ：当缓存数量达到一定大小后，将通过算法对缓存数据进行清除。默认采用 Lru 算法(LruCache)，提供有 fifo 算法(FifoCache)等；
          DecoratorCache：缓存put/get处理前后的装饰器，如使用 LoggingCache 输出缓存命中日志信息、使用 SerializedCache 对 Cache的数据 put或get 进行序列化及反序列化处理、当设置flushInterval(默认1/h)后，则使用 ScheduledCache 对缓存数据进行定时刷新等。
• 一般缓存框架的数据结构基本上都是 Key-Value 方式存储，MyBatis 对于其 Key 的生成采取规则为：[hashcode : checksum : mappedStementId : offset : limit : executeSql : queryParams]。
• 对于并发 Read/Write 时缓存数据的同步问题，MyBatis 默认基于 JDK/concurrent中的ReadWriteLock，使用 ReentrantReadWriteLock 的实现，从而通过 Lock 机制防止在并发 Write Cache 过程中线程安全问题。

源码剖解
接下来将结合 MyBatis 序列图进行源码分析。在分析其Cache前，先看看其整个处理过程。
执行过程:

① 通常情况下，我们需要在 Service 层调用 Mapper Interface 中的方法实现对数据库的操作，上述根据产品 ID 获取 Product 对象。
② 当调用 ProductMapper 时中的方法时，其实这里所调用的是 MapperProxy 中的方法，并且 MapperProxy已经将将所有方法拦截，其具体原理及分析，参考 MyBatis+Spring基于接口编程的原理分析，其 invoke 方法代码为：

//当调用 Mapper 所有的方法时，将都交由Proxy 中的 invoke 处理：
public Object invoke(Object proxy, Method method, Object[] args) throws Throwable {
    try {
      if (!OBJECT_METHODS.contains(method.getName())) {
        final Class declaringInterface = findDeclaringInterface(proxy, method);
        // 最终交由 MapperMethod 类处理数据库操作，初始化 MapperMethod 对象
        final MapperMethod mapperMethod = new MapperMethod(declaringInterface, method, sqlSession);
        // 执行 mapper method，返回执行结果 
        final Object result = mapperMethod.execute(args);
        ....
        return result;
      }
    } catch (SQLException e) {
      e.printStackTrace();
    }
    return null;
  }

③其中的 mapperMethod 中的 execute  方法代码如下：

public Object execute(Object[] args) throws SQLException {
    Object result;
    // 根据不同的操作类别，调用 DefaultSqlSession 中的执行处理
    if (SqlCommandType.INSERT == type) {
      Object param = getParam(args);
      result = sqlSession.insert(commandName, param);
    } else if (SqlCommandType.UPDATE == type) {
      Object param = getParam(args);
      result = sqlSession.update(commandName, param);
    } else if (SqlCommandType.DELETE == type) {
      Object param = getParam(args);
      result = sqlSession.delete(commandName, param);
    } else if (SqlCommandType.SELECT == type) {
      if (returnsList) {
        result = executeForList(args);
      } else {
        Object param = getParam(args);
        result = sqlSession.selectOne(commandName, param);
      }
    } else {
      throw new BindingException("Unkown execution method for: " + commandName);
    }
    return result;
  }

由于这里是根据 ID 进行查询，所以最终调用为 sqlSession.selectOne函数。也就是接下来的的 DefaultSqlSession.selectOne 执行；
④ ⑤ 可以在 DefaultSqlSession 看到，其 selectOne 调用了 selectList 方法：

public Object selectOne(String statement, Object parameter) {
    List list = selectList(statement, parameter);
    if (list.size() == 1) {
      return list.get(0);
    } 
    ...
}

public List selectList(String statement, Object parameter, RowBounds rowBounds) {
    try {
      MappedStatement ms = configuration.getMappedStatement(statement);
      // 如果启动用了Cache 才调用 CachingExecutor.query，反之则使用 BaseExcutor.query 进行数据库查询 
      return executor.query(ms, wrapCollection(parameter), rowBounds, Executor.NO_RESULT_HANDLER);
    } catch (Exception e) {
      throw ExceptionFactory.wrapException("Error querying database.  Cause: " + e, e);
    } finally {
      ErrorContext.instance().reset();
    }
}

⑥到这里，已经执行到具体数据查询的流程，在分析 CachingExcutor.query 前，先看看 MyBatis 中 Executor 的结构及构建过程。


执行器(Executor):
Executor:  执行器接口。也是最终执行数据获取及更新的实例。其类结构如下：

BaseExecutor: 基础执行器抽象类。实现一些通用方法，如createCacheKey 之类。并且采用 模板模式 将具体的数据库操作逻辑(doUpdate、doQuery)交由子类实现。另外，可以看到变量 localCache: PerpetualCache，在该类采用 PerpetualCache 实现基于 Map 存储的一级缓存，其 query 方法如下：

public List query(MappedStatement ms, Object parameter, RowBounds rowBounds, ResultHandler resultHandler) throws SQLException {
    ErrorContext.instance().resource(ms.getResource()).activity("executing a query").object(ms.getId());
    // 执行器已关闭
    if (closed) throw new ExecutorException("Executor was closed.");
    List list;
    try {
      queryStack++; 
      // 创建缓存Key
      CacheKey key = createCacheKey(ms, parameter, rowBounds); 
      // 从本地缓存在中获取该 key 所对应 的结果集
      final List cachedList = (List) localCache.getObject(key); 
      // 在缓存中找到数据
      if (cachedList != null) { 
        list = cachedList;
      } else { // 未从本地缓存中找到数据，开始调用数据库查询
        //为该 key 添加一个占位标记
        localCache.putObject(key, EXECUTION_PLACEHOLDER); 
        try {
          // 执行子类所实现的数据库查询 操作
          list = doQuery(ms, parameter, rowBounds, resultHandler); 
        } finally {
          // 删除该 key 的占位标记
          localCache.removeObject(key);
        }
        // 将db中的数据添加至本地缓存中
        localCache.putObject(key, list);
      }
    } finally {
      queryStack--;
    }
    // 刷新当前队列中的所有 DeferredLoad实例，更新 MateObject
    if (queryStack == 0) { 
      for (DeferredLoad deferredLoad : deferredLoads) {
        deferredLoad.load();
      }
    }
    return list;
  }

BatchExcutor、ReuseExcutor、 SimpleExcutor: 这几个就没什么好说的了，继承了 BaseExcutor 的实现其 doQuery、doUpdate 等方法，同样都是采用 JDBC 对数据库进行操作；三者区别在于，批量执行、重用 Statement 执行、普通方式执行。具体应用及场景在Mybatis 的文档上都有详细说明。

CachingExecutor: 二级缓存执行器。个人觉得这里设计的不错，灵活地使用 delegate机制。其委托执行的类是 BaseExcutor。 当无法从二级缓存获取数据时，同样需要从 DB 中进行查询，于是在这里可以直接委托给 BaseExcutor 进行查询。其大概流程为：

流程为： 从二级缓存中进行查询 -> [如果缓存中没有，委托给 BaseExecutor] -> 进入一级缓存中查询 -> [如果也没有] -> 则执行 JDBC 查询，其 query 代码如下：

public List query(MappedStatement ms, Object parameterObject, RowBounds rowBounds, ResultHandler resultHandler) throws SQLException {
    if (ms != null) {
      // 获取二级缓存实例
      Cache cache = ms.getCache();
      if (cache != null) {
        flushCacheIfRequired(ms);
        // 获取 读锁( Read锁可由多个Read线程同时保持)
        cache.getReadWriteLock().readLock().lock();
        try {
          // 当前 Statement 是否启用了二级缓存
          if (ms.isUseCache()) {
            // 将创建 cache key 委托给 BaseExecutor 创建
            CacheKey key = createCacheKey(ms, parameterObject, rowBounds);
            final List cachedList = (List) cache.getObject(key);
            // 从二级缓存中找到缓存数据
            if (cachedList != null) {
              return cachedList;
            } else {
              // 未找到缓存，很委托给 BaseExecutor 执行查询
              List list = delegate.query(ms, parameterObject, rowBounds, resultHandler);
              tcm.putObject(cache, key, list);
              return list;
            }
          } else { // 没有启动用二级缓存，直接委托给 BaseExecutor 执行查询 
            return delegate.query(ms, parameterObject, rowBounds, resultHandler);
          }
        } finally {
          // 当前线程释放 Read 锁
          cache.getReadWriteLock().readLock().unlock();
        }
      }
    }
    return delegate.query(ms, parameterObject, rowBounds, resultHandler);
}

至此，已经完完了整个缓存执行器的整个流程分析，接下来是对缓存的 缓存数据管理实例进行分析，也就是其 Cache 接口，用于对缓存数据 put 、get及remove的实例对象。


Cache 委托链构建:
正如最开始的缓存概述所描述道，其缓存类的设计采用 装饰模式，基于委托的调用机制。
缓存实例构建：
缓存实例的构建 ，Mybatis 在解析其 Mapper 配置文件时就已经将该实现初始化，在 org.apache.ibatis.builder.xml.XMLMapperBuilder 类中可以看到：

private void cacheElement(XNode context) throws Exception {
    if (context != null) {
      // 基础缓存类型
      String type = context.getStringAttribute("type", "PERPETUAL");
      Class typeClass = typeAliasRegistry.resolveAlias(type);
      // 排除算法缓存类型
      String eviction = context.getStringAttribute("eviction", "LRU");
      Class evictionClass = typeAliasRegistry.resolveAlias(eviction);
      // 缓存自动刷新时间
      Long flushInterval = context.getLongAttribute("flushInterval");
      // 缓存存储实例引用的大小
      Integer size = context.getIntAttribute("size");
      // 是否是只读缓存
      boolean readWrite = !context.getBooleanAttribute("readOnly", false);
      Properties props = context.getChildrenAsProperties();
      // 初始化缓存实现
      builderAssistant.useNewCache(typeClass, evictionClass, flushInterval, size, readWrite, props);
    }
  }

以下是  useNewCache 方法实现：

public Cache useNewCache(Class typeClass,
                           Class evictionClass,
                           Long flushInterval,
                           Integer size,
                           boolean readWrite,
                           Properties props) {
    typeClass = valueOrDefault(typeClass, PerpetualCache.class);
    evictionClass = valueOrDefault(evictionClass, LruCache.class);
    // 这里构建 Cache 实例采用 Builder 模式，每一个 Namespace 生成一个  Cache 实例
    Cache cache = new CacheBuilder(currentNamespace)
        // Builder 前设置一些从XML中解析过来的参数
        .implementation(typeClass)
        .addDecorator(evictionClass)
        .clearInterval(flushInterval)
        .size(size)
        .readWrite(readWrite)
        .properties(props)
        // 再看下面的 build 方法实现
        .build();
    configuration.addCache(cache);
    currentCache = cache;
    return cache;
}

public Cache build() {
    setDefaultImplementations();
    // 创建基础缓存实例
    Cache cache = newBaseCacheInstance(implementation, id);
    setCacheProperties(cache);
    // 缓存排除算法初始化，并将其委托至基础缓存中
    for (Class<? extends Cache> decorator : decorators) {
      cache = newCacheDecoratorInstance(decorator, cache);
      setCacheProperties(cache);
    }
    // 标准装饰器缓存设置，如LoggingCache之类，同样将其委托至基础缓存中
    cache = setStandardDecorators(cache);
    // 返回最终缓存的责任链对象
    return cache;
}

最终生成后的缓存实例对象结构：

可见，所有构建的缓存实例已经通过责任链方式将其串连在一起，各 Cache 各负其责、依次调用，直到缓存数据被 Put 至 基础缓存实例中存储。


Cache 实例解剖:
实例类：SynchronizedCache
说   明：用于控制 ReadWriteLock，避免并发时所产生的线程安全问题。
解   剖：
对于 Lock 机制来说，其分为 Read 和 Write 锁，其 Read 锁允许多个线程同时持有，而 Write 锁，一次能被一个线程持有，如果当 Write 锁没有释放，其它需要 Write 的线程只能等待其释放才能去持有。
其代码实现：

public void putObject(Object key, Object object) {
    acquireWriteLock();  // 获取 Write 锁
    try {
      delegate.putObject(key, object); // 委托给下一个 Cache 执行 put 操作
    } finally {
      releaseWriteLock(); // 释放 Write 锁
    }
  }

对于 Read 数据来说，也是如此，不同的是 Read 锁允许多线程同时持有 :

public Object getObject(Object key) {
    acquireReadLock();
    try {
      return delegate.getObject(key);
    } finally {
      releaseReadLock();
    }
  }

其具体原理可以看看 jdk concurrent 中的 ReadWriteLock 实现。


实例类：LoggingCache
说   明：用于日志记录处理，主要输出缓存命中率信息。
解   剖：
说到缓存命中信息的统计，只有在 get 的时候才需要统计命中率：

public Object getObject(Object key) {
    requests++; // 每调用一次该方法，则获取次数+1
    final Object value = delegate.getObject(key);
    if (value != null) {  // 命中！ 命中+1
      hits++;
    }
    if (log.isDebugEnabled()) {
      // 输出命中率。计算方法为： hits / requets 则为命中率
      log.debug("Cache Hit Ratio [" + getId() + "]: " + getHitRatio());
    }
    return value;
}

实例类：SerializedCache
说   明：向缓存中 put 或 get 数据时的序列化及反序列化处理。
解   剖：
序列化在Java里面已经是最基础的东西了，这里也没有什么特殊之处：

public void putObject(Object key, Object object) {
     // PO 类需要实现 Serializable 接口
    if (object == null || object instanceof Serializable) {
      delegate.putObject(key, serialize((Serializable) object)); 
    } else {
      throw new CacheException("SharedCache failed to make a copy of a non-serializable object: " + object);
    }
  }

  public Object getObject(Object key) {
    Object object = delegate.getObject(key);
    // 获取数据时对 byte数据进行反序列化
    return object == null ? null : deserialize((byte[]) object);
  }

其 serialize 及 deserialize 代码就不必要贴了。


实例类：LruCache
说   明：最近最少使用的:移除最长时间不被使用的对象，基于LRU算法。
解   剖：
这里的 LRU 算法基于 LinkedHashMap 覆盖其 removeEldestEntry 方法实现。好象之前看过 XMemcached 的 LRU 算法也是这样实现的。
初始化 LinkedHashMap，默认为大小为 1024 个元素：

public LruCache(Cache delegate) {
    this.delegate = delegate;
    setSize(1024); // 设置 map 默认大小
}
public void setSize(final int size) {
    // 设置其 capacity 为size, 其 factor 为.75F
    keyMap = new LinkedHashMap(size, .75F, true) {
      // 覆盖该方法，当每次往该map 中put 时数据时，如该方法返回 True，便移除该map中使用最少的Entry
      // 其参数  eldest 为当前最老的  Entry
      protected boolean removeEldestEntry(Map.Entry eldest) {
        boolean tooBig = size() > size;
        if (tooBig) {
          eldestKey = eldest.getKey(); //记录当前最老的缓存数据的 Key 值，因为要委托给下一个 Cache 实现删除
        }
        return tooBig;
      }
    };
  }

public void putObject(Object key, Object value) {
    delegate.putObject(key, value);
    cycleKeyList(key);  // 每次 put 后，调用移除最老的 key
}
// 看看当前实现是否有 eldestKey, 有的话就调用 removeObject ，将该key从cache中移除
private void cycleKeyList(Object key) {
    keyMap.put(key, key); // 存储当前 put 到cache中的 key 值
    if (eldestKey != null) {
      delegate.removeObject(eldestKey);
      eldestKey = null;
    }
  }

public Object getObject(Object key) {
    keyMap.get(key); // 便于 该 Map 统计 get该key的次数
    return delegate.getObject(key);
  }

实例类：PerpetualCache
说   明：这个比较简单，直接通过一个 HashMap 来存储缓存数据。所以没什么说的，直接看下面的 MemcachedCache 吧。


自定义二级缓存/Memcached
其自定义二级缓存也较为简单，它本身默认提供了对 Ehcache 及 Hazelcast 的缓存支持：Mybatis-Cache，我这里参考它们的实现，自定义了针对 Memcached 的缓存支持，其代码如下:

package com.xx.core.plugin.mybatis;

import java.util.LinkedList;
import java.util.concurrent.locks.ReadWriteLock;
import java.util.concurrent.locks.ReentrantReadWriteLock;

import org.apache.ibatis.cache.Cache;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import com.xx.core.memcached.JMemcachedClientAdapter;
import com.xx.core.memcached.service.CacheService;
import com.xx.core.memcached.service.MemcachedService;

/**
 * Cache adapter for Memcached.
 * 
 * @author denger
 */
public class MemcachedCache implements Cache {

	// Sf4j logger reference
	private static Logger logger = LoggerFactory.getLogger(MemcachedCache.class);

	/** The cache service reference. */
	protected static final CacheService CACHE_SERVICE = createMemcachedService();

	/** The ReadWriteLock. */
	private final ReadWriteLock readWriteLock = new ReentrantReadWriteLock();

	private String id;
	private LinkedList<String> cacheKeys = new LinkedList<String>();

	public MemcachedCache(String id) {
		this.id = id;
	}
	// 创建缓存服务类，基于java-memcached-client
	protected static CacheService createMemcachedService() {
		JMemcachedClientAdapter memcachedAdapter;

		try {
			memcachedAdapter = new JMemcachedClientAdapter();
		} catch (Exception e) {
			String msg = "Initial the JMmemcachedClientAdapter Error.";
			logger.error(msg, e);
			throw new RuntimeException(msg);
		}
		return new MemcachedService(memcachedAdapter);
	}

	@Override
	public String getId() {
		return this.id;
	}

	// 根据 key 从缓存中获取数据
	@Override
	public Object getObject(Object key) {
		String cacheKey = String.valueOf(key.hashCode());
		Object value = CACHE_SERVICE.get(cacheKey);
		if (!cacheKeys.contains(cacheKey)){
			cacheKeys.add(cacheKey);
		}
		return value;
	}

	@Override
	public ReadWriteLock getReadWriteLock() {
		return this.readWriteLock;
	}

	// 设置数据至缓存中
	@Override
	public void putObject(Object key, Object value) {
		String cacheKey = String.valueOf(key.hashCode());

		if (!cacheKeys.contains(cacheKey)){
			cacheKeys.add(cacheKey);
		}
		CACHE_SERVICE.put(cacheKey, value);
	}
	// 从缓存中删除指定 key 数据
	@Override
	public Object removeObject(Object key) {
		String cacheKey = String.valueOf(key.hashCode());

		cacheKeys.remove(cacheKey);
		return CACHE_SERVICE.delete(cacheKey);
	}
	//清空当前 Cache 实例中的所有缓存数据
	@Override
	public void clear() {
		for (int i = 0; i < cacheKeys.size(); i++){
			String cacheKey = cacheKeys.get(i);
			CACHE_SERVICE.delete(cacheKey);
		}
		cacheKeys.clear();
	}

	@Override
	public int getSize() {
		return cacheKeys.size();
	}
}

在  ProductMapper 中增加配置：

<cache eviction="LRU" type="com.xx.core.plugin.mybatis.MemcachedCache" />

启动Memcached:

memcached -c 2000 -p 11211 -vv -U 0 -l 192.168.1.2 -v

执行Mapper 中的查询、修改等操作，Test:

@Test
	public void testSelectById() {
		Long pid = 100L;

		Product dbProduct = productMapper.selectByID(pid);
		Assert.assertNotNull(dbProduct);

		Product cacheProduct = productMapper.selectByID(pid);
		Assert.assertNotNull(cacheProduct);

		productMapper.updateName("IPad", pid);

		Product product = productMapper.selectByID(pid);
		Assert.assertEquals(product.getName(), "IPad");
	}

Memcached Loging:

看上去没什么问题~ OK了。

若多台Memcached服务器，MemcachedCache.getSize()有问题

这涉及到Memcached服务哭这间的同步问题，不清楚同步机制用的是什么，我项目中用的是ehcache, 每台服务哭通过JMS来同步缓存。

若多台Memcached服务器，MemcachedCache.getSize()有问题