Mybatis Cache探究

 

这里先不讨论第三方的cache集成（有memcache/oscache集成，控制力度跟下面说的一样比较粗，也可以跟spring3的cache做集成， spring3的cache是基于方法的缓存,具体可以在github找一下Spring MyBatis Memcached Bootstrap）。

 

先使用最简单的配置cache，比较粗放：

 

一，官方手册

http://mybatis.github.io/mybatis-3/zh/sqlmap-xml.html#cache

<cache/>

字面上看就是这样。这个简单语句的效果如下:

• 映射语句文件中的所有 select 语句将会被缓存。
• 映射语句文件中的所有 insert,update 和 delete 语句会刷新缓存。
• 缓存会使用 Least Recently Used(LRU,最近最少使用的)算法来收回。
• 根据时间表(比如 no Flush Interval,没有刷新间隔), 缓存不会以任何时间顺序 来刷新。
• 缓存会存储列表集合或对象(无论查询方法返回什么)的 1024 个引用。
• 缓存会被视为是 read/write(可读/可写)的缓存,意味着对象检索不是共享的,而 且可以安全地被调用者修改,而不干扰其他调用者或线程所做的潜在修改。

所有的这些属性都可以通过缓存元素的属性来修改。比如:

 

<cache
  eviction="FIFO"
  flushInterval="60000"
  size="512"
  readOnly="true"/>

 

 

最重要的是readonly=ture， 说明cache对象只读，update的时候，cache不会更新！那么换个角度来说，

其实代表了发生任何insert，update，delete操作的时候，会全量清理cache数据，确保一致性。

 

如果readonly=false的时候，就比较好玩了，更新数据会写入新的cache，并且DO对象要实现序列化

[08/22 11:58:27][main] DEBUG org.apache.ibatis.cache.decorators.LoggingCache55: Cache Hit Ratio [com.xx.dao.UserMapper]: 0.25

 

[08/22 11:58:27][main] DEBUG org.springframework.jdbc.datasource.DataSourceUtils110: Fetching JDBC Connection from DataSource

 

二。测试代码

 

  流程是：

1.select id= 10035L，10036L的，数据

2.立即再查询10035L，cache命中

3.更新10035L数据

4.再查询10036L，cache未能命中

 

也就是说cache是全量清理的

 

/**
 * 测试cache的读取和更新
 * @author weisong
 *
 */
public class MybatisCacheTest {
	public static void main(String[] args) {
		ApplicationContext ac = new ClassPathXmlApplicationContext("spring-core.xml","spring-task.xml","spring-jms.xml");
		UserMapper u = (UserMapper)ac.getBean("userMapper");
		User u0 = u.selectByPrimaryKey(10035L);  //sql
		System.out.println("u0-name="+u0.getNickname());
		User u00 = u.selectByPrimaryKey(10035L); //cache here! DEBUG org.apache.ibatis.cache.decorators.LoggingCache55: Cache Hit Ratio [com.xx.dao.UserMapper]: 0.0
		System.out.println("u00(cache)-name="+u00.getNickname());

		User u1 = u.selectByPrimaryKey(10036L);
		u0.setNickname("wei");
		u.updateByPrimaryKey(u0); //update here
		
		User u01 = u.selectByPrimaryKey(10035L);
		System.out.println("u01-name="+u01.getNickname()); //should no cache, next will cache

		User u11 = u.selectByPrimaryKey(10036L);
		System.out.println("u11-name="+u11.getNickname()); //!!!sql , no cache here

		
	}
}

 

 

展开来继续说：

1.默然cache非常适合读多写少的小数据量级表；大数据量级很有可能cache重建的时候直接雪崩