Caffeine Cache-高性能Java本地缓存组件

时间 2021-01-12

标签 java git github web 正则表达式 redis 算法 spring 数据库 apache 栏目 Java 繁體版

原文原文链接

前面刚说到Guava Cache，他的优势是封装了get，put操做；提供线程安全的缓存操做；提供过时策略；提供回收策略；缓存监控。当缓存的数据超过最大值时，使用LRU算法替换。这一篇咱们将要谈到一个新的本地缓存框架：Caffeine Cache。它也是站在巨人的肩膀上-Guava Cache，借着他的思想优化了算法发展而来。java

本篇博文主要介绍Caffine Cache 的使用方式，以及Caffine Cache在SpringBoot中的使用。git

1. Caffine Cache 在算法上的优势-W-TinyLFU

说到优化，Caffine Cache到底优化了什么呢？咱们刚提到过LRU，常见的缓存淘汰算法还有FIFO，LFU：github

FIFO：先进先出，在这种淘汰算法中，先进入缓存的会先被淘汰，会致使命中率很低。
LRU：最近最少使用算法，每次访问数据都会将其放在咱们的队尾，若是须要淘汰数据，就只须要淘汰队首便可。仍然有个问题，若是有个数据在 1 分钟访问了 1000次，再后 1 分钟没有访问这个数据，可是有其余的数据访问，就致使了咱们这个热点数据被淘汰。
LFU：最近最少频率使用，利用额外的空间记录每一个数据的使用频率，而后选出频率最低进行淘汰。这样就避免了 LRU 不能处理时间段的问题。

上面三种策略各有利弊，实现的成本也是一个比一个高，同时命中率也是一个比一个好。Guava Cache虽然有这么多的功能，可是本质上仍是对LRU的封装，若是有更优良的算法，而且也能提供这么多功能，相比之下就相形见绌了。web

LFU的局限性：在 LFU 中只要数据访问模式的几率分布随时间保持不变时，其命中率就能变得很是高。好比有部新剧出来了，咱们使用 LFU 给他缓存下来，这部新剧在这几天大概访问了几亿次，这个访问频率也在咱们的 LFU 中记录了几亿次。可是新剧总会过气的，好比一个月以后这个新剧的前几集其实已通过气了，可是他的访问量的确是过高了，其余的电视剧根本没法淘汰这个新剧，因此在这种模式下是有局限性。正则表达式

LRU的优势和局限性：LRU能够很好的应对突发流量的状况，由于他不须要累计数据频率。但LRU经过历史数据来预测将来是局限的，它会认为最后到来的数据是最可能被再次访问的，从而给与它最高的优先级。redis

在现有算法的局限性下，会致使缓存数据的命中率或多或少的受损，而命中略又是缓存的重要指标。HighScalability网站刊登了一篇文章，由前Google工程师发明的W-TinyLFU——一种现代的缓存。Caffine Cache就是基于此算法而研发。Caffeine 因使用 Window TinyLfu 回收策略，提供了一个近乎最佳的命中率。算法

当数据的访问模式不随时间变化的时候，LFU的策略可以带来最佳的缓存命中率。然而LFU有两个缺点：spring

首先，它须要给每一个记录项维护频率信息，每次访问都须要更新，这是个巨大的开销；数据库

其次，若是数据访问模式随时间有变，LFU的频率信息没法随之变化，所以早先频繁访问的记录可能会占据缓存，然后期访问较多的记录则没法被命中。apache

所以，大多数的缓存设计都是基于LRU或者其变种来进行的。相比之下，LRU并不须要维护昂贵的缓存记录元信息，同时也可以反应随时间变化的数据访问模式。然而，在许多负载之下，LRU依然须要更多的空间才能作到跟LFU一致的缓存命中率。所以，一个“现代”的缓存，应当可以综合二者的长处。

TinyLFU维护了近期访问记录的频率信息，做为一个过滤器，当新记录来时，只有知足TinyLFU要求的记录才能够被插入缓存。如前所述，做为现代的缓存，它须要解决两个挑战：

一个是如何避免维护频率信息的高开销；

另外一个是如何反应随时间变化的访问模式。

首先来看前者，TinyLFU借助了数据流Sketching技术，Count-Min Sketch显然是解决这个问题的有效手段，它能够用小得多的空间存放频率信息，而保证很低的False Positive Rate。但考虑到第二个问题，就要复杂许多了，由于咱们知道，任何Sketching数据结构若是要反应时间变化都是一件困难的事情，在Bloom Filter方面，咱们能够有Timing Bloom Filter，但对于CMSketch来讲，如何作到Timing CMSketch就不那么容易了。TinyLFU采用了一种基于滑动窗口的时间衰减设计机制，借助于一种简易的reset操做：每次添加一条记录到Sketch的时候，都会给一个计数器上加1，当计数器达到一个尺寸W的时候，把全部记录的Sketch数值都除以2，该reset操做能够起到衰减的做用。

W-TinyLFU主要用来解决一些稀疏的突发访问元素。在一些数目不多但突发访问量很大的场景下，TinyLFU将没法保存这类元素，由于它们没法在给定时间内积累到足够高的频率。所以W-TinyLFU就是结合LFU和LRU，前者用来应对大多数场景，而LRU用来处理突发流量。

在处理频率记录的方案中，你可能会想到用hashMap去存储，每个key对应一个频率值。那若是数据量特别大的时候，是否是这个hashMap也会特别大呢。由此能够联想到 Bloom Filter，对于每一个key，用n个byte每一个存储一个标志用来判断key是否在集合中。原理就是使用k个hash函数来将key散列成一个整数。

在W-TinyLFU中使用Count-Min Sketch记录咱们的访问频率，而这个也是布隆过滤器的一种变种。以下图所示:

若是须要记录一个值，那咱们须要经过多种Hash算法对其进行处理hash，而后在对应的hash算法的记录中+1，为何须要多种hash算法呢？因为这是一个压缩算法一定会出现冲突，好比咱们创建一个byte的数组，经过计算出每一个数据的hash的位置。好比张三和李四，他们两有可能hash值都是相同，好比都是1那byte[1]这个位置就会增长相应的频率，张三访问1万次，李四访问1次那byte[1]这个位置就是1万零1，若是取李四的访问评率的时候就会取出是1万零1，可是李四命名只访问了1次啊，为了解决这个问题，因此用了多个hash算法能够理解为long[][]二维数组的一个概念，好比在第一个算法张三和李四冲突了，可是在第二个，第三个中很大的几率不冲突，好比一个算法大概有1%的几率冲突，那四个算法一块儿冲突的几率是1%的四次方。经过这个模式咱们取李四的访问率的时候取全部算法中，李四访问最低频率的次数。因此他的名字叫Count-Min Sketch。

2. 使用

Caffeine Cache 的github地址：点我。

目前的最新版本是：

<dependency>
    <groupId>com.github.ben-manes.caffeine</groupId>
    <artifactId>caffeine</artifactId>
    <version>2.6.2</version>
</dependency>

2.1 缓存填充策略

Caffeine Cache提供了三种缓存填充策略：手动、同步加载和异步加载。

1.手动加载

在每次get key的时候指定一个同步的函数，若是key不存在就调用这个函数生成一个值。

/** * 手动加载 * @param key * @return */
public Object manulOperator(String key) {
    Cache<String, Object> cache = Caffeine.newBuilder()
        .expireAfterWrite(1, TimeUnit.SECONDS)
        .expireAfterAccess(1, TimeUnit.SECONDS)
        .maximumSize(10)
        .build();
    //若是一个key不存在，那么会进入指定的函数生成value
    Object value = cache.get(key, t -> setValue(key).apply(key));
    cache.put("hello",value);

    //判断是否存在若是不存返回null
    Object ifPresent = cache.getIfPresent(key);
    //移除一个key
    cache.invalidate(key);
    return value;
}

public Function<String, Object> setValue(String key){
    return t -> key + "value";
}

2. 同步加载

构造Cache时候，build方法传入一个CacheLoader实现类。实现load方法，经过key加载value。

/** * 同步加载 * @param key * @return */
public Object syncOperator(String key){
    LoadingCache<String, Object> cache = Caffeine.newBuilder()
        .maximumSize(100)
        .expireAfterWrite(1, TimeUnit.MINUTES)
        .build(k -> setValue(key).apply(key));
    return cache.get(key);
}

public Function<String, Object> setValue(String key){
    return t -> key + "value";
}

3. 异步加载

AsyncLoadingCache是继承自LoadingCache类的，异步加载使用Executor去调用方法并返回一个CompletableFuture。异步加载缓存使用了响应式编程模型。

若是要以同步方式调用时，应提供CacheLoader。要以异步表示时，应该提供一个AsyncCacheLoader，并返回一个CompletableFuture。

/** * 异步加载 * * @param key * @return */
public Object asyncOperator(String key){
    AsyncLoadingCache<String, Object> cache = Caffeine.newBuilder()
        .maximumSize(100)
        .expireAfterWrite(1, TimeUnit.MINUTES)
        .buildAsync(k -> setAsyncValue(key).get());

    return cache.get(key);
}

public CompletableFuture<Object> setAsyncValue(String key){
    return CompletableFuture.supplyAsync(() -> {
        return key + "value";
    });
}

2.2 回收策略

Caffeine提供了3种回收策略：基于大小回收，基于时间回收，基于引用回收。

1. 基于大小的过时方式

基于大小的回收策略有两种方式：一种是基于缓存大小，一种是基于权重。

// 根据缓存的计数进行驱逐
LoadingCache<String, Object> cache = Caffeine.newBuilder()
    .maximumSize(10000)
    .build(key -> function(key));


// 根据缓存的权重来进行驱逐（权重只是用于肯定缓存大小，不会用于决定该缓存是否被驱逐）
LoadingCache<String, Object> cache1 = Caffeine.newBuilder()
    .maximumWeight(10000)
    .weigher(key -> function1(key))
    .build(key -> function(key));

maximumWeight与maximumSize不能够同时使用。

2.基于时间的过时方式

// 基于固定的到期策略进行退出
LoadingCache<String, Object> cache = Caffeine.newBuilder()
    .expireAfterAccess(5, TimeUnit.MINUTES)
    .build(key -> function(key));
LoadingCache<String, Object> cache1 = Caffeine.newBuilder()
    .expireAfterWrite(10, TimeUnit.MINUTES)
    .build(key -> function(key));

// 基于不一样的到期策略进行退出
LoadingCache<String, Object> cache2 = Caffeine.newBuilder()
    .expireAfter(new Expiry<String, Object>() {
        @Override
        public long expireAfterCreate(String key, Object value, long currentTime) {
            return TimeUnit.SECONDS.toNanos(seconds);
        }

        @Override
        public long expireAfterUpdate(@Nonnull String s, @Nonnull Object o, long l, long l1) {
            return 0;
        }

        @Override
        public long expireAfterRead(@Nonnull String s, @Nonnull Object o, long l, long l1) {
            return 0;
        }
    }).build(key -> function(key));

Caffeine提供了三种定时驱逐策略：

expireAfterAccess(long, TimeUnit):在最后一次访问或者写入后开始计时，在指定的时间后过时。假如一直有请求访问该key，那么这个缓存将一直不会过时。
expireAfterWrite(long, TimeUnit): 在最后一次写入缓存后开始计时，在指定的时间后过时。
expireAfter(Expiry): 自定义策略，过时时间由Expiry实现独自计算。
缓存的删除策略使用的是惰性删除和定时删除。这两个删除策略的时间复杂度都是O(1)。

3. 基于引用的过时方式

Java中四种引用类型

引用类型	被垃圾回收时间	用途	生存时间
强引用 Strong Reference	历来不会	对象的通常状态	JVM中止运行时终止
软引用 Soft Reference	在内存不足时	对象缓存	内存不足时终止
弱引用 Weak Reference	在垃圾回收时	对象缓存	gc运行后终止
虚引用 Phantom Reference	历来不会	能够用虚引用来跟踪对象被垃圾回收器回收的活动，当一个虚引用关联的对象被垃圾收集器回收以前会收到一条系统通知	JVM中止运行时终止

// 当key和value都没有引用时驱逐缓存
LoadingCache<String, Object> cache = Caffeine.newBuilder()
    .weakKeys()
    .weakValues()
    .build(key -> function(key));

// 当垃圾收集器须要释放内存时驱逐
LoadingCache<String, Object> cache1 = Caffeine.newBuilder()
    .softValues()
    .build(key -> function(key));

注意：AsyncLoadingCache不支持弱引用和软引用。

Caffeine.weakKeys()：使用弱引用存储key。若是没有其余地方对该key有强引用，那么该缓存就会被垃圾回收器回收。因为垃圾回收器只依赖于身份(identity)相等，所以这会致使整个缓存使用身份 (==) 相等来比较 key，而不是使用 equals()。

Caffeine.weakValues() ：使用弱引用存储value。若是没有其余地方对该value有强引用，那么该缓存就会被垃圾回收器回收。因为垃圾回收器只依赖于身份(identity)相等，所以这会致使整个缓存使用身份 (==) 相等来比较 key，而不是使用 equals()。

Caffeine.softValues() ：使用软引用存储value。当内存满了事后，软引用的对象以将使用最近最少使用(least-recently-used ) 的方式进行垃圾回收。因为使用软引用是须要等到内存满了才进行回收，因此咱们一般建议给缓存配置一个使用内存的最大值。 softValues() 将使用身份相等(identity) (==) 而不是equals() 来比较值。

Caffeine.weakValues()和Caffeine.softValues()不能够一块儿使用。

3. 移除事件监听

Cache<String, Object> cache = Caffeine.newBuilder()
    .removalListener((String key, Object value, RemovalCause cause) ->
                     System.out.printf("Key %s was removed (%s)%n", key, cause))
    .build();

4. 写入外部存储

CacheWriter 方法能够将缓存中全部的数据写入到第三方。

LoadingCache<String, Object> cache2 = Caffeine.newBuilder()
    .writer(new CacheWriter<String, Object>() {
        @Override public void write(String key, Object value) {
            // 写入到外部存储
        }
        @Override public void delete(String key, Object value, RemovalCause cause) {
            // 删除外部存储
        }
    })
    .build(key -> function(key));

若是你有多级缓存的状况下，这个方法仍是很实用。

注意：CacheWriter不能与弱键或AsyncLoadingCache一块儿使用。

5. 统计

与Guava Cache的统计同样。

Cache<String, Object> cache = Caffeine.newBuilder()
    .maximumSize(10_000)
    .recordStats()
    .build();

经过使用Caffeine.recordStats(), 能够转化成一个统计的集合. 经过 Cache.stats() 返回一个CacheStats。CacheStats提供如下统计方法：

hitRate(): 返回缓存命中率

evictionCount(): 缓存回收数量

averageLoadPenalty(): 加载新值的平均时间

3. SpringBoot 中默认Cache-Caffine Cache

SpringBoot 1.x版本中的默认本地cache是Guava Cache。在2.x（Spring Boot 2.0(spring 5) ）版本中已经用Caffine Cache取代了Guava Cache。毕竟有了更优的缓存淘汰策略。

下面咱们来讲在SpringBoot2.x版本中如何使用cache。

1. 引入依赖：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-cache</artifactId>
</dependency>
<dependency>
    <groupId>com.github.ben-manes.caffeine</groupId>
    <artifactId>caffeine</artifactId>
    <version>2.6.2</version>
</dependency>

2. 添加注解开启缓存支持

添加@EnableCaching注解：

@SpringBootApplication
@EnableCaching
public class SingleDatabaseApplication {

    public static void main(String[] args) {
        SpringApplication.run(SingleDatabaseApplication.class, args);
    }
}

3. 配置文件的方式注入相关参数

properties文件

spring.cache.cache-names=cache1
spring.cache.caffeine.spec=initialCapacity=50,maximumSize=500,expireAfterWrite=10s

或Yaml文件

spring:
  cache:
    type: caffeine
    cache-names:
    - userCache
    caffeine:
      spec: maximumSize=1024,refreshAfterWrite=60s

若是使用refreshAfterWrite配置,必须指定一个CacheLoader.不用该配置则无需这个bean,如上所述,该CacheLoader将关联被该缓存管理器管理的全部缓存，因此必须定义为CacheLoader<Object, Object>，自动配置将忽略全部泛型类型。

import com.github.benmanes.caffeine.cache.CacheLoader;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/** * @author: rickiyang * @date: 2019/6/15 * @description: */
@Configuration
public class CacheConfig {

    /** * 至关于在构建LoadingCache对象的时候 build()方法中指定过时以后的加载策略方法 * 必需要指定这个Bean，refreshAfterWrite=60s属性才生效 * @return */
    @Bean
    public CacheLoader<String, Object> cacheLoader() {
        CacheLoader<String, Object> cacheLoader = new CacheLoader<String, Object>() {
            @Override
            public Object load(String key) throws Exception {
                return null;
            }
            // 重写这个方法将oldValue值返回回去，进而刷新缓存
            @Override
            public Object reload(String key, Object oldValue) throws Exception {
                return oldValue;
            }
        };
        return cacheLoader;
    }
}

Caffeine经常使用配置说明：

initialCapacity=[integer]: 初始的缓存空间大小

maximumSize=[long]: 缓存的最大条数

maximumWeight=[long]: 缓存的最大权重

expireAfterAccess=[duration]: 最后一次写入或访问后通过固定时间过时

expireAfterWrite=[duration]: 最后一次写入后通过固定时间过时

refreshAfterWrite=[duration]: 建立缓存或者最近一次更新缓存后通过固定的时间间隔，刷新缓存

weakKeys: 打开key的弱引用

weakValues：打开value的弱引用

softValues：打开value的软引用

recordStats：开发统计功能

注意：

expireAfterWrite和expireAfterAccess同时存在时，以expireAfterWrite为准。

maximumSize和maximumWeight不能够同时使用

weakValues和softValues不能够同时使用

须要说明的是，使用配置文件的方式来进行缓存项配置，通常状况能知足使用需求，可是灵活性不是很高，若是咱们有不少缓存项的状况下写起来会致使配置文件很长。因此通常状况下你也能够选择使用bean的方式来初始化Cache实例。

下面的演示使用bean的方式来注入：

package com.rickiyang.learn.cache;

import com.github.benmanes.caffeine.cache.CacheLoader;
import com.github.benmanes.caffeine.cache.Caffeine;
import org.apache.commons.compress.utils.Lists;
import org.springframework.cache.CacheManager;
import org.springframework.cache.caffeine.CaffeineCache;
import org.springframework.cache.support.SimpleCacheManager;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.context.annotation.Primary;

import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.TimeUnit;

/** * @author: rickiyang * @date: 2019/6/15 * @description: */
@Configuration
public class CacheConfig {


    /** * 建立基于Caffeine的Cache Manager * 初始化一些key存入 * @return */
    @Bean
    @Primary
    public CacheManager caffeineCacheManager() {
        SimpleCacheManager cacheManager = new SimpleCacheManager();
        ArrayList<CaffeineCache> caches = Lists.newArrayList();
        List<CacheBean> list = setCacheBean();
        for(CacheBean cacheBean : list){
            caches.add(new CaffeineCache(cacheBean.getKey(),
                    Caffeine.newBuilder().recordStats()
                            .expireAfterWrite(cacheBean.getTtl(), TimeUnit.SECONDS)
                            .maximumSize(cacheBean.getMaximumSize())
                            .build()));
        }
        cacheManager.setCaches(caches);
        return cacheManager;
    }


    /** * 初始化一些缓存的 key * @return */
    private List<CacheBean> setCacheBean(){
        List<CacheBean> list = Lists.newArrayList();
        CacheBean userCache = new CacheBean();
        userCache.setKey("userCache");
        userCache.setTtl(60);
        userCache.setMaximumSize(10000);

        CacheBean deptCache = new CacheBean();
        deptCache.setKey("userCache");
        deptCache.setTtl(60);
        deptCache.setMaximumSize(10000);

        list.add(userCache);
        list.add(deptCache);

        return list;
    }

    class CacheBean {
        private String key;
        private long ttl;
        private long maximumSize;

        public String getKey() {
            return key;
        }

        public void setKey(String key) {
            this.key = key;
        }

        public long getTtl() {
            return ttl;
        }

        public void setTtl(long ttl) {
            this.ttl = ttl;
        }

        public long getMaximumSize() {
            return maximumSize;
        }

        public void setMaximumSize(long maximumSize) {
            this.maximumSize = maximumSize;
        }
    }

}

建立了一个SimpleCacheManager做为Cache的管理对象，而后初始化了两个Cache对象，分别存储user，dept类型的缓存。固然构建Cache的参数设置我写的比较简单，你在使用的时候酌情根据须要配置参数。

4. 使用注解来对 cache 增删改查

咱们可使用spring提供的 @Cacheable、@CachePut、@CacheEvict等注解来方便的使用caffeine缓存。

若是使用了多个cahce，好比redis、caffeine等，必须指定某一个CacheManage为@primary，在@Cacheable注解中没指定 cacheManager 则使用标记为primary的那个。

cache方面的注解主要有如下5个：

@Cacheable 触发缓存入口（这里通常放在建立和获取的方法上，@Cacheable注解会先查询是否已经有缓存，有会使用缓存，没有则会执行方法并缓存）
@CacheEvict 触发缓存的eviction（用于删除的方法上）
@CachePut 更新缓存且不影响方法执行（用于修改的方法上，该注解下的方法始终会被执行）
@Caching 将多个缓存组合在一个方法上（该注解能够容许一个方法同时设置多个注解）
@CacheConfig 在类级别设置一些缓存相关的共同配置（与其它缓存配合使用）

说一下@Cacheable 和 @CachePut的区别：

@Cacheable：它的注解的方法是否被执行取决于Cacheable中的条件，方法不少时候均可能不被执行。

@CachePut：这个注解不会影响方法的执行，也就是说不管它配置的条件是什么，方法都会被执行，更多的时候是被用到修改上。

简要说一下Cacheable类中各个方法的使用：

public @interface Cacheable {

    /** * 要使用的cache的名字 */
    @AliasFor("cacheNames")
    String[] value() default {};

    /** * 同value()，决定要使用那个/些缓存 */
    @AliasFor("value")
    String[] cacheNames() default {};

    /** * 使用SpEL表达式来设定缓存的key，若是不设置默认方法上全部参数都会做为key的一部分 */
    String key() default "";

    /** * 用来生成key，与key()不能够共用 */
    String keyGenerator() default "";

    /** * 设定要使用的cacheManager，必须先设置好cacheManager的bean，这是使用该bean的名字 */
    String cacheManager() default "";

    /** * 使用cacheResolver来设定使用的缓存，用法同cacheManager，可是与cacheManager不能够同时使用 */
    String cacheResolver() default "";

    /** * 使用SpEL表达式设定出发缓存的条件，在方法执行前生效 */
    String condition() default "";

    /** * 使用SpEL设置出发缓存的条件，这里是方法执行完生效，因此条件中能够有方法执行后的value */
    String unless() default "";

    /** * 用于同步的，在缓存失效（过时不存在等各类缘由）的时候，若是多个线程同时访问被标注的方法 * 则只容许一个线程经过去执行方法 */
    boolean sync() default false;

}

基于注解的使用方法：

package com.rickiyang.learn.cache;

import com.rickiyang.learn.entity.User;
import org.springframework.cache.annotation.CacheEvict;
import org.springframework.cache.annotation.CachePut;
import org.springframework.cache.annotation.Cacheable;
import org.springframework.stereotype.Service;

/** * @author: rickiyang * @date: 2019/6/15 * @description: 本地cache */
@Service
public class UserCacheService {


    /** * 查找 * 先查缓存，若是查不到，会查数据库并存入缓存 * @param id */
    @Cacheable(value = "userCache", key = "#id", sync = true)
    public void getUser(long id){
        //查找数据库
    }

    /** * 更新/保存 * @param user */
    @CachePut(value = "userCache", key = "#user.id")
    public void saveUser(User user){
        //todo 保存数据库
    }


    /** * 删除 * @param user */
    @CacheEvict(value = "userCache",key = "#user.id")
    public void delUser(User user){
        //todo 保存数据库
    }
}

若是你不想使用注解的方式去操做缓存，也能够直接使用SimpleCacheManager获取缓存的key进而进行操做。

注意到上面的key使用了spEL 表达式。Spring Cache提供了一些供咱们使用的SpEL上下文数据，下表直接摘自Spring官方文档：

名称	位置	描述	示例
methodName	root对象	当前被调用的方法名	`#root.methodname`
method	root对象	当前被调用的方法	`#root.method.name`
target	root对象	当前被调用的目标对象实例	`#root.target`
targetClass	root对象	当前被调用的目标对象的类	`#root.targetClass`
args	root对象	当前被调用的方法的参数列表	`#root.args[0]`
caches	root对象	当前方法调用使用的缓存列表	`#root.caches[0].name`
Argument Name	执行上下文	当前被调用的方法的参数，如findArtisan(Artisan artisan),能够经过#artsian.id得到参数	`#artsian.id`
result	执行上下文	方法执行后的返回值（仅当方法执行后的判断有效，如 unless cacheEvict的beforeInvocation=false）	`#result`

注意：

1.当咱们要使用root对象的属性做为key时咱们也能够将“#root”省略，由于Spring默认使用的就是root对象的属性。如

@Cacheable(key = "targetClass + methodName +#p0")

2.使用方法参数时咱们能够直接使用“#参数名”或者“#p参数index”。如：

@Cacheable(value="userCache", key="#id")
@Cacheable(value="userCache", key="#p0")

SpEL提供了多种运算符

类型	运算符
关系	<，>，<=，>=，==，!=，lt，gt，le，ge，eq，ne
算术	+，- ，* ，/，%，^
逻辑	&&，\|\|，!，and，or，not，between，instanceof
条件	?: (ternary)，?: (elvis)
正则表达式	matches
其余类型	?.，?[…]，![…]，^[…]，$[…]