面经策

Spring Boot 工程启动以后，我希望将数据库中已有的固定内容，打入到 Redis 缓存中，请问如何处理？ ​

  • 标签：Spring Boot、MySQL、Redis

🏛 业务架构师 ​

这是典型的**缓存预热（Cache Warming）**需求，我的标准方案分层实施：

1. 启动钩子 + 异步加载：

java
@Component
public class DictCacheWarmer implements ApplicationRunner {

    private final DictService dictService;
    private final StringRedisTemplate redis;

    @Override
    public void run(ApplicationRunner... args) {
        // 放在 ApplicationRunner：容器就绪后执行；重活可再异步
        List<Dict> all = dictService.loadAll();
        Map<String, String> pipelined = all.stream()
                .collect(toMap(d -> "dict:" + d.getCode(), Dict::toJson));
        redis.executePipelined(conn -> {              // pipeline 批量写入
            pipelined.forEach((k, v) -> conn.set(k.getBytes(), v.getBytes()));
            return null;
        });
    }
}

关键点：ApplicationRunner 时机（依赖就绪）、pipeline 批量写（几万条逐条 SET 会是分钟级，pipeline 秒级）、失败策略（重试 + 告警，不允许静默半残）。

2. 就绪探针联动：预热完成前不放流量（readiness 未通过），避免冷缓存实例接请求打穿 DB。

3. 运行期保鲜（更重要的架构问题）：

  • 变更失效：字典在管理端修改时同步更新/删除缓存（事件或 Canal 监听 binlog）——预热只解决冷启动，一致性靠失效机制；
  • 过期兜底：设 TTL 防止永久脏数据；
  • 穿透保护：加载失败的 key 布隆过滤器/空值缓存兜底。

业务判断补充：数据量小（千级以内）时用 Caffeine 本地缓存 + 启动加载更简单，Redis 都可以不上——先量化数据量和 QPS 再选工具，避免为预热引入不必要的基础设施。

🏗 系统架构师 ​

标准做法：Runner/ReadyEvent 里分批读库，管道写入 Redis：

java
@Component
public class DictCacheWarmer implements ApplicationRunner {
    public void run(ApplicationArguments args) {
        List<Dict> all = dictMapper.loadAll();      // 大表分页游标读
        redisTemplate.executePipelined((RedisCallback<Object>) conn -> {
            all.forEach(d -> conn.stringCommands().set(
                (KEY_PREFIX + d.getCode()).getBytes(),
                serialize(d), Expiration.minutes(120)));
            return null;
        });
    }
}

架构决策点（比代码重要）：

  1. 时点：放 Ready 事件之后、readiness 探针打开之前——预热未完不接流量，避免冷启动 miss 风暴；数据量大（千万级）要评估是否阻塞扩容，必要时分批限速后台预热；
  2. 容量与结构：10 万条乘 200B 约 20MB，单 key 整存（String 加 JSON）优于碎片 hash；TTL 加随机抖动防集体过期雪崩；
  3. 容错：Redis 不可用时预热失败不能阻断启动（降级懒加载加告警）——预热是加速手段，不是强依赖；
  4. 持续新鲜度：启动预热只管冷启动；变更走「更新库、删缓存、定时全量校准」三段式，冷热互补。

💻 全栈开发专家 ​

ApplicationRunner（或 ApplicationReadyEvent）里查库 → 写 Redis，加防重与容量保护：

java
@Component
@RequiredArgsConstructor
public class DictCacheWarmer implements ApplicationRunner {
    private final DictMapper dictMapper;
    private final StringRedisTemplate redis;

    @Override
    public void run(ApplicationArguments args) {
        List<Dict> all = dictMapper.selectList(null);
        // pipeline 批量写，万级数据逐条 set 要几十秒
        redis.executePipelined((RedisCallback<Void>) conn -> {
            for (Dict d : all) {
                byte[] key = ("dict:" + d.getCode()).getBytes();
                conn.stringCommands().set(key, d.getLabel().getBytes(),
                        Expiration.from(Duration.ofHours(24)), SetOption.UPSERT);
            }
            return null;
        });
        log.info("dict warmed, size={}", all.size());
    }
}

要点：

  1. 防新旧混杂：先删旧 key 再写，或用版本前缀（dict:v2:）写完原子切别名
  2. 大 value 拆 Hash：一个 dict:type:{code} 的 Hash 存整类字典，比万条 String key 省内存省时间
  3. TTL 兜底：预热数据设过期，防止源头更新后缓存永久陈旧，再配定时任务双保险
  4. 多实例：Runner 每个副本都跑，Redis 写天然幂等；重加载加 Redisson 锁防压
  5. 别拖慢启动：K8s readiness 有超时，大预热放 ReadyEvent 异步执行，期间降级读库
  6. 记录加载数量与耗时，加载 0 条立刻告警——防数据源空表把缓存清空