Mybatis Cache探究

jarod8016b

　　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