L2Cache 是一个基于内存、 Redis 、 Spring Cache 实现的满足高并发场景下的分布式二级缓存框架。
- 已在生产环境投产，目前主要应用在商品、优惠券、用户、营销等核心服务。
- 经历过多年双十一、双十二，以及
多次大促活动的流量洗礼。 - 支撑公司单月
10亿GMV - 支撑全链路压测
35W QPS
- 支持多种缓存类型： 一级缓存、二级缓存、混合缓存
- 解决痛点问题： 缓存击穿、缓存穿透等
- 动态缓存配置： 支持动态调整混合缓存下的缓存类型，支持热key的手动配置
- 缓存一致性保证： 通过消息通知的方式来保证集群环境下一级缓存的一致性
- 自动热key探测： 自动识别热key并缓存到一级缓存
- 支持缓存批量操作： 支持分页的批量获取、批量删除等
- 定义通用缓存层： 承上启下，简化业务开发，规整业务代码
| 核心功能 | JetCache（阿里） | J2Cache（OSChina） | L2Cache |
|---|---|---|---|
| 支持的缓存类型 | 一级缓存 二级缓存 混合缓存 |
一级缓存 二级缓存 混合缓存 |
一级缓存 二级缓存 混合缓存 |
| 解决的痛点问题 | 缓存击穿 缓存穿透 |
缓存击穿 缓存穿透 |
缓存击穿 缓存穿透 |
| 缓存一致性保证 | 支持 | 支持 | 支持 |
| 动态缓存配置 | 不支持 | 不支持 | 支持 |
| 自动热key探测 | 不支持 | 不支持 | 支持 |
| 缓存批量操作 | 不支持 | 不支持 | 支持 |
| 通用缓存层 | 不支持 | 不支持 | 支持 |
说明：上面表格的对比，数据正在整理中，后续会再校对一次。
- 从上面表格的对比可发现，
L2Cache的核心优势为三个点：自动热key探测、缓存批量操作、通用缓存层。 - 这三点优势是从实际业务开发中沉淀下来的能力，不仅解决了实现多级缓存的复杂性问题，还进一步屏蔽了业务维度的缓存操作的复杂性。
- 这样一来，原本需要资深开发者才能开发的功能，现在高级和中级开发者，甚至初级开发者都能轻松、高效、高质地进行开发。
- 如果在实际业务开发中，你也遇到开发难度高，难以维护，难以扩展的痛点问题，建议可以试试L2Cache。
反正接入成本低，试试又何妨？
1、L1：一级缓存，内存缓存，支持 Caffeine 和 Guava Cache。
2、L2：二级缓存，集中式缓存，支持 Redis。
3、混合缓存，指支持同时使用一级缓存和二级缓存。
由于大量的缓存读取会导致 L2 的网络成为整个系统的瓶颈，因此 L1 的目标是降低对 L2 的读取次数。避免使用独立缓存系统所带来的网络IO开销问题。L2 可以避免应用重启后导致的 L1数据丢失的问题，同时无需担心L1会增加太多的内存消耗，因为你可以设置 L1中缓存数据的数量。
说明：
L2Cache满足CAP定理中的AP，也就是满足可用性和分区容错性，至于C(一致性)因为缓存的特性所以无法做到强一致性，只能尽可能的去做到一致性，保证最终的一致。
支持根据配置缓存类型来灵活的组合使用不同的Cache。
1、支持只使用一级缓存Caffeine 和 Guava Cache。
2、支持只使用二级缓存Redis。
3、支持同时使用一二级缓存Composite。
必知：
若使用缓存，则必然可能出现不一致的情况，也就是说无法保证强一致性。
- l2cache热key探测-技术方案调研
- 记录一次阿里云Redis版超出最大内存限制异常
- 实战-l2cache-Caffeine的OOM异常分析
- 实战-l2cache高并发场景下出现OOM的分析和优化方案
- 实战-l2cache中caffeine.getIfPresent()仅仅获取缓存，但触发了数据加载，导致被设置为NullValue的问题分析
如果 l2cache 对您有所帮助，不妨右上角点点 Star 或者任意赞赏支持。
您的 Star 或 赞赏 将会给我带来更多动力。
最后，欢迎你 Fork PR 成为项目贡献者。