当前位置: 首页 > article >正文

介绍一下Mybatis的底层原理(包括一二级缓存)

表面上我们的就是Sql语句和我们的java对象进行映射,然后Mapper代理然后调用方法来操作数据库

底层的话我们就涉及到Sqlsession和Configuration

首先说一下SqlSession, 它可以被视为与数据库交互的一个会话,用于执行 SQL 语句(Executor执行器)获取映射器(Mapper)管理事务等操作

然后还有个全局配置Configuration,Configuration是Mybatis的核心配置类,里面有所有的配置信息,映射文件内容,甚至数据库连接池配置

SqlSession

也就是说我们的通过SqlSession来操作我们的数据库,SqlSession里面的执行器Executor来执行我们的具体的sql语句

我们的Executor其实有三种SimpleExecutor简单执行器,ReuseExecutor可重用执行器, BatchExecutor批量执行器

一个是每次使用都创建一个Statement对象,一个是可以以sql作为Key在Map<String,Statement>内查找我们的statement对象进行重用,一个是将所有的sql语句添加到批处理等待逐一执行

Configuration

很简单,就是一个mybatis的核心配置类,我们的主要的配置信息例如数据库连接池配置就在里面

再深入一点就讲一下我们的Mybatis的一二级缓存实现原理

一级缓存(在Sqlsession对象了里面):

我们有的话就用Executor执行器,从LocalCache里面查询,没有的话就从数据库中查然后放到我们的LocalCache里面

在分布式或者多个Sqlsession的情况下,可能会导致脏读问题

我们查询的时候会从Sqlsession的缓存里面查,那要是我们此时用SqlSession1和SqlSession2,我们要的数据在SqlSession2的缓存里面怎么办?我们一级缓存不能实现跨SqlSession,只能查不到然后查数据库

所以为了进一步优化多个SqlSession问题,我们就有了二级缓存

二级缓存(在Configuration里面):

在一级缓存查询之前,我们先通过CachingExecutor从二级缓存中进行查询

开启二级缓存之后呢,会被多个Sqlsession共享,所以它是一个全局的缓存

所以查询流程变成了:先查二级缓存,再查一级缓存,再查数据库

二级缓存对比一级缓存,它实现了Sqlsession之间的缓存数据的共享


既然二级缓存可以优化查询?那为什么不默认用二级缓存?

数据一致性问题

  • 问题描述:二级缓存是跨SqlSession的,多个SqlSession共享同一个缓存。如果某个SqlSession更新了数据库,其他SqlSession可能仍然使用缓存中的旧数据,导致数据不一致。
  • 解决方案:可以通过配置缓存的刷新策略(如flushInterval)或在更新操作后手动清除缓存来缓解。

2. 缓存失效问题

  • 问题描述:当执行增删改操作时,MyBatis会清除相关缓存。但如果其他系统或程序直接修改了数据库,MyBatis无法感知,导致缓存中的数据与实际数据库不一致
  • 解决方案:需要结合其他机制(如数据库触发器或消息队列)来通知缓存失效。

3. 内存占用问题

  • 问题描述:二级缓存默认存储在内存中,如果缓存的数据量过大,可能导致内存溢出(OOM)
  • 解决方案:可以通过配置缓存实现(如Ehcache、Redis)将缓存存储到磁盘或分布式缓存中。

4. 序列化问题

  • 问题描述二级缓存默认需要缓存对象实现Serializable接口以便序列化存储。如果对象未实现序列化接口,会导致缓存失败。
  • 解决方案:确保所有缓存对象实现Serializable接口,或使用自定义的缓存实现。

5. 缓存粒度问题

  • 问题描述:二级缓存的粒度是Mapper级别的,即一个Mapper的缓存会被所有查询共享。如果某个Mapper的查询结果差异较大,可能导致缓存命中率低,甚至缓存污染
  • 解决方案:可以通过自定义缓存键或使用更细粒度的缓存策略来优化。

6. 分布式环境下的问题

  • 问题描述:在分布式环境中,默认的二级缓存是本地缓存,不同节点之间的缓存无法共享,可能导致数据不一致。
  • 解决方案:使用分布式缓存(如Redis、Memcached)替换默认的本地缓存。

7. 缓存配置复杂

  • 问题描述:二级缓存的配置相对复杂,需要根据业务场景调整缓存策略(如缓存清除策略、缓存刷新间隔等),配置不当可能导致性能下降或数据不一致。
  • 解决方案:仔细评估业务需求,合理配置缓存参数。

8. 不适合高并发写场景

  • 问题描述:在高并发写场景下,频繁的增删改操作会导致缓存频繁失效反而降低性能
  • 解决方案:在高并发写场景下,建议禁用二级缓存,或使用更高效的缓存策


http://www.kler.cn/a/532188.html

相关文章:

  • 机器学习中的关键概念:通过SKlearn的MNIST实验深入理解
  • NLP模型大对比:Transformer >Seq2Seq > LSTM > RNN > n-gram
  • 2024-我的学习成长之路
  • 读书笔记--分布式架构的异步化和缓存技术原理及应用场景
  • pytorch实现变分自编码器
  • LeetCode 3105. Longest Strictly Increasing or Strictly Decreasing Subarray
  • 基于“蘑菇书”的强化学习知识点(四):贝尔曼方程
  • deepseek的对话风格
  • 单链表的“影分身术”:随机指针链表的深度拷贝实现
  • 知识蒸馏教程 Knowledge Distillation Tutorial
  • ES6基础内容
  • [特殊字符] ChatGPT-4与4o大比拼
  • 基于SpringBoot体育商品推荐设计与实现
  • Spring Boot常用注解深度解析:从入门到精通
  • 排序算法与查找算法
  • Blender的材质节点中 透射(Transmission) 和 Alpha的区别
  • Leetcode 3439. Reschedule Meetings for Maximum Free Time I
  • 深度学习 Pytorch 建模可视化工具TensorBoard的安装与使用
  • 关于图像锐化的一份介绍
  • Spring 实现注入的方式
  • 深入解析FastParquet库:高效处理Parquet文件的Python利器
  • 【华为OD-E卷 - 任务最优调度 100分(python、java、c++、js、c)】
  • 【STM32系列】在串口上绘制正弦波
  • 目前市场主流的AI PC对于大模型本地部署的支持情况分析-Deepseek
  • 线程的概念
  • Linux远程登陆