## 一、概述 进程内缓存如果用于多进程（多服务器）时，各应用服务器之间的缓存都是独立的，因此在不同服务器的进程间会存在缓存不一致的情况。即使EhCache这类第三方缓存机制提供了集群环境下的缓存同步策略，但是同步依然是需要一定的时间，短暂的缓存不一致依然存在； 在一些要求高一致性（任何数据变化都能及时的被查询到）的系统和应用中，就不能再使用EhCache来解决了，这个时候使用集中式缓存就可以很好的解决缓存数据的一致性问题； 我们这里采用redis来实现； ## 二、方案 使用方案主体基于内置方案即可，但因为它是进程外的缓存机制，如我们采用的redis，需要在更新缓存的时候，必须用@CachePut来更新缓存； 参考：[平台缓存机制](../%E5%B9%B3%E5%8F%B0%E7%BC%93%E5%AD%98%E6%9C%BA%E5%88%B6.md) ## 三、实例 ### **应用进程代码** 查询： ``` public interface SysLogDao extends BaseDao<SysLog, Long> { @Cacheable(cacheNames = "syslogcache1", key = "#infoCode") SysLog findByInfoCode(String infoCode); } ``` 更新： ``` @Component public class SysLogCacheService { @Autowired private SysLogDao sysLogDao; @CachePut(cacheNames = "syslogcache1", key = "#log.infoCode") public SysLog save(SysLog log) { return sysLogDao.save(log); } } ``` 使用： ``` @RayServiceMethod public ResponseObject view(long logId) { SysLog log = sysLogDao.findByInfoCode("log20220323172704e1a"); log.setModuleName(DateUtil.getDateStr(100)); sysLogCacheService.save(log); // SysLog log = sysLogDao.findById(logId).get(); model.setLog(log); return responseObj; } ``` ### **调度进程代码** ``` @Autowired SysLogDao sSysLogDao; @Override protected void doInRayPeriodJob(SysJobExecution sysjobexecution, StringBuilder errorMessage) { SysLog log = sSysLogDao.findByInfoCode("log2022032317270446b"); scanRechargeService.doInSingleTransaction(); } ```