[Spring] Cache: @Cacheable, @CacheEvict, Redis
spring cache, @Cacheable, @CacheEvict, @CachePut, spring cache redis, CaffeineCache
정의
Spring Cache는 메서드 결과를 캐시하는 추상화. @Cacheable 한 줄로 메모이제이션. 백엔드는 Caffeine, Redis, Hazelcast, EhCache 등 자유롭게. 캐시 키 생성, TTL, 무효화를 표준 어노테이션으로.
활성화
implementation("org.springframework.boot:spring-boot-starter-cache")@SpringBootApplication
@EnableCaching
public class App { }@Cacheable
@Service
public class UserService {
@Cacheable("users")
public User findById(Long id) {
return userRepository.findById(id).orElseThrow();
}
}첫 호출 시 DB 조회 + 캐시 저장. 이후 같은 ID는 캐시에서.
여러 cache 이름:
@Cacheable({"users", "all-users"})key
@Cacheable(value = "users", key = "#id")
public User findById(Long id) { ... }
@Cacheable(value = "users", key = "#user.id")
public Profile getProfile(User user) { ... }
@Cacheable(value = "users", key = "#a0 + '-' + #a1")
public List<User> search(String name, String role) { ... }
@Cacheable(value = "users", key = "T(java.util.Objects).hash(#name, #role)")
public ...SpEL 표현식. 기본은 모든 인자 조합으로 SimpleKey 생성.
condition / unless
@Cacheable(value = "users", condition = "#id > 0", unless = "#result == null")
public User findById(Long id) { ... }condition: 호출 전 평가 → false면 캐시 미사용unless: 호출 후 평가 → true면 캐시 안 함
@CacheEvict
@CacheEvict(value = "users", key = "#user.id")
public void update(User user) { ... }
@CacheEvict(value = "users", allEntries = true)
public void clear() { ... }
@CacheEvict(value = "users", beforeInvocation = true)
public void deleteIfExists(Long id) {
if (userRepository.existsById(id)) userRepository.deleteById(id);
}beforeInvocation=true는 메서드 실행 전 (실패해도 캐시는 비움).
@CachePut
캐시는 갱신하되 메서드는 항상 실행.
@CachePut(value = "users", key = "#user.id")
public User update(User user) {
return userRepository.save(user);
}반환값으로 캐시 갱신.
여러 캐시 동시
@Caching(
evict = {
@CacheEvict(value = "users", key = "#user.id"),
@CacheEvict(value = "users-by-email", key = "#user.email"),
},
put = {
@CachePut(value = "users", key = "#user.id"),
}
)
public User save(User user) {
return userRepository.save(user);
}Cache 백엔드
Caffeine (in-memory, 권장 single instance)
implementation("com.github.ben-manes.caffeine:caffeine")spring:
cache:
type: caffeine
caffeine:
spec: maximumSize=10000,expireAfterWrite=10mLRU + TTL + 통계. 단일 JVM에 최적.
Redis (분산)
implementation("org.springframework.boot:spring-boot-starter-data-redis")spring:
cache:
type: redis
redis:
time-to-live: 600000 # 10분
cache-null-values: false
data:
redis:
host: localhost
port: 6379여러 인스턴스 공유. 메모리 큼.
EhCache, Hazelcast 등
거의 안 씀. 보통 Caffeine 또는 Redis.
커스텀 CacheManager
@Configuration
@EnableCaching
public class CacheConfig {
@Bean
public CacheManager cacheManager() {
CaffeineCacheManager manager = new CaffeineCacheManager();
manager.setCaffeine(Caffeine.newBuilder()
.maximumSize(10000)
.expireAfterWrite(Duration.ofMinutes(10))
.recordStats());
return manager;
}
@Bean
public CacheManager redisCacheManager(RedisConnectionFactory factory) {
return RedisCacheManager.builder(factory)
.cacheDefaults(RedisCacheConfiguration.defaultCacheConfig()
.entryTtl(Duration.ofMinutes(10))
.disableCachingNullValues()
.serializeValuesWith(SerializationPair.fromSerializer(new GenericJackson2JsonRedisSerializer())))
.build();
}
}cache 별 다른 TTL:
.withCacheConfiguration("users", config.entryTtl(Duration.ofHours(1)))
.withCacheConfiguration("posts", config.entryTtl(Duration.ofMinutes(5)))직접 캐시 조작
@Service
public class MyService {
private final CacheManager cacheManager;
public void warmup() {
Cache cache = cacheManager.getCache("users");
cache.put("key", value);
Cache.ValueWrapper wrapper = cache.get("key");
cache.evict("key");
cache.clear();
}
}자주 보는 패턴
Repository 메서드 캐시
@Cacheable(value = "users-by-email", key = "#email")
public Optional<User> findByEmail(String email) {
return userRepository.findByEmail(email);
}JPA의 1차 캐시 + 2차 캐시(Hibernate)가 있지만 Spring Cache는 더 명시적·간단.
TTL 짧은 hot path
@Cacheable(value = "popular-posts", key = "'top10'")
public List<Post> getPopular() {
return postRepository.findTop10ByViewsDesc();
}캐시 짧게 (1분) + 자주 조회 → DB 부담 크게 감소.
비싼 계산
@Cacheable(value = "recommendations", key = "#userId")
public List<Item> recommendations(Long userId) {
return mlModel.recommend(userId); // 1초 이상
}Conditional cache (사용자별)
@Cacheable(value = "user-feed", key = "#userId", condition = "#userId != null")
public List<Post> feed(Long userId) { ... }함정
1. self-invocation
@Service
public class MyService {
public List<Item> findAll() {
return getById(1); // 직접 호출! @Cacheable 무시
}
@Cacheable("items")
public Item getById(Long id) { ... }
}proxy 거치지 않음. 다른 Bean으로 분리.
2. null 캐시
@Cacheable("users")
public User findById(Long id) {
return userRepository.findById(id).orElse(null); // null 캐시됨
}unless = "#result == null"로 방지.
3. Map<K,V> 캐싱
@Cacheable("config")
public Map<String, String> loadConfig() { ... }거대 Map 통째로 캐싱은 무효화 어려움. 더 작은 단위로.
4. JSON 직렬화
Redis 사용 시 직렬화/역직렬화 비용. final class, generic은 까다로움.
5. Cache stampede
만료 순간 동시 다수 요청 → 모두 DB. lock-based 갱신:
@Cacheable(value = "...", sync = true)
public User findById(Long id) { ... }sync=true는 첫 요청만 메서드 실행, 나머지 대기.
Cache Statistics
Caffeine:
.recordStats()
// 통계
caffeineCache.stats();
// CacheStats{hitCount=1000, missCount=50, ...}Micrometer 통합:
management:
metrics:
cache:
instrument: truecache.gets, cache.puts, cache.evictions 메트릭.
TTL 전략
- Hot data: TTL 짧음 (분)
- Reference data: TTL 길게 (시간/일)
- 무한: TTL 없음 + 명시적 evict
- LRU: 메모리 한계 시 자동 제거
비교: Redis vs Caffeine
| Caffeine | Redis | |
|---|---|---|
| 위치 | JVM 내부 | 외부 |
| 분산 | X (각 인스턴스) | O |
| 속도 | 매우 빠름 | 빠름 (네트워크) |
| 메모리 | JVM heap | 별도 |
| 영속성 | X | 옵션 |
| 인프라 | 추가 X | 필요 |
단일 인스턴스 + read-heavy → Caffeine. 분산 → Redis.
💬 댓글