Spring 整合 Hibernate 时启用二级缓存实例详解

湛蓝之海

Spring 整合 Hibernate 时启用二级缓存实例详解
写在前面：

1. 本例使用 Hibernate3 + Spring3；
2. 本例的查询使用了 HibernateTemplate；
1. 导入 ehcache-x.x.x.jar 包；

2. 在 applicationContext.xml 文件中找到 sessionFactory 相应的配置信息并在设置 hibernateProperties 中添加如下代码：

<!-- 配置使用查询缓存 --> 
<prop key="hibernate.cache.use_query_cache">true</prop> 
<!-- 配置启用二级缓存 --> 
<prop key="hibernate.cache.use_second_level_cache">true</prop> 
<!-- 配置二级缓存的提供商 --> 
<prop key="hibernate.cache.provider_class">org.hibernate.cache.EhCacheProvider</prop>

3. 由于查询使用了 hibernateTemplate，所以还要在 hibernateTemplate 中做相应配置，找到 hibernateTemplate 的配置项，添加如下代码：

<!-- 使用查询缓存 --> 
<property name="cacheQueries"> 
  <value>true</value> 
</property>

4. 在要缓存的实体类中加入如下注解：

@Cache(usage = CacheConcurrencyStrategy.READ_WRITE)

注：

usage 可以有以下几个取值：

  

• CacheConcurrencyStrategy.NONE：不使用缓存，默认；  
  
• CacheConcurrencyStrategy.READ_ONLY：只读模式，若对缓存的数据进行修改操作会抛出异常；  
  
• CacheConcurrencyStrategy.NONSTRICT_READ_WRITE：不严格的读写模式，不会对缓存的数据加锁；  
  
• CacheConcurrencyStrategy.READ_WRITE：读写模式，在更新缓存的时候会把缓存里面的数据换成一个锁，其它事务如果去取相应的缓存数据，发现被锁了，直接就去数据库查询；  
  
• CacheConcurrencyStrategy.TRANSACTIONAL：事务模式，支持事务，当事务发生回滚时，缓存中的数据也回滚，只支持 JPA 。
  

5. 配置 ehcache.xml 文件：

<ehcache> 
  <!-- 指定一个文件目录，当EHCache把数据写到硬盘上时，将把数据写到这个目录下 --> 
  <diskStore path="java.io.tmpdir"/> 
  <!--  
  name 设置缓存的名字，他的取值为类的完整名字或者类的集合的名字； 
  maxElementsInMemory 设置基于内存的缓存可存放的对象的最大数目 
  eternal 如果为true，表示对象永远不会过期，此时会忽略timeToIdleSeconds和timeToLiveSeconds，默认为false; 
  timeToIdleSeconds 设定允许对象处于空闲状态的最长时间，以秒为单位； 
  timeToLiveSeconds 设定对象允许存在于缓存中的最长时间，以秒为单位； 
  overflowToDisk 如果为true,表示当基于内存的缓存中的对象数目达到maxElementsInMemory界限，会把溢出的对象写到基于硬盘的缓存中； 
   --> 
  <!-- 设置缓存的默认数据过期策略 --> 
  <defaultCache 
  maxElementsInMemory="1000" 
  eternal="false" 
  timeToIdleSeconds="1200" 
  timeToLiveSeconds="1200" 
  overflowToDisk="false" 
  /> 
  <!-- 设定具体的第二级缓存的数据过期策略 --> 
  <cache name="com.shawearn.model.User" 
  maxElementsInMemory="1000" 
  eternal="false" 
  timeToIdleSeconds="3000" 
  timeToLiveSeconds="3000" 
  overflowToDisk="false" /> 
</ehcache>

感谢阅读，希望能帮助到大家，谢谢大家对本站的支持！