当前位置：首页 > news >正文

RuoYi-Vue 3.8.6 项目瘦身实战：不用Redis，改用ConcurrentHashMap做本地缓存（附完整代码）

news 2026/7/10 10:47:42

RuoYi-Vue 3.8.6 轻量化改造实战：用ConcurrentHashMap替代Redis的架构思考与实现

在中小型项目快速迭代的开发场景中，系统架构的轻量化往往比单纯追求技术先进性更具实际价值。最近在为一个高校实验室部署内部管理系统时，遇到了一个典型问题：项目基于RuoYi-Vue 3.8.6开发，但服务器资源仅1核2G，Redis实例就占用了近300MB内存，导致服务频繁崩溃。这促使我开始思考：在不影响核心功能的前提下，能否通过架构调整实现系统瘦身？

1. 为什么需要考虑去除Redis？

Redis作为高性能缓存解决方案，在大流量、高并发场景下表现优异。但在特定环境下，它可能成为"过度设计"的典型案例：

资源消耗问题：单个Redis实例基础内存占用约300MB，对于学生服务器或轻量云主机（如1核1G配置）可能吃掉30%以上资源
维护复杂度：需要额外配置持久化、监控和灾备方案，增加运维负担
开发环境痛点：本地开发时经常需要启动多个服务（MySQL、Redis等），降低开发效率

适用场景评估表：

场景类型	推荐方案	理由
生产环境高并发	Redis集群	支持高可用和水平扩展
内部管理系统	本地缓存	低流量、一致性要求低
开发测试环境	本地缓存	简化环境依赖
边缘计算节点	本地缓存	减少网络开销

提示：缓存方案选择应遵循"够用原则"，在保证功能的前提下，选择最简单的实现

2. 核心改造方案设计

2.1 架构改造思路

改造的核心目标是实现缓存接口的统一抽象，使得底层存储可插拔替换。RuoYi-Vue原本采用Spring Cache抽象层，这为我们的改造提供了良好基础：

// 原Redis缓存接口 public interface Cache { String getName(); Object getNativeCache(); ValueWrapper get(Object key); void put(Object key, Object value); void evict(Object key); void clear(); }

改造步骤：

创建基于ConcurrentHashMap的Cache实现类
替换原有RedisTemplate调用
保留Redis相关代码（注释方式）以便未来切换

2.2 内存缓存实现关键点

@Component public class MemoryCache implements Cache { private final Map<String, Object> storage = new ConcurrentHashMap<>(256); @Override public void put(Object key, Object value) { if (key == null || value == null) return; storage.put(key.toString(), serialize(value)); } @Override public ValueWrapper get(Object key) { Object value = storage.get(key.toString()); return value != null ? new SimpleValueWrapper(deserialize(value)) : null; } // 使用Jackson进行序列化/反序列化 private byte[] serialize(Object obj) { try { return objectMapper.writeValueAsBytes(obj); } catch (JsonProcessingException e) { throw new RuntimeException("序列化失败", e); } } private Object deserialize(Object obj) { // 反序列化逻辑... } }

注意事项：

需要处理对象序列化，保持与Redis方案兼容
初始容量设置避免频繁扩容
考虑添加软引用防止内存溢出

3. 具体实施步骤

3.1 配置层调整

首先注释掉Redis相关配置（保留原配置以便恢复）：

# application.yml #spring: # redis: # host: localhost # port: 6379

3.2 缓存适配器改造

在原有RedisCache类基础上进行改造，关键修改点：

@Component public class CustomCache { @Resource private MemoryCache memoryCache; public <T> void setCacheObject(String key, T value) { memoryCache.put(key, value); } public <T> T getCacheObject(String key) { ValueWrapper wrapper = memoryCache.get(key); return wrapper != null ? (T) wrapper.get() : null; } // 保留原Redis方法（注释状态） // @Autowired // private RedisTemplate redisTemplate; }

3.3 限流方案改造

原Redis限流改为本地令牌桶实现：

public class LocalRateLimiter { private final ConcurrentMap<String, TokenBucket> buckets = new ConcurrentHashMap<>(); public boolean tryAcquire(String key, int capacity, int refillTokens) { TokenBucket bucket = buckets.computeIfAbsent(key, k -> new TokenBucket(capacity, refillTokens)); return bucket.tryConsume(); } private static class TokenBucket { private final int capacity; private long lastRefillTime; private double tokens; // 令牌桶实现逻辑... } }

4. 性能优化与风险控制

4.1 内存管理策略

本地缓存需要特别注意内存控制：

容量限制：设置最大条目数

private static final int MAX_ENTRIES = 1000; private final Map<String, Object> storage = Collections.synchronizedMap(new LinkedHashMap<String, Object>(16, 0.75f, true) { @Override protected boolean removeEldestEntry(Map.Entry eldest) { return size() > MAX_ENTRIES; } });

过期策略：添加简易过期检查

private final ScheduledExecutorService cleaner = Executors.newSingleThreadScheduledExecutor(); public void startCleaner(long period, TimeUnit unit) { cleaner.scheduleAtFixedRate(() -> { storage.entrySet().removeIf(entry -> isExpired(entry.getKey(), entry.getValue())); }, 0, period, unit); }

4.2 一致性考量

在分布式环境下，本地缓存会面临一致性问题。可通过以下方式缓解：

添加@RefreshScope支持配置热更新
关键数据添加版本号校验
实现简单的广播机制（基于WebSocket或HTTP）

@RestController @RequestMapping("/cache") public class CacheRefreshController { @PostMapping("/refresh/{key}") public void refreshKey(@PathVariable String key) { memoryCache.evict(key); } }