简易的查询与缓存的统一执行器

一、背景与问题

在高并发、高可用的业务场景中，我们常面临这样的数据获取流程：

• 先查缓存（如 Redis）减轻 DB 压力、提升响应速度
• 缓存未命中再查 DB
• DB 也没有则实时计算
• 计算或查询到结果后：先落库，再回写缓存，保证下次命中

如果每个接口都手写「Redis → DB → 计算 → 写 DB → 写 Redis」这一套逻辑，会出现大量重复代码，且容易漏写回写步骤，导致缓存与 DB 不一致。因此需要一套可复用、声明式的执行器，把流程固定下来，只由调用方提供「查什么、怎么算、怎么存」。

---

二、整体设计思路

核心思想：用函数式接口描述每一步能力，由工具类按固定顺序执行。

• Supplier<R> dbQueryFunc ：数据库查询方法，返回查询的结果；
• Function<T, R> computeFunc：实时计算方法，接受参数，返回计算的结果；
• Consumer<R> dbSaveFunc：保存结果到数据库的方法；

流程由工具类统一编排，业务方只负责提供这些 Lambda，从而：

• 减少重复的 if-else 和 null 判断
• 统一日志（如「DB 无数据，实时计算」「缓存和 DB 均无数据，实时计算」）
• 保证「先写 DB 再写 Redis」等顺序，降低出错概率

---

三、关键实现

流程简述：

1. 读 Redis：用 cacheKeyFunc.get() 得到 key，按 resultType 反序列化；命中则直接返回
2. 读 DB：调用 dbQueryFunc.get()；若有结果，则写入 Redis（带过期时间）并返回
3. 实时计算：调用 computeFunc.apply(param)，param 由 paramFunc 提供
4. 写回：若结果非空，先 dbSaveFunc.accept(result) 写 DB，再写 Redis；

方法签名：

public static <T, R> R execute(
    Supplier<String> cacheKeyFunc,    // 缓存 key
    Long cacheExpireSeconds,          // 过期时间（秒）
    Supplier<R> dbQueryFunc,          // 从数据库查询结果的方法
    Function<T, R> computeFunc,       // 实时计算的方法
    Supplier<T> paramFunc,            // 获取参数值的方法，获取的参数传递给computeFunc
    Consumer<R> dbSaveFunc,           // 保存结果到数据库的方法
    TypeReference<R> resultType       // 用于 Redis 反序列化
)

要点：

• TypeReference<R> 解决泛型 R 在 JSON 反序列化时的类型擦除问题
• 写回顺序固定为：先 DB，后 Redis，避免缓存与 DB 不一致

流程示意：

Redis + DB + 计算：
  读 Redis → 命中则返回
  → 未命中：读 DB → 有则写 Redis 并返回
  → 仍无：取参数 → 实时计算 → 写 DB → 写 Redis → 返回

关键代码

public static <T, R> R execute(Supplier<String> cacheKeyFunc,
                               Long cacheExpireSeconds,
                               Supplier<R> dbQueryFunc,
                               Function<T, R> computeFunc,
                               Supplier<T> paramFunc,
                               Consumer<R> dbSaveFunc,
                               TypeReference<R> resultType) {
    T param = Objects.nonNull(paramFunc) ? paramFunc.get() : null;   
	if (Objects.isNull(cacheKeyFunc) || Objects.isNull(resultType)) {
        throw new RuntimeException("cacheKeyFunc和resultType不能为空"); 
    }
    String cacheKey = cacheKeyFunc.get();
	if (StringUtils.isBlank(cacheKey)) {
		throw new RuntimeException("缓存键不能为空"); 
	}

    // 1. 先读 Redis
    R result = RedisUtils.queryForObj(cacheKey, resultType);
    if (Objects.nonNull(result)) return result;

    // 2. 读 DB
    result = dbQueryFunc.get();
    if (Objects.nonNull(result)) {
        //保存到redis
        RedisUtils.saveObj(cacheKey, JSON.toJSONString(result), cacheExpireSeconds, TimeUnit.SECONDS);
        return result;
    }

    // 3. 未查询到数据，执行计算逻辑
    log.info("缓存和DB均无数据，实时计算数据");
    result = computeFunc.apply(param);

    // 4. 先保存到 DB，再保存到 Redis
    if (Objects.nonNull(result)) {
        dbSaveFunc.accept(result);
        RedisUtils.saveObj(cacheKey, JSON.toJSONString(result), cacheExpireSeconds, TimeUnit.SECONDS);
    } else {
        log.info("计算结果为空，无需保存");
    }

    return result;
}

备注：其中的RedisUtils是我封装的一个redis操作工具类，提供了简化了redis操作的方法；

---

四、使用示例

// 示例：带 Redis 缓存的用户统计查询
UserStat stat = QueryProcessUtils.execute(
    () -> "user:stat:" + userId,                            // cache key
    3600L,                                                   // 过期 1 小时
    () -> userStatMapper.selectByUserId(userId),
    (userId) -> userService.aggregateStat(userId),
    () -> userId,
    (result) -> userStatMapper.insert(result),
    new TypeReference<UserStat>() {}
);