Опиши интересную техническую задачу, которую решал на предыдущем проекте.

Задача: проектирование и реализация двухуровневой системы динамического кэширования для высоконагруженного REST API, чтобы снизить нагрузку на базу данных и уменьшить latency.

Проблема: Прямые запросы к БД на пиковых нагрузках создавали задержки и риск её перегрузки.

Решение: Архитектура «Локальный кэш (Caffeine) → Распределенный кэш (Redis) → База данных».

Ключевые компоненты реализации на Spring Boot:

@Configuration
public class CacheConfig {
    @Bean
    public CacheManager cacheManager(RedisConnectionFactory redisConnectionFactory) {
        // 1. Локальный кэш (быстрый, небольшой объем)
        Cache localCache = Caffeine.newBuilder()
                .expireAfterWrite(10, TimeUnit.SECONDS)
                .maximumSize(1000)
                .build();

        // 2. Распределенный кэш (общий для всех инстансов)
        RedisCacheConfiguration redisConfig = RedisCacheConfiguration.defaultCacheConfig()
                .entryTtl(Duration.ofMinutes(5))
                .serializeValuesWith(SerializationPair.fromSerializer(new GenericJackson2JsonRedisSerializer()));

        RedisCacheManager redisCacheManager = RedisCacheManager.builder(redisConnectionFactory)
                .cacheDefaults(redisConfig)
                .build();

        // 3. Объединение в TieredCacheManager (собственная или сторонняя реализация)
        // Логика: запрос сначала идет в Caffeine, затем в Redis, и только потом в БД.
        return new TieredCacheManager(localCache, redisCacheManager);
    }
}

Результат:

• Снижение нагрузки на БД на ~40%.
• Ускорение обработки 95% запросов в 3-5 раз за счет попадания в локальный кэш.
• Обеспечение консистентности данных между несколькими экземплярами приложения через Redis.