现在使用的缓存技术很多，比如Redis、 Memcache 、 EhCache等，甚至还有使用ConcurrentHashMap 或 HashTable 来实现缓存。但在缓存的使用上，每个人都有自己的实现方式，大部分是直接与业务代码绑定，随着业务的变化，要更换缓存方案时，非常麻烦。接下来我们就使用AOP + Annotation 来解决这个问题，同时使用自动加载机制 来实现数据“常驻内存”。
已经实现基于aspectj，代码在com.jarvis.cache.aop.aspectj.AspectjAopInterceptor。想通过阅读代码了解详细细节，可以以此为入口。
希望未来能更好适应高并发的环境，更方便运维，欢迎有这方面经验的人能参与进来，让更多的人受益。
在异步刷新缓存时，增加尝试多次去数据层加载数据，以适应解决有多个数据源，而其中部分数据源出问题情况。通过这种尝试机制，也许能获取到新的数据。
增加缓存过期时间管理策略，暂时想到三种：
1. 直接使用@Cache中设置的缓存时间，在缓存即将过期时，刷新缓存；
2. 根据@Cache中设置的缓存时间乘以n，如果缓存已经到了@设置的过期时间，则进行异步刷新。比如n=2，@Cache中设置10分钟，则实际缓存时间为20分钟，当过了10分钟后就可以刷新缓存；
3. 根据@Cache中设置的缓存时间加上n分钟。原理和第2种差不多。第二和第三种我们可以认为是“主动续租”。
增加连接缓存服务器异常处理机制，比如，当每秒连接错误达到一定数量后，增加重试机制，降低去数据层获取数据的速率，启用本地临时缓存，随机放弃一部分请求等等。
如果在DataLoader中loadData时，等待第一个请求返回数据超时时，再去缓存中获取一次，如果还是没有，则随机个线程去数据层获取数据或控制获取数据的速率，或放弃一些请求。
如果系统A依赖系统B的数据，如何能实现在系统A，就能直接获取系统B中缓存数据，这样不仅能减少访问接口的并发，而且能更好保证缓存中数据的一致性。
guava cache的研究和使用。参考Spring 中org.springframework.cache.guava.GuavaCacheManager相关代码。
优化ConcurrentHashMap 缓存的持久化功能。
redis3.0 集群研究以及使用
QQ群：429274886