使用redis做分页，性能提升将大大提升，亲测可用。

    在日常工作中，分页数据被访问较为频繁，即使数据量并不是很大，但也较大数据库的开销，而且数据库支持的并发数并不是很多。再加分页查询通常在select和from之间带了不少子查询，遍历查找子查询过程中也会拖慢整体的数据查询。基于此，本文介绍一种基于redis缓存的分页，避免数据库查出过多的字段造成的性能下降。

    算法的基本步骤可分为：
     1.查数据库中的数据，仅仅查主键ID和用到排序的字段
     2.根据主键ID作为缓存的key，并到缓存中获取完整的实体。
     3.如果取值为空就在就到数据库中查找，找以后存到缓存中，以便下次查询时命中缓存。
     4.为了保持缓存中的数据和数据库中的数据一致，在数据更新时，对缓存数据进行“双删延迟”

代码展示：

	        //只查id和用来排序的字段，保持查找正确page = hteLibMediaMapper.selectHteLibMedia(page,hteLibMediaParam,qw);List<HteLibMediaVo> selectList = page.getRecords();List<Long> notCachList = new LinkedList<>();selectList.forEach(it -> {String mapKey = RedisKeyConsts.MEDIA_KEY + it.getId();HteLibMediaVo hteLibMediaVo = (HteLibMediaVo) redisTemplate.opsForValue().get(mapKey);//命中缓存if (hteLibMediaVo != null){BeanUtils.copyProperties(hteLibMediaVo , it);}else {notCachList.add(it.getId());}});//没有在缓存里素材库if (CollectionUtils.isNotEmpty(notCachList)){List<HteLibMediaVo> hteLibMediaVos = hteLibMediaMapper.selectMediaByIds(notCachList , hteLibMediaParam.getQueryUserId());Map<String , HteLibMediaVo> mediaVoHashMap = new HashMap<>();hteLibMediaVos.forEach(it -> {String key = RedisKeyConsts.MEDIA_KEY + it.getId();mediaVoHashMap.put(key , it);});//批量缓存this.batchWitrWithTTL(mediaVoHashMap , 7);selectList.forEach(it -> {String mapKey = RedisKeyConsts.MEDIA_KEY + it.getId();if (mediaVoHashMap.get(mapKey) != null){BeanUtils.copyProperties(mediaVoHashMap.get(mapKey) , it);}});}

    数据更新时“延迟双删”

//保持数据同步，延迟双删。HteLibMediaVo hteLibMediaVo = (HteLibMediaVo) redisTemplate.opsForValue().get(mediaKey);if (hteLibMediaVo != null){redisTemplate.delete(mediaKey);}this.updateById(mediaInfo);if (hteLibMediaVo != null){try {Thread.sleep(500);}catch (Exception e){e.printStackTrace();}redisTemplate.delete(mediaKey);}

     以上算法仅仅提供参考，具体的优化还要应系统而已。