1. 灾备缓存体系概述
1.1 灾备场景下缓存的核心作用
在灾备（Disaster Recovery, DR）体系中，缓存并非简单的“临时存储”，而是保障业务连续性与数据一致性的关键中间层。当主数据中心发生故障、网络分区或存储延迟飙升时，缓存层承担着以下不可替代的职责：
- 读流量卸载：灾备切换期间，后端数据库或存储系统往往处于降级或重建状态。缓存直接响应高频读请求，避免雪崩效应。
- 写请求缓冲：在异步复制或半同步复制场景下，缓存可暂存写入操作，待主备链路恢复后回放，降低数据丢失窗口。
- 会话保持：分布式缓存（如 Redis Cluster、Memcached）保存用户登录态、购物车等临时数据，确保切换后用户无感知。
- 热点数据保护：灾备演练或真实切换时，缓存命中率直接决定后端存储的压力水位，是防止级联故障的第一道防线。
关键认知： 灾备缓存不是“锦上添花”，而是“雪中送炭”。缓存层一旦在灾备期间失效，RTO（恢复时间目标）可能从分钟级恶化到小时级。
1.2 缓存命中率对 RTO / RPO 的影响
缓存命中率（Cache Hit Ratio, CHR）是衡量灾备缓存健康度的核心指标。下表量化了不同命中率区间对 RTO 和 RPO 的实际影响：
| 缓存命中率区间 | 对 RTO 的影响 | 对 RPO 的影响 | 典型场景 |
|---|---|---|---|
| ≥ 95% | 切换后 1-3 秒内恢复读能力，RTO 几乎无额外增加 | 写缓冲有效，RPO 接近 0（仅丢失最后几笔） | 正常灾备演练、预热的缓存集群 |
| 80% ~ 94% | 部分请求穿透到后端，RTO 增加 10-30 秒 | 写缓冲队列开始堆积，RPO 可能达到秒级 | 缓存预热不充分或部分节点故障 |
| 50% ~ 79% | 大量穿透导致后端连接池打满，RTO 延长至分钟级 | 写缓冲溢出，RPO 可能达到分钟级数据丢失 | 缓存集群大规模故障或网络分区 |
| < 50% | 后端存储直接过载，RTO 不可控（可能超过 30 分钟） | 写缓冲完全失效，RPO 取决于复制延迟 | 缓存雪崩、未做预热或配置严重错误 |
避坑提示： 很多团队只关注“缓存是否可用”，却忽略了命中率。一个“可用但命中率只有 40%”的灾备缓存，在切换时反而会成为拖垮后端存储的导火索。巡检时必须将命中率纳入 SLO。
1.3 灾备缓存命中率下降的典型根因
从性能调优视角看，命中率下降通常由以下因素引发：
- 缓存预热策略缺失：灾备切换后缓存为空，大量请求直接穿透到数据库。
- 过期时间设置不合理：TTL 过短导致缓存频繁失效，TTL 过长导致数据不一致。
- 缓存键设计冲突：主备环境使用相同的键前缀，导致数据互相覆盖或污染。
- 内存淘汰策略不当：allkeys-lru 或 volatile-lru 在内存不足时错误淘汰了热点数据。
- 网络延迟与分区：跨机房灾备场景下，缓存同步链路延迟导致部分节点数据陈旧。
1.4 课程目标与受众
本课程旨在帮助运维与架构人员建立一套完整的“灾备缓存命中巡检”方法论，从指标采集、瓶颈定位到调优落地，形成可复用的巡检 SOP。
| 维度 | 具体内容 |
|---|---|
| 课程目标 |
|
| 目标受众 |
|
学习建议： 建议学员在阅读本章后，先登录自己的灾备环境，执行一次
redis-cli info stats | grep hit 或 memcached-tool localhost:11211 stats，记录当前命中率，作为后续调优的基线数据。