4. 缓存命中率核心指标：命中率(Hit Ratio)、回源率(Miss Ratio)、延迟分布(P99/P999)、吞吐量(QPS)

在灾备缓存巡检中，仅关注“缓存是否可用”远远不够。瓶颈分析要求我们通过四个核心指标，量化缓存层的健康度与性能水位。这四个指标构成了缓存性能的“四象限”，任何一项出现异常，都可能是灾备切换或性能瓶颈的前兆。

4.1 指标定义与业务含义

4.2 四指标联动关系与瓶颈分析模型

四个指标并非孤立存在，它们之间存在明确的因果链。下图展示了从用户请求到缓存回源的完整路径，以及每个阶段对应的核心指标。

4.3 指标阈值与异常判定

不同业务场景对缓存指标的要求差异较大，但灾备巡检通常采用以下通用阈值作为告警基线：

• 命中率 (Hit Ratio)： 正常范围 ≥ 90%；警戒线 < 85%；严重异常 < 70%
• 回源率 (Miss Ratio)： 正常范围 ≤ 10%；警戒线 > 15%；严重异常 > 30%
• P99 延迟： 正常范围 ≤ 5ms；警戒线 > 10ms；严重异常 > 50ms
• P999 延迟： 正常范围 ≤ 20ms；警戒线 > 50ms；严重异常 > 200ms
• QPS 水位： 正常范围 ≤ 节点规格 60%；警戒线 > 80%；严重异常 > 95%

4.4 指标采集与计算方式

在生产环境中，指标采集通常通过 Redis INFO 命令、Memcached stats 命令或 Prometheus Exporter 完成。以下是关键指标的计算公式：

# Redis 命中率计算（基于 INFO stats）
hit_ratio = keyspace_hits / (keyspace_hits + keyspace_misses) * 100%

# Memcached 命中率计算（基于 stats）
hit_ratio = get_hits / (get_hits + get_misses) * 100%

# P99 延迟计算（基于 latency 采样）
sorted_latencies = sort(all_request_latencies)
p99_index = int(len(sorted_latencies) * 0.99)
p99_latency = sorted_latencies[p99_index]

# QPS 计算（基于 1 分钟滑动窗口）
qps = total_requests_in_window / 60

4.5 瓶颈分析实战：指标异常排查流程

当巡检发现指标异常时，建议按以下步骤进行根因分析：

1. 确认指标真实性： 排除采集链路故障（如 Exporter 重启、网络丢包导致采样偏差）
2. 检查缓存节点状态： 内存使用率、CPU 使用率、网络带宽、连接数是否达到瓶颈
3. 分析缓存键分布： 是否存在热点键（Hot Key）导致单节点压力集中
4. 验证数据一致性： 检查缓存与源站数据是否一致，是否存在缓存穿透或缓存雪崩
5. 评估灾备切换必要性： 根据指标阈值判断是否需要执行灾备切换流程

4.6 灾备场景下的指标联动分析

在灾备切换过程中，四个指标会呈现典型的联动变化模式。理解这些模式有助于快速定位问题阶段：