2、缓存命中率基础：缓存命中率定义、计算公式、命中率与系统延迟的关系
缓存命中率（Cache Hit Ratio, CHR）是衡量缓存系统效率最核心的指标。它直接决定了缓存能否有效降低后端存储负载、缩短数据访问延迟。在灾备场景下，缓存命中率更是影响 RPO（恢复点目标）能否达成的关键变量——低命中率意味着大量写操作穿透至主存储，导致数据同步窗口拉长，RPO 失控风险上升。
2.1 缓存命中率定义
缓存命中率是指从缓存中成功获取数据的请求次数，占总请求次数的百分比。与之对应的是缓存未命中率（Cache Miss Ratio），两者之和为 100%。
- 缓存命中（Cache Hit）：请求的数据在缓存中存在，直接从缓存返回，无需访问后端存储。
- 缓存未命中（Cache Miss）：请求的数据不在缓存中，必须穿透到后端存储（数据库、磁盘、主存储）读取，并将结果回填到缓存。
2.2 计算公式
缓存命中率的基本计算公式如下：
缓存命中率（CHR） = (缓存命中次数 / 总请求次数) × 100%
其中：
- 缓存命中次数 = 总请求次数 - 缓存未命中次数
- 总请求次数 = 缓存命中次数 + 缓存未命中次数在实际监控系统中，通常使用以下衍生指标进行多维度评估：
| 指标名称 | 计算公式 | 说明 |
|---|---|---|
| 全局命中率 | 总命中次数 / 总请求次数 × 100% | 反映整体缓存效率 |
| 读命中率 | 读命中次数 / 读请求总次数 × 100% | 聚焦读密集型业务 |
| 写命中率 | 写命中次数 / 写请求总次数 × 100% | 写穿透场景的关键指标 |
| 字节命中率 | 命中数据量（字节）/ 总请求数据量（字节）× 100% | 衡量带宽节省效果 |
| 对象命中率 | 命中对象数 / 总请求对象数 × 100% | 适用于对象缓存场景 |
2.3 命中率与系统延迟的关系
缓存命中率与系统平均延迟之间存在明确的数学关系。假设缓存命中时的延迟为 T_hit，缓存未命中时的延迟为 T_miss（包含穿透后端存储的时间），则系统平均延迟 T_avg 可表示为：
T_avg = CHR × T_hit + (1 - CHR) × T_miss从公式可以看出，T_avg 与 CHR 呈线性负相关。当 CHR 从 90% 下降到 80% 时，平均延迟的增幅取决于 T_miss / T_hit 的比值。在灾备场景中，T_miss 通常包含跨地域网络延迟，可能比 T_hit 高出 2~3 个数量级，因此命中率的微小下降会导致延迟急剧恶化。
下图展示了缓存命中率与系统平均延迟之间的典型关系曲线：
从图中可以清晰看到：当命中率从 100% 下降到 90% 时，平均延迟仅从 1ms 上升到约 21ms，仍在可接受范围；但当命中率跌破 75% 时，平均延迟迅速攀升至 50ms 以上；若命中率降至 50%，延迟将超过 100ms，对灾备场景下的数据同步造成显著影响。
2.4 延迟分解与缓存收益评估
为了更精确地评估缓存对系统延迟的改善效果，通常将总延迟分解为以下组成部分：
- 网络往返延迟：客户端到缓存节点、缓存节点到后端存储的网络传输时间。
- 缓存查找延迟：缓存内部数据结构查找、序列化/反序列化时间。
- 后端存储延迟：数据库查询、磁盘 I/O、跨地域数据复制等时间。
- 数据回填延迟：未命中后将数据写入缓存的时间。
缓存收益（Cache Benefit）可通过以下公式量化：
缓存收益 = (T_miss - T_hit) × 命中次数
缓存加速比 = T_avg_without_cache / T_avg_with_cache
其中：
- T_avg_without_cache = T_miss（所有请求穿透后端）
- T_avg_with_cache = CHR × T_hit + (1 - CHR) × T_miss① 当前缓存命中率（CHR）
② 当前系统平均延迟（T_avg）
③ 缓存加速比（Cache Speedup Ratio）
当加速比低于 2.0 时，说明缓存带来的延迟改善不足 50%，需要排查缓存配置或容量问题。
下图展示了缓存加速比随命中率变化的趋势：
从加速比曲线可以看出：当命中率低于 50% 时，缓存加速比不足 2 倍，缓存几乎失去实际意义；命中率在 75%~90% 区间时，加速比达到 4~10 倍，是缓存收益的黄金区间；命中率超过 95% 后，加速比呈指数级增长，但此时需要权衡缓存容量成本。