RBAC缓存水位监控与权限数据预热治理 - 第1节
1.1 RBAC 模型定义
基于角色的访问控制（Role-Based Access Control，RBAC）是当前企业级系统中应用最广泛的权限管理模型。其核心思想是将权限授予角色，再将角色授予用户，从而在用户与权限之间引入“角色”这一中间层，实现权限管理的解耦与复用。
RBAC 模型在 NIST（美国国家标准与技术研究院）标准中被定义为四个核心层级：
- RBAC₀（核心RBAC）：用户-角色-权限三元组，支持多对多关系。
- RBAC₁（层级RBAC）：引入角色继承，子角色自动获得父角色权限。
- RBAC₂（约束RBAC）：增加职责分离（SoD）约束，如互斥角色、基数限制。
- RBAC₃（统一RBAC）：同时支持层级与约束，是完整模型。
课程聚焦：本课程以 RBAC₀ 为基础，重点讨论缓存水位复核场景下的性能与一致性问题，后续章节会逐步引入 RBAC₁ 和 RBAC₂ 的缓存挑战。
1.2 核心三要素
RBAC 模型由三个核心要素构成，它们之间的映射关系决定了权限系统的灵活性与可维护性。
| 要素 | 定义 | 示例 | 缓存关注点 |
|---|---|---|---|
| 用户（User） | 系统的操作主体，可以是人、服务账号或设备 | user:zhangsan, service:payment-srv | 用户量级大，缓存键设计需考虑前缀压缩 |
| 角色（Role） | 权限的集合，是权限分配的逻辑单位 | admin, editor, viewer | 角色数量少但变更频繁，缓存失效策略关键 |
| 权限（Permission） | 对资源的具体操作许可，通常表示为“资源+操作” | document:read, document:write | 权限粒度影响缓存命中率，细粒度权限易导致缓存膨胀 |
三要素之间的映射关系为：
- 用户-角色映射（URA）：多对多，一个用户可拥有多个角色，一个角色可被多个用户持有。
- 角色-权限映射（RPA）：多对多，一个角色可包含多个权限，一个权限可被多个角色引用。
- 用户-权限映射（UPA）：在 RBAC 中不直接存在，而是通过角色间接推导。
1.3 RBAC 与 ACL 的区别
访问控制列表（Access Control List，ACL）是 RBAC 之前最主流的权限模型，两者在架构思想、性能特征和缓存策略上存在本质差异。
| 对比维度 | RBAC（基于角色） | ACL（基于列表） |
|---|---|---|
| 授权粒度 | 粗粒度到细粒度，通过角色层级调节 | 细粒度，每个资源独立维护列表 |
| 管理复杂度 | 低，角色复用减少重复配置 | 高，每个资源需单独配置 |
| 缓存条目数 | O(用户数 + 角色数 + 权限数)，可预测 | O(用户数 × 资源数)，极易膨胀 |
| 缓存失效范围 | 角色变更时，仅影响该角色下的用户 | 权限变更时，需遍历所有关联资源 |
| 典型场景 | 企业管理系统、SaaS 平台 | 文件系统、操作系统权限 |
| 缓存水位风险 | 角色爆炸（角色数量失控） | 列表爆炸（用户×资源组合失控） |
缓存水位视角：ACL 模型在用户数超过 10 万、资源数超过 100 万时，缓存条目数可达千亿级，几乎无法通过缓存优化。RBAC 通过角色聚合，将缓存条目数控制在万级到百万级，是缓存水位可控的基础前提。
1.4 RBAC 缓存水位初探
在进入后续章节的深度分析前，先建立缓存水位的初步认知。RBAC 系统的缓存水位受三个关键因子影响：
- 用户基数（U）：直接影响用户-角色映射的缓存条目数。
- 角色数量（R）：影响角色-权限映射的缓存规模，以及角色继承树的深度。
- 权限粒度（P）：细粒度权限（如字段级）会导致权限集合膨胀，增加单角色缓存体积。
缓存水位的估算公式（简化版）：
缓存条目数 ≈ U × avgRolesPerUser + R × avgPermissionsPerRole
缓存体积 ≈ 缓存条目数 × 平均单条缓存大小（KB）以一个中型企业系统为例：
- 用户数 U = 50,000，平均每人 3 个角色 → URA 缓存 150,000 条
- 角色数 R = 200，平均每个角色 50 个权限 → RPA 缓存 10,000 条
- 总缓存条目 ≈ 160,000 条，若每条 2KB → 总缓存体积 ≈ 320MB