4. 本地缓存+Redis两级缓存架构

4.1 两级缓存架构概述

在热点数据访问场景中，单一 Redis 缓存仍面临网络开销与序列化延迟。引入本地缓存（如 Caffeine、Guava Cache）作为一级缓存（L1），Redis 作为二级缓存（L2），形成两级缓存架构，可显著降低热点数据的访问延迟，减少 Redis 连接压力。

4.2 一级缓存选型：Caffeine vs Guava Cache

4.3 两级缓存一致性策略

两级缓存的核心挑战是 数据一致性。本地缓存与 Redis 之间、Redis 与数据库之间都可能出现数据不一致。常用策略包括 TTL 过期、主动失效、以及组合方案。

4.3.1 TTL 过期策略

为本地缓存和 Redis 分别设置不同的过期时间，利用时间差实现最终一致性。

• 本地缓存 TTL：通常设置为 5-30 秒，较短，保证数据相对新鲜。
• Redis TTL：通常设置为 5-60 分钟，较长，作为稳定共享层。
• 效果：本地缓存过期后自动从 Redis 拉取最新数据，实现最终一致。

// Caffeine 本地缓存配置示例
Cache<String, Object> localCache = Caffeine.newBuilder()
    .maximumSize(10_000)
    .expireAfterWrite(10, TimeUnit.SECONDS)  // 本地缓存 10 秒过期
    .recordStats()
    .build();

// Redis 缓存配置（Spring Data Redis 示例）
@Bean
public RedisCacheManager redisCacheManager(RedisConnectionFactory factory) {
    RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig()
        .entryTtl(Duration.ofMinutes(30))  // Redis 缓存 30 分钟过期
        .disableCachingNullValues();
    return RedisCacheManager.builder(factory)
        .cacheDefaults(config)
        .build();
}

4.3.2 主动失效策略

当数据发生写操作（更新/删除）时，主动通知各级缓存失效，避免脏数据。

• 失效流程：写请求 → 更新数据库 → 删除 Redis 缓存 → 广播失效消息（如 Redis Pub/Sub 或 MQ）→ 各服务节点删除本地缓存。
• 关键点：先更新数据库，再删除缓存，避免并发读写导致的不一致。

4.3.3 组合策略：TTL + 主动失效

生产环境推荐组合使用，兼顾实时性与可靠性。

4.4 两级缓存代码实现示例

以下展示一个完整的 Caffeine + Redis 两级缓存工具类，包含读穿透、写失效、TTL 兜底。

@Component
public class TwoLevelCache<K, V> {
    private final Cache<K, V> localCache;
    private final RedisTemplate<K, V> redisTemplate;
    private final StringRedisTemplate stringRedisTemplate;
    private final long redisTtlSeconds;

    public TwoLevelCache(RedisTemplate<K, V> redisTemplate,
                         StringRedisTemplate stringRedisTemplate,
                         long redisTtlSeconds) {
        this.localCache = Caffeine.newBuilder()
                .maximumSize(10_000)
                .expireAfterWrite(10, TimeUnit.SECONDS)  // L1 TTL 10秒
                .recordStats()
                .build();
        this.redisTemplate = redisTemplate;
        this.stringRedisTemplate = stringRedisTemplate;
        this.redisTtlSeconds = redisTtlSeconds;
    }

    // 读操作：L1 -> L2 -> DB
    public V get(K key, Function<K, V> dbLoader) {
        // 1. 查本地缓存
        V value = localCache.getIfPresent(key);
        if (value != null) {
            return value;
        }
        // 2. 查 Redis
        value = redisTemplate.opsForValue().get(key);
        if (value != null) {
            localCache.put(key, value);  // 回填 L1
            return value;
        }
        // 3. 查数据库
        value = dbLoader.apply(key);
        if (value != null) {
            redisTemplate.opsForValue().set(key, value, redisTtlSeconds, TimeUnit.SECONDS);
            localCache.put(key, value);
        }
        return value;
    }

    // 写操作：更新 DB -> 删除 L2 -> 广播失效 L1
    public void put(K key, V value, Consumer<K> dbUpdater) {
        // 1. 更新数据库
        dbUpdater.accept(key);
        // 2. 删除 Redis 缓存
        redisTemplate.delete(key);
        // 3. 广播失效消息（所有节点删除本地缓存）
        stringRedisTemplate.convertAndSend("cache:invalidate", key.toString());
        // 4. 删除当前节点本地缓存
        localCache.invalidate(key);
    }

    // 监听失效消息（在 @RedisListener 中调用）
    @RedisListener(channel = "cache:invalidate")
    public void handleInvalidateMessage(K key) {
        localCache.invalidate(key);
    }
}

4.5 性能调优要点

• 本地缓存大小：根据 JVM 堆内存设置，通常不超过 100MB，避免 GC 压力。
• TTL 差异化：热点数据本地 TTL 可适当延长（如 30 秒），冷数据缩短（如 5 秒）。
• 缓存穿透防护：本地缓存和 Redis 均缓存空值（设置短 TTL），防止恶意 key 穿透。
• 缓存雪崩防护：本地缓存 TTL 添加随机偏移（±20%），避免同时过期。
• 监控告警：通过 Caffeine 的 recordStats() 监控本地缓存命中率，低于 80% 时触发告警。

4.6 两级缓存架构总结

两级缓存架构通过本地缓存扛住热点流量、Redis 提供共享数据层、数据库作为持久化底座，配合 TTL 与主动失效的组合策略，能够在高并发场景下实现高性能与数据一致性的平衡。实际落地时需根据业务读写比例、数据一致性要求、运维成本等因素灵活调整参数。