4. 缓存策略与缓存击穿：本地缓存 vs 分布式缓存

缓存这东西，说白了就是用空间换时间。但换不好，系统反而会崩得更快。我见过太多团队，上来就怼 Redis，结果热点 Key 一挂，数据库直接被打死。今天咱们就把缓存这摊事彻底捋清楚。

4.1 本地缓存 vs 分布式缓存：选型不是拍脑袋

先问自己一个问题：你的数据需要共享吗？如果答案是「不需要」，那本地缓存往往更香。

我个人习惯是：能用本地缓存解决的，绝不引入 Redis。为什么？少一次网络开销，少一个故障点。但要注意，本地缓存最大的坑是「数据孤岛」——每个节点各存各的，更新时容易不一致。

4.2 缓存穿透：别让请求打到数据库

缓存穿透，就是查一个根本不存在的数据。每次请求都绕过缓存，直接怼到数据库。我见过最夸张的一次，某个接口被刷了 10 万次，数据库连接池瞬间打满。

解决方案就三个：

1. 缓存空值：查不到数据时，也缓存一个空对象（TTL 设短一点，比如 30 秒）。
2. 布隆过滤器：请求进来先过布隆，不存在直接返回。注意布隆有误判率，但可以接受。
3. 参数校验：非法参数直接拦截，别让它们进缓存层。

4.3 缓存击穿：热点 Key 过期那几秒

缓存击穿，指的是一个热点 Key 在过期瞬间，大量请求同时涌入，直接打穿到数据库。这比穿透更危险——因为数据是真实存在的，只是缓存刚好过期。

我的处理三板斧：

• 互斥锁（Mutex）：第一个请求发现缓存过期，加锁去查数据库，其他请求等待。注意锁的粒度要细，别锁住整个缓存。
• 逻辑过期：缓存永不过期，但存一个过期时间字段。后台异步线程去刷新。这样即使数据变了，用户拿到的也是旧数据，但系统不会崩。
• 热点 Key 不过期：对于已知的热点，直接设置不过期，由后台任务定期更新。

// 伪代码：互斥锁方案
public Object getWithMutex(String key) {
    Object value = cache.get(key);
    if (value != null) return value;
    
    String lockKey = "lock:" + key;
    if (redis.setNx(lockKey, "1", 3, TimeUnit.SECONDS)) {
        try {
            value = db.query(key);
            cache.set(key, value, 60, TimeUnit.SECONDS);
        } finally {
            redis.del(lockKey);
        }
    } else {
        // 等待 50ms 后重试
        Thread.sleep(50);
        return getWithMutex(key);
    }
    return value;
}

4.4 缓存雪崩：大面积过期引发的灾难

缓存雪崩，就是大量 Key 在同一时间过期，或者缓存节点挂了，导致请求全部打到数据库。这往往是「设计失误」造成的。

预防措施：

• 过期时间加随机值：比如基础 TTL 60 秒，再加 0~30 秒随机偏移。避免集体过期。
• 多级缓存：本地缓存 + Redis 双层。Redis 挂了，本地缓存还能扛一阵。
• 限流降级：缓存失效时，对数据库查询做限流。比如每秒只允许 100 个查询，其余返回默认值。
• 缓存预热：系统启动时，提前加载热点数据到缓存，别等用户来触发。

4.5 热点 Key 发现与处理

热点 Key 是缓存系统的头号杀手。一个 Key 的 QPS 达到几十万，Redis 单节点扛不住，数据库更扛不住。

怎么发现热点 Key？

1. 客户端统计：在缓存客户端（如 Jedis、Lettuce）里埋点，统计每个 Key 的访问频率。
2. Redis 自身监控：用 hotkeys 参数（Redis 4.0+），或者 MONITOR 命令（注意性能开销）。
3. 代理层分析：如果用了 Twemproxy 或 Codis，可以在代理层做流量分析。

发现之后怎么处理？

• 本地缓存分摊：把热点 Key 复制到每个应用节点的本地缓存里。注意数据一致性，可以接受短暂不一致。
• Key 分散：把一个热点 Key 拆成多个子 Key，比如 hot:1、hot:2……请求时随机选一个。
• 读写分离：Redis 集群模式下，热点 Key 的读请求分散到多个从节点。

4.6 整体缓存策略架构

下面这张图，是我在实际项目中沉淀下来的缓存分层架构。你照着搭，至少能扛住 90% 的缓存问题。

4.7 总结：缓存调优的黄金法则

说了这么多，其实核心就几条：

• 分层：本地缓存扛热点，分布式缓存扛共享，数据库做最后防线。
• 兜底：穿透、击穿、雪崩，每种场景都要有预案。
• 监控：热点 Key 不是靠猜的，用数据说话。
• 简单：能用本地缓存解决的，别引入 Redis。多一层缓存，多一个故障点。