📚 课程目录第4章缓存基础理论

4. 缓存基础理论

在工业边缘节点离线自治体系中，缓存不是简单的“把数据存一份”，而是一套围绕命中率、替换策略、一致性模型与工业数据特征协同设计的运行时机制。边缘节点通常部署在产线侧、网关侧或设备侧，网络带宽有限、时延敏感、数据源异构，缓存策略直接决定了离线期间系统能否继续提供可用的数据服务。

一、缓存命中率：边缘自治的第一指标

缓存命中率（Hit Ratio）指请求在缓存中直接获得有效数据的比例，公式为：

命中率 = 命中次数 / (命中次数 + 未命中次数)
未命中率 = 1 - 命中率

在工业边缘场景中，命中率不能只看平均值，还要区分读命中率与写命中率。读命中率影响查询响应速度，写命中率影响本地写入是否立即落盘或进入写队列。若写命中率低，离线期间大量写请求会堆积在队列中，恢复联网后可能引发回传风暴。

提升命中率的核心手段包括：

热点识别：按设备、测点、时间窗口统计访问频次，优先缓存高频读写的关键参数。
预取策略：根据生产节拍、班次切换、报警联动等规律提前加载下一阶段可能访问的数据。
容量规划：缓存容量不是越大越好，需结合内存、磁盘、SSD寿命与数据价值分层配置。
键设计：将设备ID、测点ID、时间戳、质量码组合成稳定键，避免因键漂移导致伪未命中。

工业边缘缓存应优先保障“关键测点”的命中率，而不是追求全局平均命中率。关键测点通常包括安全联锁、工艺设定值、报警状态和批次追溯字段。

二、替换策略：容量有限下的取舍逻辑

当缓存空间不足时，替换策略决定淘汰哪些数据。常见策略及其工业适配性如下：

策略	核心思想	工业边缘适用性
LRU	淘汰最久未访问的数据	适合读多写少、访问局部性强的场景
LFU	淘汰访问频率最低的数据	适合稳定热点，但对突发新热点反应慢
FIFO	按进入顺序淘汰	实现简单，适合日志、流水类数据
TTL	按生存时间过期淘汰	适合时效性强的实时测点与状态数据
优先级/权重	按业务价值、安全等级淘汰	最适合工业场景，可保护关键数据

实际工程中常采用组合策略，例如“TTL + 优先级 + LRU”：先让过期数据失效，再按安全等级保护关键测点，最后在同类数据中按最近访问时间淘汰。这样既能控制内存占用，又能避免把安全联锁数据误删。

三、一致性模型：离线自治下的数据可信边界

缓存一致性模型描述缓存副本与数据源之间、多个边缘节点之间数据保持一致的规则。工业边缘常见模型包括：

强一致性：写入后立即对所有读取可见。实现成本高，通常只用于安全联锁、计量结算等关键路径。
最终一致性：允许短时间不一致，但最终收敛。适合设备状态、统计指标、非关键工艺参数。
会话一致性：同一会话内保证读己之写。适合操作员在本地HMI上的连续操作。
因果一致性：保证有因果关系的更新顺序。适合报警传播、批次追溯链。

离线自治期间，边缘节点无法与云端实时同步，此时一致性模型需要降级为“本地优先 + 冲突可合并”。典型做法是：本地写入先落盘并打上版本号或逻辑时钟，恢复联网后按时间戳 + 设备序列号 + 版本向量进行冲突检测与合并。

不要在没有冲突解决策略的情况下直接开启双向同步。工业现场常见“同一测点被边缘与云端同时修改”的情况，若缺少版本控制，会导致数据覆盖或追溯断链。

四、工业数据特征：决定缓存设计的底层约束

工业数据与互联网数据差异显著，缓存设计必须尊重以下特征：

时序性强：数据按时间戳连续产生，查询常按时间范围进行，适合时间分区与滑动窗口缓存。
写多读少与读多写少并存：高频采集数据写多读少，而配置、配方、报警规则读多写少，需分池管理。
价值密度不均：大量正常数据价值低，少量异常、报警、批次切换数据价值极高，需差异化保留。
数据质量参差：存在坏点、重复点、时间戳漂移，缓存层需做去重、质量码标记与时间对齐。
生命周期明确：实时数据、短期历史、长期归档的保留周期不同，缓存应分层设置TTL。

下面用一个简化的参数配置示例说明缓存分层：

cache:
  realtime:
    ttl: 30s
    max_size: 256MB
    policy: ttl+lru
  short_history:
    ttl: 24h
    max_size: 2GB
    policy: priority+lru
  critical:
    ttl: 7d
    max_size: 512MB
    policy: pin
    keys: [safety_interlock, batch_id, alarm_state]

五、案例与复盘：某汽车焊装边缘节点缓存调优

某焊装车间边缘节点在离线演练中出现两个问题：一是离线30分钟后，HMI查询焊点历史曲线响应超过5秒；二是恢复联网后，云端收到大量重复写入。复盘发现：

缓存未区分实时与历史，LRU把近期高频查询的焊点曲线淘汰，导致命中率骤降。
写队列没有幂等键，恢复后重复回传同一批次数据。
安全联锁数据与普通测点共用缓存池，关键数据被挤出。

优化后采用“三层缓存 + 优先级保护 + 幂等写入”：实时层TTL 30秒，历史层按时间分区保留24小时，关键层固定驻留安全联锁与批次ID；写队列以device_id + point_id + timestamp + seq作为幂等键。调整后离线查询命中率从62%提升到91%，恢复回传重复率降至0.3%以下。

缓存基础理论在工业边缘的核心结论：命中率决定体验，替换策略决定资源效率，一致性模型决定数据可信边界，工业数据特征决定以上三者的参数取值。四者必须联合设计，不能孤立调优。

综上，缓存基础理论在工业边缘离线自治中不是孤立知识点，而是贯穿数据采集、本地服务、断网续传与云端同步的底层约束。理解命中率、替换策略、一致性模型与工业数据特征之间的联动关系，才能为后续的缓存架构设计、失效降级与回传策略打下可靠基础。