2、缓存命中率监控体系：监控指标设计、Prometheus+Grafana搭建、关键指标采集、告警阈值设置

大家好，我是你们的老朋友。今天我们来聊聊缓存命中率的监控体系。说实话，我见过太多团队，缓存用得很嗨，但一问命中率多少，全都傻眼。没有监控，你根本不知道缓存到底在帮你还是坑你。

我个人习惯，做任何系统优化之前，先把监控搭好。为什么？因为你得知道现状，才能谈优化。缓存命中率监控，说白了就是给缓存系统装个仪表盘，让你随时知道它跑得怎么样。

2.1 监控指标设计：到底该看什么？

很多同学一上来就问：「命中率怎么看？」其实命中率只是冰山一角。我建议你至少关注以下四个维度的指标：

指标类别	具体指标	说明
命中率	缓存命中率、未命中率	核心指标，反映缓存有效性
吞吐量	QPS、请求总数、命中次数、未命中次数	了解系统负载情况
延迟	平均延迟、P99延迟	缓存响应速度，影响用户体验
容量	已用内存、键数量、过期键数量	防止内存溢出或数据淘汰

嗯，这里要注意：命中率不能只看平均值。我在项目中遇到过，整体命中率95%，但某个热点key的命中率只有30%。所以，我建议你按业务维度拆分，比如按接口、按用户群体、按时间段。

核心原则：监控指标要能回答三个问题——缓存有没有用？缓存够不够用？缓存快不快？

2.2 Prometheus+Grafana搭建：从零开始

讲真，Prometheus+Grafana这套组合，已经是业界标配了。我几乎每个项目都会用。搭建过程其实不复杂，但有几个坑我得提前告诉你。

先看架构图，我画了一张帮你理解整体流程：

这张图展示了数据流向：应用和缓存通过Exporter暴露指标，Prometheus定期拉取，Grafana负责展示，AlertManager处理告警。说白了，就是一条流水线。

2.3 关键指标采集：代码怎么写？

我直接给你看一个实际可用的例子。假设你用Redis，配合redis_exporter，配置Prometheus采集：

# prometheus.yml 配置片段
scrape_configs:
  - job_name: 'redis'
    static_configs:
      - targets: ['localhost:9121']  # redis_exporter端口
    metrics_path: '/metrics'
    scrape_interval: 10s  # 我习惯10秒采集一次，太频繁没必要

如果你用Java应用，想采集业务层面的命中率，可以这样暴露自定义指标：

// 使用Micrometer + Prometheus注册表
MeterRegistry registry = new PrometheusMeterRegistry(PrometheusConfig.DEFAULT);

// 定义计数器
Counter cacheHitCounter = Counter.builder("cache.hits")
    .tag("cache_name", "user_cache")
    .register(registry);

Counter cacheMissCounter = Counter.builder("cache.misses")
    .tag("cache_name", "user_cache")
    .register(registry);

// 查询缓存时
Object value = cache.get(key);
if (value != null) {
    cacheHitCounter.increment();
} else {
    cacheMissCounter.increment();
}

嗯，这里有个小技巧：别忘了加标签。我建议你至少加上cache_name、business_type、method_name这几个标签，方便后续按维度分析。

避坑指南：我曾经犯过一个错误——把所有缓存的命中率混在一起统计。结果某个接口的命中率掉到20%都没发现。后来按接口拆分，问题一目了然。所以，标签粒度要细。

2.4 告警阈值设置：多少算低？

这是大家最关心的问题。说实话，没有标准答案。不同业务、不同场景，阈值天差地别。但我可以给你一些参考值：

缓存类型	正常范围	警告阈值	严重阈值
本地缓存（Caffeine/Guava）	90%-99%	< 85%	< 70%
分布式缓存（Redis）	85%-95%	< 80%	< 60%
CDN缓存	90%-98%	< 85%	< 75%
数据库查询缓存	70%-90%	< 60%	< 40%

你想想看，为什么本地缓存阈值要设得高？因为本地缓存容量小、成本低，命中率低了直接拖垮数据库。而Redis容量大，命中率低一点还能接受。

我个人的告警规则是这样写的：

# Prometheus告警规则
groups:
  - name: cache_alerts
    rules:
      - alert: CacheHitRateLow
        expr: |
          (rate(cache_hits_total[5m]) 
           / (rate(cache_hits_total[5m]) + rate(cache_misses_total[5m]))) 
          * 100 < 80
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "缓存命中率低于80%"
          description: "缓存 {{ $labels.cache_name }} 命中率仅 {{ $value | humanize }}%"

注意：告警阈值不是一成不变的。我建议你上线后先观察一周，根据实际数据调整。比如，某个业务高峰期命中率会自然下降，这时候阈值就得放宽。

2.5 Grafana仪表盘：可视化展示

指标有了，告警有了，接下来就是展示。我习惯在Grafana上建一个「缓存总览」仪表盘，包含以下面板：

命中率趋势图：按时间序列展示，一眼看出波动
QPS与命中率对比：看流量变化对命中率的影响
Top 10 低命中率Key：快速定位问题
内存使用率：防止缓存撑爆
延迟热力图：发现响应慢的时段

举个例子，命中率趋势图的PromQL查询：

# 命中率（5分钟滑动窗口）
100 * (
  sum(rate(cache_hits_total[5m]))
  /
  (sum(rate(cache_hits_total[5m])) + sum(rate(cache_misses_total[5m])))
)

说实话，这个查询很基础，但够用。如果你需要按标签分组，可以加上 by (cache_name)。

我的经验：仪表盘不要放太多面板，7-9个最合适。太多反而看不清重点。我一般把最重要的命中率放在左上角，因为人眼习惯从左到右、从上到下看。

好了，关于缓存命中率监控体系，今天就聊到这里。记住：没有监控的缓存，就像闭着眼睛开车。把Prometheus+Grafana搭起来，把指标采起来，把告警设起来，你才能放心地优化缓存。

想要更多资料，联系可可

📚 课程目录

2、缓存命中率监控体系：监控指标设计、Prometheus+Grafana搭建、关键指标采集、告警阈值设置

2.1 监控指标设计：到底该看什么？

2.2 Prometheus+Grafana搭建：从零开始

2.3 关键指标采集：代码怎么写？

2.4 告警阈值设置：多少算低？

2.5 Grafana仪表盘：可视化展示