3. 缓存基础与常见模式：缓存穿透、缓存击穿、缓存雪崩、旁路缓存、读写穿透

在领域驱动设计中，缓存是保障聚合（Aggregate）查询性能与数据库一致性的关键战术工具。本章聚焦缓存的基础故障模式与标准读写模式，为后续定义“一致性边界”奠定技术基础。

3.1 三大缓存故障模式

缓存穿透、缓存击穿、缓存雪崩是分布式缓存最常见的三类故障，直接影响数据库负载与系统可用性。下表从触发原因、影响范围、典型场景三个维度进行对比：

3.1.1 缓存穿透

当请求查询一个缓存和数据库中都不存在的数据时，每次请求都会绕过缓存直达数据库。若攻击者利用此漏洞大量请求无效 key，数据库可能直接被压垮。

3.1.2 缓存击穿

与穿透不同，击穿针对的是热点 key。当该 key 恰好过期时，大量并发请求同时发现缓存缺失，全部涌向数据库重建缓存。

常用解决方案包括：

• 互斥锁（Mutex）：只允许一个线程去数据库加载数据，其他线程等待或降级。
• 逻辑过期：缓存永不过期，但数据内嵌过期时间字段，异步线程负责刷新。
• 热点 key 预热：在流量高峰前主动加载热点数据到缓存。

3.1.3 缓存雪崩

雪崩是击穿的放大版。当大量 key 在同一时刻过期，或缓存节点整体宕机时，数据库会收到远超其处理能力的请求。

核心防御策略：

• TTL 随机化：在基础过期时间上增加 ±20% 的随机偏移。
• 缓存高可用：使用 Redis Sentinel 或 Cluster 避免单点故障。
• 限流降级：在数据库访问层前置熔断器（如 Hystrix、Sentinel）。
• 本地缓存兜底：在应用 JVM 内缓存热点数据，作为分布式缓存失效的第二道防线。

3.2 缓存读写标准模式

在领域驱动设计的应用层与基础设施层之间，缓存模式决定了数据流的走向与一致性保证强度。以下两种模式是业界最通用的实践。

3.2.1 旁路缓存（Cache-Aside）

旁路缓存是应用最广泛的模式，应用代码同时管理缓存和数据库的读写。其核心流程如下：

1. 读请求：先查缓存，命中则直接返回；未命中则查数据库，将结果写入缓存后返回。
2. 写请求：先更新数据库，然后删除缓存（而非更新缓存）。

旁路缓存的优缺点：

• 优点：实现简单，缓存与数据库解耦，适合读多写少的场景。
• 缺点：存在“删除缓存后、重建缓存前”的短暂不一致窗口；应用层需处理缓存删除失败的重试逻辑。

3.2.2 读写穿透（Read/Write-Through）

读写穿透模式将缓存抽象为数据存储的主访问层，应用只与缓存交互，由缓存组件负责与数据库同步。

• 读穿透：缓存未命中时，缓存组件自动从数据库加载数据并返回。
• 写穿透：应用写入缓存，缓存组件同步或异步将数据写入数据库。

两种模式的核心差异对比：

3.3 模式选型与一致性边界初探

在领域驱动设计中，缓存模式的选择直接影响聚合一致性边界的定义：

• 旁路缓存适合最终一致性要求较高的查询场景（如商品列表、用户资料），领域层通过 Repository 接口控制缓存失效时机。
• 读写穿透适合强一致性或读写对称的场景（如库存扣减、账户余额），但需要缓存中间件支持事务性写入。
• 故障模式防御（穿透/击穿/雪崩）应作为基础设施层的横切关注点，通过 AOP 或中间件配置统一治理，不侵入领域逻辑。