4. 本地缓存 vs 分布式缓存：Caffeine、Redis、Memcached 选型对比

在微服务与分布式架构中，缓存选型直接影响系统的响应速度、数据一致性以及运维复杂度。本章从服务边界出发，系统对比 Caffeine（本地缓存）、Redis（分布式缓存） 与 Memcached（分布式缓存） 三者的核心差异，并给出基于业务场景的选型决策树。

4.1 缓存分类：本地 vs 分布式

缓存按部署位置分为两类：

• 本地缓存（进程内缓存）：与应用运行在同一 JVM 进程中，如 Caffeine、Guava Cache、Ehcache。访问延迟极低（纳秒级），但数据无法跨节点共享。
• 分布式缓存（独立中间件）：部署为独立服务，应用通过网络访问，如 Redis、Memcached。数据可被所有服务实例共享，但引入网络开销（毫秒级）。

4.2 三款缓存核心特性对比

4.3 选型决策树

根据业务需求，按以下步骤决策：

1. 是否需要跨服务实例共享数据？
   • 否 → 使用 Caffeine（如：单实例配置、用户会话本地副本）
   • 是 → 进入下一步
2. 是否需要复杂数据结构（List、Set、ZSet、Hash）？
   • 是 → 使用 Redis（如：排行榜、消息队列、计数器）
   • 否 → 进入下一步
3. 是否需要数据持久化或高可用？
   • 是 → 使用 Redis（如：缓存不可丢失、主从切换）
   • 否 → 使用 Memcached（如：纯临时数据、简单 KV 加速）

4.4 多级缓存架构：本地 + 分布式组合

在 Spring Boot 实践中，最成熟的方案是 Caffeine（L1） + Redis（L2） 多级缓存：

• L1（Caffeine）：抗住 80% 以上的热点读请求，延迟 < 1μs。
• L2（Redis）：提供数据共享与一致性保障，延迟 1-5ms。
• 数据库：作为最终数据源，兜底未命中数据。

4.5 Spring Boot 集成示例

以下展示 Caffeine + Redis 双级缓存的配置片段：

// 1. Caffeine 配置（本地缓存）
@Configuration
public class CaffeineConfig {
    @Bean
    public Cache<String, Object> caffeineCache() {
        return Caffeine.newBuilder()
                .maximumSize(10_000)
                .expireAfterWrite(5, TimeUnit.MINUTES)
                .recordStats()
                .build();
    }
}

// 2. Redis 配置（分布式缓存）
@Configuration
public class RedisConfig {
    @Bean
    public RedisTemplate<String, Object> redisTemplate(
            RedisConnectionFactory factory) {
        RedisTemplate<String, Object> template = new RedisTemplate<>();
        template.setConnectionFactory(factory);
        template.setKeySerializer(new StringRedisSerializer());
        template.setValueSerializer(new GenericJackson2JsonRedisSerializer());
        return template;
    }
}

// 3. 多级缓存服务
@Service
public class MultiLevelCacheService {
    @Autowired
    private Cache<String, Object> caffeineCache;
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;

    public Object get(String key) {
        // 先查 L1
        Object val = caffeineCache.getIfPresent(key);
        if (val != null) return val;
        // 再查 L2
        val = redisTemplate.opsForValue().get(key);
        if (val != null) {
            caffeineCache.put(key, val); // 回填 L1
            return val;
        }
        // 查数据库（略）
        return null;
    }
}

4.6 选型总结矩阵