2. 缓存基础：本地缓存与分布式缓存原理、缓存穿透/击穿/雪崩

缓存是后端系统应对高并发、提升响应速度的核心手段。本章从缓存分类出发，深入剖析本地缓存与分布式缓存的实现原理，并重点讲解三种经典缓存故障——穿透、击穿、雪崩的成因与解决方案。理解这些基础，是后续构建缓存一致性闭环与可观测性整合的前提。

2.1 缓存分类与核心原理

根据数据存储位置与共享范围，缓存可分为本地缓存和分布式缓存两大类。两者在性能、一致性、容量和适用场景上存在显著差异。

2.2 本地缓存实现原理

本地缓存本质是一个内存中的键值存储，核心组件包括：存储引擎、淘汰策略、过期机制、并发控制。

• 存储引擎： 通常使用 ConcurrentHashMap 或类似结构，支持高并发读写。
• 淘汰策略： 当缓存容量达到上限时，按策略移除旧数据。常见策略包括：
  • LRU（最近最少使用）： 淘汰最久未被访问的条目。
  • LFU（最不经常使用）： 淘汰访问频率最低的条目。
  • FIFO（先进先出）： 按写入顺序淘汰。
  • TTL（过期时间）： 基于写入时间或最后访问时间自动失效。
• 并发控制： 通过分段锁、读写锁或 CAS 操作保证线程安全。

// Caffeine 本地缓存典型配置示例
Cache<String, UserProfile> cache = Caffeine.newBuilder()
    .maximumSize(10_000)               // 最大条目数
    .expireAfterWrite(5, TimeUnit.MINUTES) // 写入后过期
    .recordStats()                     // 开启统计，用于可观测性
    .build();

// 缓存穿透保护：结合 LoadingCache 自动加载
LoadingCache<String, UserProfile> loadingCache = Caffeine.newBuilder()
    .maximumSize(10_000)
    .build(key -> userService.loadFromDB(key));

2.3 分布式缓存：Redis 与 Memcached

分布式缓存将数据分散存储在集群节点上，对外提供统一的读写接口。Redis 和 Memcached 是当前最主流的两种方案。

2.3.1 Redis 核心特性

• 丰富的数据结构： String、Hash、List、Set、Sorted Set、Bitmap、HyperLogLog、Stream。
• 持久化： RDB（快照）和 AOF（追加日志），支持数据恢复。
• 高可用： 主从复制 + Sentinel 自动故障转移；Redis Cluster 提供分片与自动重分片。
• 原子操作： 支持 Lua 脚本、事务、分布式锁（SETNX + Redlock）。
• 过期策略： 惰性删除 + 定期扫描，支持精确 TTL。

2.3.2 Memcached 核心特性

• 纯内存缓存： 不支持持久化，重启后数据全部丢失。
• 简单 KV 模型： 仅支持 String 类型，value 最大 1MB。
• 多线程架构： 利用多核 CPU，读写性能极高。
• LRU 淘汰： 内存满时自动淘汰最近最少使用的条目。
• 客户端分片： 一致性哈希由客户端实现，服务端无集群管理。

2.4 缓存穿透、击穿与雪崩

这三种故障是缓存系统最常见的稳定性杀手，理解其成因与应对方案是架构师的必修课。

2.4.1 缓存穿透

定义： 查询一个根本不存在的数据，缓存和数据库都查不到，每次请求都直接打到数据库。

常见原因：

• 恶意攻击：遍历不存在的 ID。
• 业务漏洞：查询条件错误导致 key 不存在。

解决方案：

• 缓存空值： 将 null 结果也缓存，设置较短 TTL（如 30~60 秒）。
• 布隆过滤器： 在缓存前加一层 Bloom Filter，快速判断 key 是否可能存在。
• 参数校验： 在入口层拦截非法参数。

2.4.2 缓存击穿

定义： 一个热点 key 在缓存失效的瞬间，大量并发请求同时穿透到数据库，导致 DB 负载飙升。

解决方案：

• 互斥锁： 只允许一个线程去加载数据，其他线程等待或快速失败。
• 逻辑过期： 缓存永不过期，但 value 中携带过期时间，异步刷新。
• 热点数据预热： 系统启动时主动加载热点 key，避免冷启动击穿。

// 互斥锁防止缓存击穿（Redis + Redisson 示例）
public String getWithMutex(String key) {
    String value = redis.get(key);
    if (value != null) {
        return value;
    }
    // 尝试获取分布式锁
    String lockKey = "lock:" + key;
    RLock lock = redissonClient.getLock(lockKey);
    try {
        if (lock.tryLock(2, 10, TimeUnit.SECONDS)) {
            // 双重检查：锁获取后再次查询缓存
            value = redis.get(key);
            if (value != null) {
                return value;
            }
            // 从数据库加载
            value = db.query(key);
            redis.setex(key, 300, value);
            return value;
        } else {
            // 等待后重试或返回降级数据
            Thread.sleep(50);
            return getWithMutex(key);
        }
    } catch (InterruptedException e) {
        Thread.currentThread().interrupt();
        return fallback(key);
    } finally {
        lock.unlock();
    }
}

2.4.3 缓存雪崩

定义： 大量缓存 key 在同一时间集中过期，或缓存节点宕机，导致所有请求直接打到数据库，引发连锁崩溃。

解决方案：

• 过期时间随机化： 在基础 TTL 上增加随机偏移（如 ±10%~30%），避免集体失效。
• 多级缓存： 本地缓存 + 分布式缓存组合，本地缓存作为最后一道防线。
• 缓存高可用： Redis Sentinel/Cluster 自动故障转移，避免单点。
• 限流降级： 对 DB 访问做限流，超出阈值时返回降级数据或错误提示。
• 提前预热： 大促前主动加载热点数据，分散过期时间。

2.5 三种故障对比与应对矩阵

2.6 本章小结