2. 缓存基础回顾：本地缓存与分布式缓存、缓存穿透/击穿/雪崩、缓存更新策略（TTL、LRU、LFU）

在构建高性能的《Development环境缓存一致性闭环聚合查询》体系之前，必须重新夯实缓存的核心基础。本章将系统梳理本地缓存与分布式缓存的架构差异、三大经典缓存故障（穿透/击穿/雪崩）的成因与解决方案，以及 TTL、LRU、LFU 三种主流淘汰策略的适用场景。

2.1 本地缓存 vs 分布式缓存：架构与选型

缓存按部署位置与数据共享范围，可分为本地缓存（进程内缓存）与分布式缓存（跨进程共享缓存）。两者在延迟、容量、一致性模型上存在本质差异。

2.2 缓存穿透、击穿与雪崩

这三个故障是缓存系统最常见的稳定性杀手，理解其触发条件与防护手段是架构师的必修课。

2.2.1 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，每次请求都穿透到数据库。

• 危害：恶意攻击或大量无效 key 直接打垮数据库。
• 解决方案：
  • 缓存空对象（null 值也缓存，TTL 设置较短如 60s）。
  • 布隆过滤器（Bloom Filter）前置拦截，判断 key 是否存在。

2.2.2 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。

• 危害：单点热点导致数据库瞬时压力飙升。
• 解决方案：
  • 互斥锁（Mutex Key）：只允许一个线程去加载数据，其他等待。
  • 逻辑过期（不设置 TTL，后台异步刷新）。

2.2.3 缓存雪崩

定义：大量缓存 key 在同一时间失效，或缓存节点整体宕机，所有请求直接打到数据库。

• 危害：数据库被瞬间击垮，引发级联故障。
• 解决方案：
  • TTL 添加随机偏移（如基础 TTL + 随机 1~5 分钟）。
  • 缓存集群高可用（Redis Sentinel / Cluster）。
  • 本地缓存兜底 + 限流降级。

2.3 缓存更新策略：TTL、LRU、LFU

缓存系统无法无限存储，必须通过淘汰策略管理内存。TTL（Time To Live）是过期策略，LRU（Least Recently Used）和 LFU（Least Frequently Used）是淘汰策略，三者协同工作。

2.3.1 TTL（生存时间）

• 机制：为每个缓存 key 设置一个过期时间，到期后自动删除。
• 适用场景：数据有明确时效性（如验证码 5 分钟、会话 30 分钟）。
• 注意事项：避免大量 key 同时过期导致雪崩，应引入随机偏移。

2.3.2 LRU（最近最少使用）

• 机制：淘汰最长时间未被访问的数据。维护一个访问顺序链表，每次访问将节点移到头部，淘汰时移除尾部。
• 适用场景：数据访问具有时间局部性，近期访问过的数据很可能再次被访问。
• 实现方式：LinkedHashMap（Java）、Redis 的近似 LRU（allkeys-lru / volatile-lru）。

2.3.3 LFU（最不经常使用）

• 机制：淘汰访问频率最低的数据。维护每个 key 的访问计数，淘汰时选择计数最小的。
• 适用场景：数据访问具有频率局部性，高频热点数据需要长期保留。
• 注意事项：需解决“旧热点”问题（早期高频但后续不再访问的数据可能长期占据缓存）。

2.4 缓存更新策略选择矩阵

在实际开发中，需要根据数据特征选择最合适的策略组合。以下矩阵帮助快速决策：