缓存基础回顾：常见缓存模式与 TTL 概念

在集成测试中验证缓存过期时间配置之前，必须牢固掌握缓存的核心工作模式以及 TTL（Time-To-Live）的基本原理。本章将系统回顾三种最常见的缓存模式——Cache-Aside、Read-Through、Write-Through，并深入解析 TTL 在缓存一致性中的关键作用。

一、三种常见缓存模式对比

不同的缓存模式决定了应用程序与缓存层、数据库层之间的交互方式。下表从读写路径、数据一致性、适用场景三个维度进行对比：

二、Cache-Aside 模式详解

Cache-Aside 是实际项目中使用最广泛的缓存模式，其核心流程如下：

1. 读操作： 应用先查询缓存，若命中则直接返回；若未命中，则查询数据库，将结果写入缓存并设置 TTL，最后返回数据。
2. 写操作： 应用先更新数据库，然后删除缓存（或更新缓存），确保下次读取时获取最新数据。
3. TTL 兜底： 即使写操作后未及时删除缓存，TTL 过期后缓存自动失效，保证最终一致性。

三、Read-Through 与 Write-Through 模式

这两种模式将缓存与数据库的同步逻辑封装在缓存层内部，对应用透明：

• Read-Through： 缓存层内置 CacheLoader，当缓存未命中时自动加载数据库数据并回填。应用无需感知数据库的存在。
• Write-Through： 应用写入缓存时，缓存层同步将数据写入数据库。写操作必须等待数据库确认后才返回，保证强一致性。

四、TTL 概念与核心作用

TTL（Time-To-Live）是缓存条目在缓存中存活的最大时间，单位为秒或毫秒。TTL 在缓存系统中承担以下核心作用：

五、缓存模式与 TTL 交互流程

下图展示了三种缓存模式在读写流程中与 TTL 的交互关系：

六、TTL 配置在集成测试中的关键验证点

在回归冒烟测试中，针对 TTL 配置需要重点验证以下场景：

• TTL 精确性： 验证缓存条目是否在设定的 TTL 时间后准确过期，误差在可接受范围内（通常 ±1 秒）。
• TTL 边界值： 测试 TTL=0（立即过期）、TTL=1秒（最小有效值）、TTL=最大值（如 86400 秒）时的缓存行为。
• TTL 与写操作交互： 验证在 TTL 未过期时执行写操作，缓存是否被正确删除或更新，TTL 是否重置。
• TTL 与淘汰策略： 验证当缓存满时，TTL 未过期的条目是否被 LRU/LFU 策略淘汰，以及淘汰后的重新加载流程。
• TTL 抖动： 验证是否配置了 TTL 随机偏移（如 ±10%），以防止缓存雪崩。

七、三种模式下的 TTL 配置示例

以下代码展示了三种缓存模式下 TTL 的典型配置方式：

// Cache-Aside 模式：手动设置 TTL
String key = "user:123";
User user = cache.get(key);
if (user == null) {
    user = database.query("SELECT * FROM users WHERE id = 123");
    cache.set(key, user, 300); // TTL = 300 秒
}
return user;

// Read-Through 模式：CacheLoader 自动设置 TTL
LoadingCache<String, User> cache = Caffeine.newBuilder()
    .expireAfterWrite(10, TimeUnit.MINUTES) // TTL = 10 分钟
    .build(key -> database.query("SELECT * FROM users WHERE id = " + key));

// Write-Through 模式：缓存同步写 DB 并设置 TTL
@CachePut(value = "users", key = "#user.id", cacheManager = "redisCacheManager")
public User saveUser(User user) {
    return userRepository.save(user); // TTL 由 @CachePut 注解的配置决定
}