用好緩存的十條軍規(guī)

作者：蘇三 2025-05-21 00:10:00

緩存不是存儲(chǔ)數(shù)據(jù)的垃圾桶，需要根據(jù)數(shù)據(jù)訪問(wèn)頻率、讀寫(xiě)比例、數(shù)據(jù)一致性要求進(jìn)行分級(jí)管理。大對(duì)象緩存會(huì)導(dǎo)致內(nèi)存碎片化，甚至觸發(fā)Full GC。

前言

"蘇工！首頁(yè)崩了！"

幾年前的一天晚上，我接到電話時(shí)，我正夢(mèng)見(jiàn)自己成了緩存之神。

打開(kāi)監(jiān)控一看：

緩存命中率：0%  
數(shù)據(jù)庫(kù)QPS：10萬(wàn)+  
線程阻塞數(shù)：2000+

根本原因竟是之前有同事寫(xiě)的這段代碼：

public Product getProduct(Long id) {  
    return productDao.findById(id); 
}

直連數(shù)據(jù)庫(kù)，未加緩存。

這一刻我意識(shí)到：不會(huì)用緩存的程序員，就像不會(huì)剎車的賽車手。

今天這篇文章跟大家一起聊聊使用緩存的10條軍規(guī)，希望對(duì)你會(huì)有所幫助。

圖片

軍規(guī)1: 避免大key

反例場(chǎng)景：

@Cacheable(value = "user", key = "#id")  
public User getUser(Long id) {  
    return userDao.findWithAllRelations(id); 
}

這里一次查詢出了用戶及其所有關(guān)聯(lián)對(duì)象，然后添加到內(nèi)存緩存中。

如果通過(guò)id查詢用戶信息的請(qǐng)求量非常大，會(huì)導(dǎo)致頻繁的GC。

正確實(shí)踐：

@Cacheable(value = "user_base", key = "#id")  
public UserBase getBaseInfo(Long id) { /*...*/ }  

@Cacheable(value = "user_detail", key = "#id")  
public UserDetail getDetailInfo(Long id) { /*...*/ }

這種情況，需要拆分緩存對(duì)象，比如：將用戶基本信息和用戶詳細(xì)信息分開(kāi)緩存。

緩存不是存儲(chǔ)數(shù)據(jù)的垃圾桶，需要根據(jù)數(shù)據(jù)訪問(wèn)頻率、讀寫(xiě)比例、數(shù)據(jù)一致性要求進(jìn)行分級(jí)管理。

大對(duì)象緩存會(huì)導(dǎo)致內(nèi)存碎片化，甚至觸發(fā)Full GC。

建議將基礎(chǔ)信息（如用戶ID、名稱）與擴(kuò)展信息（如訂單記錄）分離存儲(chǔ)。

軍規(guī)2: 永遠(yuǎn)設(shè)置過(guò)期時(shí)間

血淚案例：某系統(tǒng)將配置信息緩存設(shè)置為永不過(guò)期，導(dǎo)致修改配置后三天才生效。

正確配置：

@Cacheable(value = "config", key = "#key",  
           unless = "#result == null",  
           cacheManager = "redisCacheManager")  
public String getConfig(String key) {  
    return configDao.get(key);  
}

Redis配置如下：

spring.cache.redis.time-to-live=300000 // 5分鐘  
spring.cache.redis.cache-null-values=false

需要指定key的存活時(shí)間，比如：time-to-live設(shè)置成5分鐘。

TTL設(shè)置公式：

最優(yōu)TTL = 平均數(shù)據(jù)變更周期 × 0.3

深層思考：過(guò)期時(shí)間過(guò)短會(huì)導(dǎo)致緩存穿透風(fēng)險(xiǎn)，過(guò)長(zhǎng)會(huì)導(dǎo)致數(shù)據(jù)不一致。

建議采用動(dòng)態(tài)TTL策略。

例如電商商品詳情頁(yè)可設(shè)置30分鐘基礎(chǔ)TTL+隨機(jī)5分鐘抖動(dòng)。

軍規(guī)3: 避免批量失效

典型事故：所有緩存設(shè)置相同TTL，導(dǎo)致每天凌晨集中失效，數(shù)據(jù)庫(kù)瞬時(shí)被打爆。

解決方案：

使用基礎(chǔ)TTL + 隨機(jī)抖動(dòng)的方案：

public long randomTtl(long baseTtl) {  
    return baseTtl + new Random().nextInt(300); 
}

TTL增加0-5分鐘隨機(jī)值。

使用示例

redisTemplate.opsForValue().set(key, value, randomTtl(1800), TimeUnit.SECONDS);

失效時(shí)間分布：

圖片

軍規(guī)4: 需要增加熔斷降級(jí)

我們?cè)谑褂镁彺娴臅r(shí)候，需要增加熔斷降級(jí)策略，防止萬(wàn)一緩存掛了，不能影響整個(gè)服務(wù)的可用性。

Hystrix實(shí)現(xiàn)示例：

@HystrixCommand(fallbackMethod = "getProductFallback",  
               commandProperties = {  
                   @HystrixProperty(name = "circuitBreaker.requestVolumeThreshold", value = "20"),  
                   @HystrixProperty(name = "circuitBreaker.sleepWindowInMilliseconds", value = "5000")  
               })  
public Product getProduct(Long id) {  
    return productDao.findById(id);  
}  

public Product getProductFallback(Long id) {  
    return new Product().setDefault(); // 返回兜底數(shù)據(jù)  
}

熔斷狀態(tài)機(jī)：

圖片

軍規(guī)5: 空值緩存

在用戶請(qǐng)求并發(fā)量大的業(yè)務(wù)場(chǎng)景種，我們需要把空值緩存起來(lái)。

防止大批量在系統(tǒng)中不存在的用戶id，沒(méi)有命中緩存，而直接查詢數(shù)據(jù)庫(kù)的情況。

典型代碼：

public Product getProduct(Long id) {  
    String key = "product:" + id;  
    Product product = redis.get(key);  
    if (product != null) {  
        if (product.isEmpty()) { // 空對(duì)象標(biāo)識(shí)  
            returnnull;  
        }  
        return product;  
    }  

    product = productDao.findById(id);  
    if (product == null) {  
        redis.setex(key, 300, "empty"); // 緩存空值5分鐘  
        returnnull;  
    }  

    redis.setex(key, 3600, product);  
    return product;  
}

空值緩存原理：

圖片

需要將數(shù)據(jù)庫(kù)中返回的空值，緩存起來(lái)。

后面如果有相同的key查詢數(shù)據(jù)，則直接從緩存中返回空值。

而無(wú)需再查詢一次數(shù)據(jù)庫(kù)。

軍規(guī)6: 分布式鎖用Redisson

用Redis做分布式鎖的時(shí)候，可能會(huì)遇到很多問(wèn)題。

建議大家使用Redisson做分布式鎖。

Redisson分布式鎖實(shí)現(xiàn)：

public Product getProduct(Long id) {  
    String key = "product:" + id;  
    Product product = redis.get(key);  
    if (product == null) {  
        RLock lock = redisson.getLock("lock:" + key);  
        try {  
            if (lock.tryLock(3, 30, TimeUnit.SECONDS)) {  
                product = productDao.findById(id);  
                redis.setex(key, 3600, product);  
            }  
        } finally {  
            lock.unlock();  
        }  
    }  
    return product;  
}

鎖競(jìng)爭(zhēng)流程圖：

圖片

軍規(guī)7: 延遲雙刪策略

在保證數(shù)據(jù)庫(kù)和緩存雙寫(xiě)數(shù)據(jù)一致性的業(yè)務(wù)場(chǎng)景種，可以使用延遲雙刪的策略。

例如：

@Transactional  
public void updateProduct(Product product) {  
    // 1. 先刪緩存  
    redis.delete("product:" + product.getId());  

    // 2. 更新數(shù)據(jù)庫(kù)  
    productDao.update(product);  

    // 3. 延時(shí)再刪  
    executor.schedule(() -> {  
        redis.delete("product:" + product.getId());  
    }, 500, TimeUnit.MILLISECONDS);  
}

軍規(guī)8: 最終一致性方案

延遲雙刪可能還有其他的問(wèn)題。

我們可以使用最終一致性方案。

基于Binlog的方案：

圖片

DB更新數(shù)據(jù)之后，Canal會(huì)自動(dòng)監(jiān)聽(tīng)數(shù)據(jù)的變化，它會(huì)解析數(shù)據(jù)事件，然后發(fā)送一條MQ消息。

在MQ消費(fèi)者中，刪除緩存。

軍規(guī)9: 熱點(diǎn)數(shù)據(jù)預(yù)加載

對(duì)于一些經(jīng)常使用的熱點(diǎn)數(shù)據(jù)，我們可以提前做數(shù)據(jù)的預(yù)加載。

實(shí)時(shí)監(jiān)控方案：

// 使用Redis HyperLogLog統(tǒng)計(jì)訪問(wèn)頻率  
public void recordAccess(Long productId) {  
    String key = "access:product:" + productId;  
    redis.pfadd(key, UUID.randomUUID().toString());  
    redis.expire(key, 60); // 統(tǒng)計(jì)最近60秒  
}  

// 定時(shí)任務(wù)檢測(cè)熱點(diǎn)  
@Scheduled(fixedRate = 10000)  
public void detectHotKeys() {  
    Set<String> keys = redis.keys("access:product:*");  
    keys.forEach(key -> {  
        long count = redis.pfcount(key);  
        if (count > 1000) { // 閾值  
            Long productId = extractId(key);  
            preloadProduct(productId);  
        }  
    });  
}

定時(shí)任務(wù)檢測(cè)熱點(diǎn)，并且更新到緩存中。

軍規(guī)10: 根據(jù)場(chǎng)景選擇數(shù)據(jù)結(jié)構(gòu)

血淚案例：某社交平臺(tái)使用String類型存儲(chǔ)用戶信息。

錯(cuò)誤用String存儲(chǔ)對(duì)象：

redis.set("user:123", JSON.toJSONString(user));

每次更新單個(gè)字段都需要反序列化整個(gè)對(duì)象。

導(dǎo)致問(wèn)題：

序列化/反序列化開(kāi)銷大
更新單個(gè)字段需讀寫(xiě)整個(gè)對(duì)象
內(nèi)存占用高正確實(shí)踐：

// 使用Hash存儲(chǔ)  
redis.opsForHash().putAll("user:123", userToMap(user));  

// 局部更新  
redis.opsForHash().put("user:123", "age", "25");

數(shù)據(jù)結(jié)構(gòu)選擇矩陣：

圖片

各數(shù)據(jù)結(jié)構(gòu)最佳實(shí)踐：

1.String

計(jì)數(shù)器

redis.opsForValue().increment("article:123:views");

分布式鎖

redis.opsForValue().set("lock:order:456", "1", "NX", "EX", 30);

2.Hash

存儲(chǔ)商品信息

Map<String, String> productMap = new HashMap<>();  
productMap.put("name", "iPhone15");  
productMap.put("price", "7999");  
redis.opsForHash().putAll("product:789", productMap);

部分更新

redis.opsForHash().put("product:789", "stock", "100");

3.List

消息隊(duì)列

redis.opsForList().leftPush("queue:payment", orderJson);

4.Set

標(biāo)簽系統(tǒng)

redis.opsForSet().add("article:123:tags", "科技", "數(shù)碼");

共同好友

redis.opsForSet().intersect("user:123:friends", "user:456:friends");

5.ZSet

排行榜

redis.opsForZSet().add("leaderboard", "player1", 2500);  
redis.opsForZSet().reverseRange("leaderboard", 0, 9);

延遲隊(duì)列

redis.opsForZSet().add("delay:queue", "task1", System.currentTimeMillis() + 5000);

總結(jié)

緩存治理黃金法則

問(wèn)題類型	推薦方案	工具推薦
緩存穿透	空值緩存+布隆過(guò)濾器	Redisson BloomFilter
緩存雪崩	隨機(jī)TTL+熔斷降級(jí)	Hystrix/Sentinel
緩存擊穿	互斥鎖+熱點(diǎn)預(yù)加載	Redisson Lock
數(shù)據(jù)一致性	延遲雙刪+最終一致性	Canal+RocketMQ