高效缓存的10条军规

蔓好 · 2025-6-3 00:00:19

前言

"苏工！首页崩了！"
凌晨三点接到电话时，我正梦见自己成了缓存之神。
打开监控一看：

缓存命中率：0%
数据库QPS：10万+
线程阻塞数：2000+

复制代码

根本原因竟是之前有同事写的这段代码：

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

复制代码

直连数据库，未加缓存。
这一刻我意识到：不会用缓存的程序员，就像不会刹车的赛车手。
今天这篇文章跟大家一起聊聊使用缓存的10条军规，希望对你会有所帮助。
军规1: 避免大key

反例场景：

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

复制代码

这里一次查询出了用户及其所有关联对象，然后添加到内存缓存中。
如果通过id查询用户信息的请求量非常大，会导致频繁的GC。
正确实践：

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

复制代码

这种情况，需要拆分缓存对象，比如：将用户基本信息和用户详细信息分开缓存。
缓存不是存储数据的垃圾桶，需要根据数据访问频率、读写比例、数据一致性要求进行分级管理。
大对象缓存会导致内存碎片化，甚至触发Full GC。
建议将基础信息（如用户ID、名称）与扩展信息（如订单记录）分离存储。
军规2: 永远设置过期时间

血泪案例：
某系统将配置信息缓存设置为永不过期，导致修改配置后三天才生效。
正确配置：

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

复制代码

Redis配置如下：

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

复制代码

需要指定key的存活时间，比如：time-to-live设置成5分钟。
TTL设置公式：

最优TTL = 平均数据变更周期 × 0.3

复制代码

深层思考：
过期时间过短会导致缓存穿透风险，过长会导致数据不一致。

建议采用动态TTL策略。

例如电商商品详情页可设置30分钟基础TTL+随机5分钟抖动。
军规3: 避免批量失效

典型事故：
所有缓存设置相同TTL，导致每天凌晨集中失效，数据库瞬时被打爆。
解决方案：
使用基础TTL + 随机抖动的方案：

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

复制代码

TTL增加0-5分钟随机值。
使用示例

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

复制代码

失效时间分布：

军规4: 需要增加熔断降级

我们在使用缓存的时候，需要增加熔断降级策略，防止万一缓存挂了，不能影响整个服务的可用性。
Hystrix实现示例：

@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(); // 返回兜底数据
}

复制代码

熔断状态机：

▶ 军规5: 空值缓存

在用户请求并发量大的业务场景种，我们需要把空值缓存起来。
防止大批量在系统中不存在的用户id，没有命中缓存，而直接查询数据库的情况。
典型代码：

public Product getProduct(Long id) {
String key = "product:" + id;
Product product = redis.get(key);
if (product != null) {
if (product.isEmpty()) { // 空对象标识
return null;
}
return product;
}
product = productDao.findById(id);
if (product == null) {
redis.setex(key, 300, "empty"); // 缓存空值5分钟
return null;
}
redis.setex(key, 3600, product);
return product;
}

复制代码

空值缓存原理：

需要将数据库中返回的空值，缓存起来。
后面如果有相同的key查询数据，则直接从缓存中返回空值。
而无需再查询一次数据库。
军规6: 分布式锁用Redisson

用Redis做分布式锁的时候，可能会遇到很多问题。
感兴趣的小伙伴可以看看我的这篇文章《聊聊redis分布式锁的8大坑》。
建议大家使用Redisson做分布式锁。
Redisson分布式锁实现：

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;
}

复制代码

锁竞争流程图：

军规7: 延迟双删策略

在保证数据库和缓存双写数据一致性的业务场景种，可以使用延迟双删的策略。
例如：

@Transactional
public void updateProduct(Product product) {
// 1. 先删缓存
redis.delete("product:" + product.getId());
// 2. 更新数据库
productDao.update(product);
// 3. 延时再删
executor.schedule(() -> {
redis.delete("product:" + product.getId());
}, 500, TimeUnit.MILLISECONDS);
}

复制代码

军规8: 最终一致性方案

延迟双删可能还有其他的问题。
对延迟双删问题比较感兴趣的小伙伴可以看看我的《如何保证数据库和缓存双写一致性？》，里面有详细的介绍。
我们可以使用最终一致性方案。
基于Binlog的方案：

DB更新数据之后，Canal会自动监听数据的变化，它会解析数据事件，然后发送一条MQ消息。
在MQ消费者中，删除缓存。
军规9: 热点数据预加载

对于一些经常使用的热点数据，我们可以提前做数据的预加载。
实时监控方案：

// 使用Redis HyperLogLog统计访问频率
public void recordAccess(Long productId) {
String key = "access:product:" + productId;
redis.pfadd(key, UUID.randomUUID().toString());
redis.expire(key, 60); // 统计最近60秒
}
// 定时任务检测热点
@Scheduled(fixedRate = 10000)
public void detectHotKeys() {
Set<String> keys = redis.keys("access:product:*");
keys.forEach(key -> {
long count = redis.pfcount(key);
if (count > 1000) { // 阈值
Long productId = extractId(key);
preloadProduct(productId);
}
});
}

复制代码

定时任务检测热点，并且更新到缓存中。
军规10: 根据场景选择数据结构

血泪案例：
某社交平台使用String类型存储用户信息。
错误用String存储对象：

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

复制代码

每次更新单个字段都需要反序列化整个对象。
导致问题：

序列化/反序列化开销大
更新单个字段需读写整个对象
内存占用高
正确实践：

// 使用Hash存储
redis.opsForHash().putAll("user:123", userToMap(user));
// 局部更新
redis.opsForHash().put("user:123", "age", "25");

复制代码

数据结构选择矩阵：

各数据结构最佳实践：
1.String

计数器

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

复制代码

分布式锁

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

复制代码

2.Hash

存储商品信息

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

复制代码

部分更新

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

复制代码

3.List

消息队列

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

复制代码

账号		自动登录	找回密码
密码			立即注册