Redis 与缓存 / 技术文章

缓存预热到底有没有必要

这篇文章面向已经在生产环境使用 Redis、但不确定“缓存预热到底值不值得做”的后端开发者。你会从冷启动流量、数据热度、重建成本和一致性要求四个角度判断是否需要预热,并知道怎样避免把“预热”本身做成一次集中回源事故。

缓存预热不是必需品,而是冷启动风险控制

缓存预热的本质,是在真实流量到来之前,提前把一部分高概率会访问的数据加载进缓存。

它解决的不是“缓存命中率低”这个抽象问题,而是一个更具体的风险:系统刚启动、刚发布、刚清空缓存时,大量请求会同时绕过缓存访问数据库。

如果业务流量很平稳、数据库余量充足、缓存重建成本很低,那么让数据按需加载完全没问题。此时强行预热,只会增加发布复杂度。

真正需要预热的场景,通常是冷启动瞬间就会遇到大量热点请求,而且数据库无法安全承受这批集中回源。

缓存预热是否必要的决策图

最适合预热的是稳定热点,不是所有数据

很多团队第一次做预热,最容易犯的错误是“既然要预热,那就全部加载”。

但缓存的价值本来就来自只保存值得缓存的数据。如果把数据库中的全部记录都搬进 Redis,不仅启动慢,还会消耗大量内存,并把冷数据长期占在缓存里。

更合理的预热对象通常是:

  • 首页配置、热门商品、热门文章等稳定热点
  • 活动开始前明确会被大量读取的数据
  • 计算成本高、生成时间长的聚合结果
  • 发布后第一波流量一定会访问的基础数据

预热对象应该来自历史访问数据、业务规则或明确的活动计划,而不是“数据库里有什么就全搬什么”。

什么情况下完全没必要预热

如果下面几个条件大部分都成立,通常可以直接按需加载:

  • 流量启动过程比较平滑
  • 单个 Key 重建成本很低
  • 数据库能够承受短时间回源
  • 热点分布不稳定,提前猜不准
  • 缓存 TTL 很短,预热后很快又会失效
  • 数据规模很大,但真正访问的只占很小一部分

这种情况下,第一次请求触发 Cache Miss,再把结果回填缓存,反而更简单。

什么时候预热非常有价值

预热最有价值的场景,是真实流量到达得比缓存自然建立更快。

例如某个秒杀活动 20:00 开始,20:00:00 就会瞬间进入大量请求。如果活动商品信息此时还没有缓存,那么第一批请求会一起访问数据库。

再比如应用刚发布,原 Redis 被清空,而首页接口会被大量用户同时请求。只要首页依赖的数据比较固定,就非常适合在开放流量前提前加载。

判断标准可以简化为一句话:如果第一波真实请求不适合作为“缓存构建任务”,就应该考虑预热。

预热最怕自己制造数据库峰值

预热不是越快越好。

假设有 10 万个 Key 需要加载,如果发布脚本一次启动几百个线程并发查询数据库,就可能在用户流量还没到之前,先被预热任务自己打出数据库峰值。

因此预热需要限速、分批和可暂停。

先用压测和线上数据估计数据库在目标延迟下能承受多少同类查询,再减去业务流量和安全余量。所有预热工作进程共享预算,重试也计入。以下按同成本查询估算发布前能完成多少工作。

python
from math import ceil

safe_qps = 120
live_qps = 80
reserve_qps = 20
seconds_before_release = 20
planned_queries = 600

warmup_qps = max(0, safe_qps - live_qps - reserve_qps)
queries_before_release = min(planned_queries, warmup_qps * seconds_before_release)

print(warmup_qps, queries_before_release)
if warmup_qps:
    print(ceil(planned_queries / warmup_qps))

结果为每秒最多 20 次预热查询,20 秒内最多 400 次。完成 600 次至少需要 30 秒。若上线时间固定,先选出 400 次查询预算能覆盖的热点。按批次从数据库查询时,应按实际查询数和查询成本核算,批次数、记录数和查询数可以不同。生产调度还应限制在途查询数,并在数据库延迟或错误率升高时降速或暂停。

预热成功不代表数据一直正确

预热只是提前写入一次缓存,它不解决后续一致性问题。

预热完成后,源数据可能更新,缓存仍需跟随常规失效流程。还有一种并发顺序值得检查:预热先读到旧版本,业务写入更新数据库并删除缓存,随后预热把旧版本重新填入。可沿用在线回填的版本或失效机制,确保较早的读取结果受到同样的保护。

因此预热数据仍然需要正常的生命周期管理:

  • 合理 TTL
  • 主动删除或刷新机制
  • 必要时加入随机抖动
  • 热点数据的后台续期或逻辑过期
  • 发布失败后的清理或重试机制

不能因为某个 Key 是“预热产生的”,就给它永久不过期。

预热和缓存雪崩要一起考虑

另一个常见问题是:预热时一批 Key 同时写入,又给它们完全相同的 TTL。

结果是今天通过预热避免了冷启动,30 分钟后却因为这一批 Key 同时过期,制造了一次缓存雪崩。

例如下面这种统一 TTL 就需要谨慎:

bash
redis-cli SET hot:product:10001 '<VALUE>' EX 1800
redis-cli SET hot:product:10002 '<VALUE>' EX 1800
redis-cli SET hot:product:10003 '<VALUE>' EX 1800

预期输出:

text
OK
OK
OK

若这些 Key 在同一批次写入,1800 秒后就会进入相近的过期窗口。如果缓存最长只能保存 1800 秒,可以在 1500 至 1800 秒间为每个 Key 选取 TTL,并检查较短 TTL 的 Key 能否覆盖活动开场。抖动可以降低同时到期的集中度,数据库仍需承受过期后的实际访问量。

按开场流量和查询预算选择热点

用历史访问记录或活动计划估计哪些 Key 会在开放流量后的短窗口内被请求,以及每个 Key 按需回填的成本。优先预热能显著减少开场回源的 Key,其余由真实流量按需加载。选择范围同时受预热窗口、数据库余量和缓存容量约束。

上线后记录预热 Key 中实际被访问的比例、开放流量时的回源查询量和数据库延迟。如果预热写入很多,但开场回源量没有改善,下一次可依据实际访问缩小范围或调整预热时机。

目录与阅读设置

记录一个想法

缓存预热到底有没有必要

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通