Redis 与缓存 / 技术文章

Redis TTL 到底应该怎么设计

这篇文章面向已经在项目中使用 Redis、但 TTL 仍然靠经验随手填写的后端开发者。你会知道 TTL 应该由数据新鲜度、访问热度、重建成本和故障风险共同决定,并掌握避免缓存雪崩、热点击穿和脏数据长期滞留的基本设计方法。

TTL 不是越长越好,也不是越短越安全

TTL 本质上是在回答一个问题:这份缓存最多允许多久不重新确认真实数据。

设置得太短,会导致缓存频繁失效、数据库回源增加,甚至形成缓存击穿;设置得太长,又会让旧数据长期停留,扩大缓存与最终数据源不一致的时间窗口。

所以 TTL 设计不能只看“缓存能存多久”,而要同时考虑四个因素:

  • 数据允许多旧
  • 数据被访问得有多频繁
  • 缓存重建成本有多高
  • 同一时间有多少 Key 可能一起过期

Redis TTL 设计决策图

先由“允许多旧”决定基础 TTL

最先要确定的不是 Redis 性能,而是业务对数据新鲜度的要求。

例如:

  • 验证码通常只允许几分钟有效
  • 商品详情可能允许缓存几分钟到几十分钟
  • 配置类数据如果有主动通知机制,可以缓存更久
  • 几乎不变化的基础字典甚至可以使用很长 TTL

也就是说,TTL 首先是业务语义,而不是基础设施参数。

如果一份数据 10 分钟内变化一次都不可接受,那么把 TTL 设成 2 小时,即使命中率很高,也属于错误设计。

批量 Key 一定要避免同时过期

如果一批缓存由同一个任务同时写入,并且全部设置相同 TTL,那么这些 Key 也会在同一时间集中失效。

例如下面这种写法就存在雪崩风险:

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

预期输出:

text
OK
OK
OK

三个 Key 都会在大约 1800 秒后进入过期窗口。如果真实业务一次写入成千上万个 Key,就可能形成集中回源。

更稳妥的做法,是在基础 TTL 上增加一定范围的随机抖动,例如:

text
baseTtl = 1800 秒
jitter = 0 ~ 300 秒
finalTtl = baseTtl + jitter

生效行为:不同 Key 的实际过期时间会被摊开,避免大量缓存集中在同一秒失效。

热点 Key 不适合只依赖自然过期

普通 Key 过期后,下一次请求回源数据库通常问题不大;但热点 Key 在失效瞬间可能同时迎来大量请求。

例如首页配置、热门商品、活动信息,如果每秒都有大量访问,那么自然 TTL 到期可能直接触发缓存击穿。

这类数据更适合:

  • 长 TTL + 主动失效
  • 逻辑过期 + 后台刷新
  • 互斥重建,只允许一个请求回源
  • 提前刷新,在真正过期前异步续期

关键原则是:越热点的数据,越不应该把“自然到期后的第一批请求”当成缓存重建机制。

空值缓存的 TTL 应该更短

为了解决缓存穿透,很多系统会把“数据库中不存在”的结果也缓存下来。

但空值和真实数据的 TTL 不应该一样长。

假设一个用户 ID 当前不存在,你缓存了 24 小时空值;如果 5 分钟后这个用户刚好被创建,那么后续请求可能仍然被空值挡住。

因此空值缓存通常应该使用更短 TTL,例如几十秒到几分钟,具体取决于业务对新建数据可见性的要求。

主动更新的缓存可以设置更长 TTL

如果数据库更新后,系统能够可靠地删除或刷新缓存,那么 TTL 就不再是唯一的一致性保障。

这种场景下,可以把 TTL 设置得更长,让大部分失效依赖主动更新完成,而 TTL 只承担兜底职责。

例如典型的 Cache Aside 模式中:

  1. 更新数据库
  2. 删除缓存
  3. 下一次读取重新构建缓存

此时 TTL 可以理解为“如果主动失效漏掉了,最多多久以后自动纠正”。

TTL 越长,命中率通常越高,但兜底纠错时间也越长,因此仍然需要结合业务容忍度设置上限。

不同类型的数据不要共用一个 TTL 常量

很多项目会定义一个全局常量,例如所有缓存统一 30 分钟。代码简单了,但业务语义被完全抹平。

用户会话、商品详情、排行榜、验证码、空值缓存和系统配置,对新鲜度和风险的要求明显不同,不应该使用同一个过期时间。

更合理的做法是按业务类型定义 TTL 策略,例如:

text
verification-code     5 分钟
null-cache            1~3 分钟
product-detail        10~30 分钟 + 抖动
hot-config            长 TTL + 主动失效
ranking               短 TTL 或定时刷新

片段示例,具体时间必须根据业务更新频率、访问量和数据一致性要求确定,不能直接照搬。

TTL 设计最终要服务故障边界

一个好的 TTL 方案,应该让缓存过期后系统仍然可控,而不是把所有风险推给数据库。

可以用下面几个问题检查设计:

  • 数据最多允许多旧?
  • 过期后重建一次需要多大成本?
  • 这个 Key 是不是热点?
  • 同类 Key 会不会一起过期?
  • 缓存失效时数据库能否承受回源流量?
  • 是否有主动删除、刷新或逻辑过期机制?
  • 空值和正常值是否使用了不同 TTL?

最终可以记住一句话:TTL 不是一个时间常量,而是一种流量控制和一致性策略。 普通数据根据新鲜度设置基础 TTL,批量 Key 加随机抖动,热点 Key 避免直接自然过期,主动失效则让 TTL 回归兜底角色。

目录与阅读设置

记录一个想法

Redis TTL 到底应该怎么设计

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