Redis 与缓存 / 系统课时
防止缓存污染
防止缓存污染
本课解决一次性查询、爬虫和批量扫描把低价值数据写入缓存的问题。你将建立缓存准入条件,结合分层 TTL、LFU 淘汰和流量隔离,让有限内存优先保留高复用数据。
学习目标
- 判断哪些数据不应写入缓存
- 使用准入规则和分层 TTL
- 选择适合访问特征的淘汰策略
污染如何发生
后台导出、随机搜索词和大范围分页可能让每个键只访问一次,却仍写入缓存并淘汰热点键。污染发生后,命中率下降,热点数据反复回源和重建。
单纯扩容只能延迟问题,不能修正错误的准入逻辑。真正需要控制的是哪些数据有资格进入在线缓存,以及它们可以占用多长时间。
建立准入规则
不要采用“数据库查到结果就一定缓存”的策略。可以要求同一键在短时间内被访问两次后再缓存,只缓存列表前几页,或禁止离线任务写入在线缓存。
核心配置可以设置较长 TTL,普通列表使用分钟级 TTL,随机搜索和低价值分页可以不缓存或只保留很短时间。空值缓存也应采用较短 TTL,避免低价值键长期占用空间。
使用 LFU 淘汰
热点相对稳定、长尾访问明显时,可以使用 LFU 让高频键更不容易被淘汰。策略只有在 Redis 配置了有效的 maxmemory 后才会发挥作用,修改前应先在灰度环境验证命中率和淘汰量。
下面的命令默认连接本机 Redis,并假设实例已经设置了大于 0 的 maxmemory。
redis-cli --raw CONFIG SET maxmemory-policy allkeys-lfu
redis-cli --raw CONFIG GET maxmemory-policy预期输出:
OK
maxmemory-policy
allkeys-lfu动态配置可能在重启后丢失,验证完成后应同步到正式配置文件或托管服务参数。部分托管 Redis 会禁用 CONFIG SET,此时需要在控制台修改。若只允许淘汰带 TTL 的键,可以考虑 volatile-* 策略,但无 TTL 键过多时可能无法释放足够空间。
隔离扫描流量
报表、爬虫和批处理最好不写在线缓存,或使用独立实例、独立前缀和更小容量。这样即使扫描产生大量一次性键,也不会直接挤占在线热点数据。
监控应按键前缀观察命中率、淘汰量、键数量、平均对象大小和数据库回源 QPS。只看全局命中率,可能掩盖某个业务前缀已经被污染。