Redis 与缓存 / 系统课时
分析业务缓存需求
分析业务缓存需求
缓存方案不能从“要不要上 Redis”开始,而要先把热点、一致性、容量和可用性转换成可验证的工程指标。本节以一份缓存需求基线为最终产物,帮助你在选数据结构、TTL、淘汰策略和高可用方案之前先明确约束。
学习目标
- 从业务访问链路中识别真正值得缓存的热点数据
- 为不同数据定义可接受的一致性和失效窗口
- 估算缓存容量并明确命中率、可用性等验收指标
从业务链路划定缓存边界
先画清楚一次请求从客户端到数据库或下游服务的路径,再判断哪个环节存在重复读取、高延迟或突发流量。缓存最适合解决“读取频繁、计算或查询成本较高、结果能够在一定时间内复用”的数据访问问题。
不要看到数据库查询就立即加入缓存。低频数据、每次读取都必须获得最新值的数据,以及对象本身很小但失效管理极其复杂的数据,缓存收益可能低于维护成本。
分析时至少记录以下四类信息:
| 维度 | 需要回答的问题 | 可量化指标示例 |
|---|---|---|
| 访问热度 | 哪些对象被反复读取,峰值有多高 | QPS、Top Key 占比、读写比 |
| 一致性 | 数据更新后多久必须被读到 | 允许陈旧时间、失效延迟 |
| 容量 | 同时需要保留多少对象 | 对象数量、平均大小、峰值容量 |
| 可用性 | Redis 异常时业务能退化到什么程度 | 可用性目标、回源上限、恢复时间 |
最终应该得到具体的数据集合,例如“商品详情读取峰值 12000 QPS,更新约 20 QPS,可接受 30 秒内的旧数据”,而不是笼统地写“商品数据访问很多”。
识别热点与预期收益
热点不仅指访问次数最多的 Key,还要考虑单次访问成本。一个每秒读取 100 次、但后端查询耗时 300 ms 的对象,可能比每秒读取 1000 次、后端查询只需 1 ms 的对象更值得缓存。
可以用三个问题筛选候选数据:读取是否明显多于写入;相同结果是否会被多个请求复用;回源查询或计算是否构成性能瓶颈。三项都满足时,通常是优先级较高的缓存对象。
同时设定预期命中率。假设接口峰值为 10000 QPS,希望数据库最多承受 1500 QPS,则缓存至少需要吸收约 85% 的读取请求。这个数字会直接影响容量、TTL 和故障降级设计。
定义一致性和失效规则
缓存中的数据天然可能落后于真实数据,因此必须先确定业务允许多大的陈旧窗口。商品介绍可以允许几十秒延迟,库存扣减、余额或权限状态往往要求更严格的处理方式。
对每类候选数据记录“事实来源”和“允许陈旧时间”。数据库是事实来源时,应明确缓存更新失败后是否允许继续读取旧值,以及下一次通过删除缓存、更新缓存或重新加载来恢复一致。
TTL 也应由业务变化速度决定,而不是统一设置。例如几小时才变化一次的数据可以使用较长 TTL;频繁变化且要求较新结果的数据应缩短 TTL,或者在写入事实来源后主动失效缓存。
需要特别标记不能依赖普通缓存一致性的场景。涉及资金、唯一性约束、库存最终扣减等关键判断时,Redis 可以承担加速或削峰职责,但最终正确性通常仍应由具备明确一致性保障的事实来源负责。
估算容量与增长余量
容量不能只按业务对象的原始字段大小计算。Redis 还存在 Key、本身的数据结构以及内部管理信息等内存开销,因此项目早期应先做保守估算,再通过样本数据校准。
可以先建立一个简化模型:缓存对象数量 × 单对象实际占用 × 副本数量 × 安全系数。假设预计保留 300 万个对象,样本测得每个 Key 与 Value 平均实际占用约 700 字节,主从各保存一份,并预留 30% 安全空间,则规划容量约为 3000000 × 700 × 2 × 1.3,约 5.46 GB。
这里的目标不是一次算出绝对准确的数字,而是提前发现数量级问题。如果对象数量可能从 300 万增长到 3000 万,或者单个 Value 可能达到数百 KB,就必须重新评估缓存粒度、压缩方式、分片数量和淘汰策略。
把可用性要求变成验收条件
最后把“缓存要稳定”改写成可以测试的条件。先决定 Redis 不可用时业务是直接失败、短时间回源数据库,还是返回降级结果;再限制回源流量,避免缓存故障进一步压垮数据库。
一份可交付的缓存需求基线至少应明确:目标数据集合、峰值请求量、目标命中率、允许陈旧时间、TTL 或主动失效策略、预计内存规模、故障时的回源上限,以及 Redis 恢复后的业务恢复目标。
例如一个商品详情缓存可以约定:峰值读取 12000 QPS、目标命中率不低于 95%、允许 30 秒陈旧、容量按峰值数据量预留 30% 余量;Redis 节点故障时仅允许受控回源,并保证数据库请求量不超过事先压测确认的安全阈值。
完成这些约束后,后续选择 String、Hash 等数据结构,设计缓存模式、淘汰策略、主从或集群架构时才有明确依据。一个好的缓存设计首先是一组可测量的业务约束,而不是一份 Redis 参数清单。