# 缓存策略与实现

> 当设计和实现缓存系统时，分析缓存策略，优化缓存性能，解决缓存相关问题。验证缓存架构，设计缓存模式，和最佳实践。

- Skill: `microwind/skill-26` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add microwind/skill-26`
- Raw SKILL.md: https://api.skillmd.com/api/skills/microwind/skill-26/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- License: MIT
- Author: microwind (https://skillmd.com/u/microwind)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/microwind/skill-26

---


# 缓存策略与实现技能

## 概述
缓存是提升系统性能的关键技术。不当的缓存策略会导致数据不一致、性能下降和系统复杂性增加。在设计缓存系统前需要仔细分析需求。

**核心原则**: 好的缓存策略应该显著提升性能，同时保持数据一致性。坏的缓存策略会增加系统复杂性，甚至降低性能。

## 何时使用

**始终:**
- 设计新系统的缓存架构时
- 优化现有系统性能时
- 分析缓存命中率低的问题时
- 设计分布式缓存方案时
- 解决缓存穿透、雪崩、击穿问题时
- 评估缓存策略的有效性时

**触发短语:**
- "这个系统需要加缓存吗？"
- "缓存命中率太低了"
- "如何设计分布式缓存？"
- "缓存穿透了怎么办？"
- "Redis和Memcached怎么选？"
- "热点数据怎么处理？"

## 缓存策略技能功能

### 缓存模式分析
- Cache-Aside（旁路缓存）模式
- Read-Through（穿透读）模式  
- Write-Through（穿透写）模式
- Write-Behind（异步写）模式
- Refresh-Ahead（预刷新）模式

### 缓存问题检测
- 缓存穿透（大量请求不存在的数据）
- 缓存雪崩（大量缓存同时失效）
- 缓存击穿（热点数据失效）
- 缓存污染（错误数据污染缓存）
- 缓存一致性（数据同步问题）

### 性能优化检查
- 缓存命中率分析
- 缓存容量规划
- 缓存过期策略
- 缓存预热方案
- 缓存监控指标

## 常见缓存设计问题

### 缓存穿透问题
```
问题:
大量请求查询不存在的数据，直接穿透到数据库

后果:
- 数据库压力剧增
- 系统响应变慢
- 可能导致数据库宕机

解决方案:
- 布隆过滤器拦截
- 缓存空值
- 参数校验前置
- 请求限流保护
```

### 缓存雪崩问题
```
问题:
大量缓存键在同一时间失效

后果:
- 数据库瞬时压力过大
- 系统响应超时
- 服务不可用

解决方案:
- 随机过期时间
- 缓存集群部署
- 熔断降级机制
- 多级缓存架构
```

### 缓存一致性
```
问题:
缓存数据与数据库数据不一致

后果:
- 用户看到错误数据
- 业务逻辑异常
- 数据完整性问题

解决方案:
- 设置合理的过期时间
- 使用消息队列同步
- 双写一致性策略
- 版本号机制
```

## 缓存策略选择指南

### 读多写少场景
**推荐策略**: Cache-Aside + 合理过期时间
```
适用场景:
- 商品信息查询
- 用户资料读取
- 配置信息获取

实现要点:
- 先查缓存，缓存没有再查数据库
- 查到数据库后写入缓存
- 设置合理的过期时间
- 考虑缓存预热
```

### 写多读少场景
**推荐策略**: Write-Behind + 异步更新
```
适用场景:
- 日志记录系统
- 统计数据计算
- 消息队列缓冲

实现要点:
- 先更新缓存再异步更新数据库
- 批量写入提升性能
- 需要处理失败重试
- 监控数据同步延迟
```

### 高并发读写场景
**推荐策略**: 多级缓存 + 分布式锁
```
适用场景:
- 热点商品查询
- 秒杀活动系统
- 实时排行榜

实现要点:
- 本地缓存 + 分布式缓存
- 使用分布式锁防止击穿
- 热点数据永不过期
- 异步刷新机制
```

## 缓存技术选型

### Redis vs Memcached
| 特性 | Redis | Memcached |
|------|-------|-----------|
| 数据类型 | 丰富（String、Hash、List等） | 简单（仅String） |
| 持久化 | 支持 | 不支持 |
| 集群 | 支持 | 需要客户端实现 |
| 内存管理 | 自动 | 预分配 |
| 适用场景 | 复杂数据结构、持久化需求 | 简单KV缓存、高性能需求 |

### 本地缓存 vs 分布式缓存
| 特性 | 本地缓存 | 分布式缓存 |
|------|----------|-----------|
| 访问速度 | 极快 | 较快 |
| 内存占用 | 单机限制 | 集群扩展 |
| 数据一致性 | 单机内 | 集群间 |
| 适用场景 | 单机应用、热点数据 | 分布式系统、共享数据 |

## 缓存监控指标

### 核心指标
- **命中率**: 目标 > 90%
- **响应时间**: 目标 < 10ms
- **内存使用率**: 目标 < 80%
- **QPS**: 根据业务需求
- **错误率**: 目标 < 0.1%

### 监控工具
- Redis: redis-cli, Redis Insight
- Memcached: memcached-tool, stats命令
- 自定义监控: Prometheus + Grafana
- APM工具: New Relic, DataDog

## 最佳实践

### 缓存设计原则
1. **缓存雪崩预防**: 过期时间加随机值
2. **缓存穿透预防**: 布隆过滤器 + 空值缓存
3. **缓存击穿预防**: 分布式锁 + 永不过期
4. **数据一致性**: 合理的过期策略
5. **性能监控**: 完善的监控体系

### 代码示例
```python
# Cache-Aside 模式实现
def get_user_info(user_id):
    # 1. 先查缓存
    cache_key = f"user:{user_id}"
    user_data = redis.get(cache_key)
    
    if user_data:
        return json.loads(user_data)
    
    # 2. 缓存未命中，查数据库
    user_data = db.query("SELECT * FROM users WHERE id = %s", user_id)
    
    if user_data:
        # 3. 写入缓存，设置过期时间
        redis.setex(cache_key, 3600, json.dumps(user_data))
    
    return user_data

# 防止缓存击穿的分布式锁
def get_hot_data(key):
    data = redis.get(key)
    if data:
        return data
    
    # 获取分布式锁
    lock_key = f"lock:{key}"
    if redis.set(lock_key, "1", nx=True, ex=10):
        try:
            # 获取锁成功，查询数据库
            data = db.query_hot_data(key)
            redis.setex(key, 3600, data)
            return data
        finally:
            redis.delete(lock_key)
    
    # 获取锁失败，等待并重试
    time.sleep(0.1)
    return get_hot_data(key)
```

## 相关技能

- **database-query-analyzer** - 分析数据库查询性能
- **performance-profiler** - 系统性能分析
- **architecture-analyzer** - 系统架构设计
- **data-validation** - 数据一致性验证