分享吉隆坡服务器 Redis 缓存策略实战，通过优化把缓存命中率提升到 95%。
Redis 缓存是提升性能的关键。本文分享吉隆坡服务器 Redis 缓存策略实战。
缓存的作用 1) 减少数据库压力 2) 降低响应延迟 3) 提升并发能力 4) 降低数据库成本 5) 保护数据库免受过载
缓存策略 1) Cache Aside：应用先查缓存，没有查数据库再写缓存 2) Read Through：缓存未命中时由缓存组件加载 3) Write Through：写时同时写缓存和数据库 4) Write Behind：先写缓存，异步写数据库 5) Refresh Ahead：缓存过期前刷新
Cache Aside 实现 ```python def get_data(key): data = redis.get(key) if data is None: data = db.query(key) redis.setex(key, 300, data) return data ```
缓存 key 设计 1) 命名规范：业务:对象:ID，如 user:123 2) 合理 TTL：根据数据更新频率 3) 避免大 Key：单个 value 不超过 10KB 4) 命名空间：按业务分组 5) 过期时间：避免同时过期
数据结构选择 1) String：简单 key-value，计数器 2) Hash：对象属性，如用户信息 3) List：消息队列，最新列表 4) Set：去重，标签 5) ZSet：排行榜，排序 6) 选对结构，性能和内存都优化
缓存更新策略 1) 删除缓存：更新数据库后删除缓存（推荐） 2) 更新缓存：更新数据库后更新缓存 3) 延迟双删：先删缓存，更新数据库，再删缓存 4) 消息队列：通过消息异步删除缓存 5) 推荐：更新数据库 + 删除缓存
缓存穿透 问题：查询不存在的数据，每次都打到数据库。 解决方案： 1) 缓存空值：查不到也缓存（短 TTL） 2) 布隆过滤器：不存在的直接过滤 3) 参数校验：非法参数直接返回
缓存击穿 问题：热点 key 过期瞬间，大量请求打到数据库。 解决方案： 1) 互斥锁：只一个请求查数据库 2) 永不过期：热点数据不设 TTL，后台刷新 3) 提前刷新：TTL 快到时后台刷新
缓存雪崩 问题：大量 key 同时过期，数据库压力骤增。 解决方案： 1) 过期时间加随机值 2) 多级缓存：本地缓存 + Redis 3) 限流降级：数据库过载时限流 4) 缓存预热：提前加载热点数据
缓存一致性 1) 强一致性：用分布式锁，写时删缓存 2) 最终一致性：消息队列异步删除 3) 延迟双删：减少不一致窗口 4) 定时校验：定期对比缓存和数据库 5) 业务容忍：允许短暂不一致的场景
内存优化 1) maxmemory-policy：allkeys-lru 或 volatile-lru 2) 合理 TTL：及时释放内存 3) 数据结构优化：用 Hash 存对象，省内存 4) 压缩：大 value 压缩 5) 分片：数据量大时分片
监控指标 1) 命中率：keyspace_hits / (hits + misses) > 90% 2) 内存使用率：< 80% 3) 连接数：< maxclients 4) 慢查询：slowlog 5) 大 Key：定期扫描
效果对比 | 指标 | 优化前 | 优化后 | | --- | --- | --- | | 缓存命中率 | 60% | 95% | | 数据库 QPS | 5000 | 800 | | 响应时间 | 200ms | 30ms | | 数据库 CPU | 85% | 35% | | 并发能力 | 5000 | 20000 |
常见问题 问题一：命中率低 原因：key 设计不合理；TTL 太短。 解决：优化 key；调整 TTL；缓存热点数据。
问题二：缓存不一致 原因：更新策略不当。 解决：删除缓存 + 延迟双删；消息队列异步。
问题三：内存不够 原因：缓存太多；大 Key。 解决：设置 TTL；淘汰策略；拆分大 Key。
问题四：Redis 宕机 原因：内存满；硬件故障。 解决：持久化；主从复制；集群；限流降级。
总结：Redis 缓存要设计好 key、TTL、更新策略、防穿透击穿雪崩。命中率 95%+ 才能真正减轻数据库压力。