Spring Boot 多级缓存架构设计与实现

🔑 关键设计：本地缓存 TTL << Redis TTL（如 5min vs 30min），降低脏数据风险。

五、第三步：实现多级缓存 Service

@Service
public class UserService {
    @Autowired
    private Cache<Long, User> localUserCache;
    @Autowired
    private RedisTemplate<String, User> redisTemplate;
    @Autowired
    private UserMapper userMapper;
    
    private static final String REDIS_KEY_PREFIX = "user:";

    public User getUser(Long userId) {
        // 1. 查 L1 本地缓存
        User user = localUserCache.getIfPresent(userId);
        if (user != null) {
            return user;
        }
        
        // 2. 查 L2 Redis
        String redisKey = REDIS_KEY_PREFIX + userId;
        user = redisTemplate.opsForValue().get(redisKey);
        if (user != null) {
            // 回填本地缓存
            localUserCache.put(userId, user);
            return user;
        }
        
        // 3. 查 L3 数据库
        user = userMapper.selectById(userId);
        if (user != null) {
            // 写入 Redis（TTL 30 分钟）
            redisTemplate.opsForValue().set(redisKey, user, 30, TimeUnit.MINUTES);
            // 写入本地缓存（TTL 5 分钟）
            localUserCache.put(userId, user);
        }
        return user;
    }

    // 更新时清除各级缓存
    public void updateUser(User user) {
        userMapper.updateById(user);
        // 清除 Redis
        redisTemplate.delete(REDIS_KEY_PREFIX + user.getId());
        // 清除本地缓存（仅本机）
        localUserCache.invalidate(user.getId());
        // 注意：其他机器的本地缓存无法清除 → 接受短暂不一致
    }
}

六、解决三大核心挑战

挑战 1️⃣：缓存一致性

• 问题：更新 DB 后，其他机器的本地缓存仍是旧值
• 解决方案：
  • 短 TTL：本地缓存自动过期（最终一致）
  • 主动失效：通过 MQ 广播清除指令（高级方案）

// 发送缓存失效消息
mqProducer.send("cache-invalidate", "user:" + userId);
// 其他节点监听并执行
localCache.invalidate(userId);

挑战 2️⃣：缓存穿透

• 问题：查询不存在的用户 ID，反复打到 DB
• 解决方案：
  • 布隆过滤器：预加载所有有效 ID
  • 空值缓存：

if (user == null) {
    redisTemplate.opsForValue().set(redisKey, NULL_PLACEHOLDER, 2, TimeUnit.MINUTES);
    localUserCache.put(userId, NULL_PLACEHOLDER);
}

挑战 3️⃣：缓存雪崩 & 击穿

• 击穿：热点 key 过期瞬间高并发
  • 解决：本地缓存 + Redis 双重保护（本地缓存扛住瞬时流量）
• 雪崩：大量 key 同时过期
  • 解决：TTL 加随机值

long ttl = 30 + new Random().nextInt(10); // 30~40 分钟
redisTemplate.expire(redisKey, ttl, TimeUnit.MINUTES);

七、性能对比：单级 vs 多级缓存

📊 结论：多级缓存可降低 90%+ 的下游压力，同时提升 3~4 倍响应速度！

八、生产环境最佳实践

✅ 监控指标

• 本地缓存命中率（目标 > 80%）
• Redis 命中率（目标 > 95%）
• 缓存加载失败次数

✅ 适用数据类型

• ✅ 配置信息（运营开关）
• ✅ 字典表（国家、城市）
• ✅ 热点商品/文章
• ❌ 用户私有数据（如购物车）→ 用 Redis 即可

✅ 容量控制

• 本地缓存必须设 maximumSize
• 避免缓存大对象（如图片、长文本）