缓存设计与实践

IMS 系统中大量读操作（菜单、配置、字典项）适合用缓存提升性能。Redis 是最常用的缓存中间件，本文介绍 IMS 中的缓存应用场景与避坑指南。

一、缓存策略选型

• Cache-Aside：应用自己维护缓存，命中率最高，推荐使用
• Read-Through：缓存负责加载数据，应用无感知
• Write-Through：写入时同步更新缓存，一致性好但性能略差
• Write-Behind：异步写入缓存，性能最好但有丢数据风险

/* Cache-Aside 模式示例 */
// 读取
String cacheKey = "user:" + userId;
String cached = redis.get(cacheKey);
if (cached != null) {
    return JSON.parse(cached);
}
User user = db.findById(userId);
redis.setex(cacheKey, 3600, JSON.stringify(user));
return user;

二、常见缓存问题与解决

1. 缓存穿透

大量请求查询不存在的数据，直接打到数据库。

• 布隆过滤器：用少量内存存储所有存在的 key
• 空值缓存：对不存在的结果也缓存，但设置较短过期时间

2. 缓存击穿

热点 key 过期瞬间，大量请求涌入数据库。

• 互斥锁：只允许一个请求去加载数据
• 永不过期：逻辑过期而非物理过期

3. 缓存雪崩

大量 key 同时过期，导致数据库压力突增。

• 随机过期时间：给过期时间加随机偏移量
• 多级缓存：本地缓存 + Redis 缓存

三、分布式锁

/* Redis 分布式锁实现 */
String lockKey = "lock:order:" + orderId;
String lockValue = UUID.randomUUID().toString();

/* 获取锁（NX + PX） */
Boolean acquired = redis.set(lockKey, lockValue,
    SetArgs.Builder.nx().px(10000));

if (Boolean.TRUE.equals(acquired)) {
    try {
        /* 执行业务逻辑 */
        processOrder(orderId);
    } finally {
        /* 释放锁（ Lua 脚本保证原子性） */
        redis.eval("if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call('del', KEYS[1]) else return 0 end",
            ScriptOutput.VALUE, lockKey, lockValue);
    }
}

四、热点数据处理

• 本地缓存：使用 Caffiene 或 Guava Cache 缓存热点数据
• 预加载：系统启动时加载高频数据到缓存
• 熔断降级：缓存失效时返回默认值而非直接查库

五、总结

• Cache-Aside 是最常用的缓存模式
• 处理缓存穿透、击穿、雪崩三大问题
• 分布式锁用 Redis SET NX + Lua 脚本实现
• 热点数据用本地缓存 + Redis 多级缓存