什么是缓存？为什么要用缓存？它有哪些代价？

简化版

缓存是把访问频繁、计算或获取成本高的数据，临时存放在读取更快的介质里（如内存），下次直接命中缓存、不再回源数据库。用它的核心原因是读多写少 + 局部性原理：少量热点数据被反复读取，缓存能挡掉绝大多数数据库压力，把响应从几十毫秒降到亚毫秒。代价是要额外维护数据一致性（缓存和数据库可能不一致）、面对穿透/击穿/雪崩等异常场景，以及占用内存成本。

详细版

缓存的三大收益：

提升读性能：内存读取（Redis 亚毫秒）远快于磁盘数据库（几毫秒~几十毫秒）。
降低数据库压力：热点数据被缓存挡住，数据库 QPS 大幅下降，避免被打垮。
提升系统吞吐：同样的硬件，加缓存后能扛更高并发。

缓存生效的前提（为什么能用）：

读多写少：缓存靠「一次写入、多次读取」摊薄成本；写多读少反而拖累。
局部性原理：热点数据集中（二八定律，20% 数据占 80% 访问），少量缓存就能覆盖大部分请求。
能容忍短暂不一致：多数业务读到几百毫秒前的旧数据没关系。

缓存的代价（为什么不能滥用）：

代价	说明
一致性	缓存与 DB 是两份数据，更新时可能不一致
异常场景	穿透、击穿、雪崩需要专门防护
复杂度	多一层组件，运维、排障成本上升
内存成本	内存比磁盘贵，缓存容量有限，需淘汰策略

完整版教学

一、缓存的本质：用空间换时间、用快介质挡慢介质

缓存的思想在计算机世界无处不在——CPU 有 L1/L2/L3 缓存挡内存，操作系统有 Page Cache 挡磁盘，浏览器有 HTTP 缓存挡网络，应用层有 Redis/本地缓存挡数据库。它们的共同逻辑是：在「慢的数据源」前面架一层「快的临时存储」，把热点数据放进去，让大部分请求在快的这一层就被满足，不用穿透到慢的源头。

具体到后端，通常是用 Redis（内存）或本地缓存挡在数据库（磁盘）前面。数据库一次查询可能几毫秒到几十毫秒（涉及磁盘 I/O、锁、网络），而 Redis 命中只要亚毫秒。差着一两个数量级。

二、为什么缓存能work：读多写少 + 局部性

缓存不是万能的，它成立有前提：

① 读多写少。 缓存的价值在于「写一次、读很多次」——第一次读回源填充缓存，之后成千上万次读都命中缓存。如果数据写得比读得还频繁，每次写都要更新/失效缓存，缓存反而成了累赘。所以商品详情、用户信息、配置这类「很少变、经常读」的数据最适合缓存。

② 局部性原理（热点集中）。 现实业务符合二八定律：20% 的热门数据承担了 80% 的访问（爆款商品、大 V 用户、热门文章）。这意味着只要用有限内存缓存住这少部分热点，就能挡掉大部分请求。如果访问是均匀分散的（每条数据都被访问一次），缓存命中率极低，就没意义了。

三、缓存的读写模式：Cache Aside（旁路缓存）

最常用的缓存使用模式是 Cache Aside（旁路缓存）：

读流程：

先查缓存，命中直接返回；
未命中，查数据库；
把数据库结果写入缓存，再返回。

写流程：

先更新数据库；
再删除缓存（而不是更新缓存）。

这套模式把缓存当作「旁路」——应用自己负责协调缓存和数据库。它简单、通用，是绝大多数业务的默认选择（更新一致性的细节另有专题）。

四、缓存带来的代价：天下没有免费的午餐

用了缓存，就要承担它的副作用：

数据一致性问题：缓存和数据库是两份独立数据，更新时存在时间差，可能读到旧值。需要用「更新 DB + 删缓存」「延迟双删」等手段缓解，但无法做到强一致（要强一致就别用缓存或用更重的方案）。
三大异常场景：缓存穿透（查不存在的数据，缓存挡不住，全打到 DB）、缓存击穿（热点 key 失效瞬间大量请求压向 DB）、缓存雪崩（大量 key 同时失效或缓存宕机，DB 被压垮）。每个都要专门防护。
系统复杂度上升：多一个 Redis 集群要部署、监控、容灾，排障时要多考虑一层。
内存成本：内存比磁盘贵得多，缓存容量有限，需要 LRU/LFU 等淘汰策略决定留谁淘汰谁。

五、什么数据适合放缓存、什么不适合

适合： 读多写少、允许短暂不一致、热点集中、单条数据不大。例如商品详情、用户资料、类目树、配置项、排行榜。

不适合：

写多读少：更新频繁，缓存命中率低还要频繁失效。
强一致要求：如账户余额、库存扣减的核心链路（虽然也有用缓存 + 严格控制的做法，但要格外谨慎）。
数据量巨大且访问均匀：缓存不了全部，命中率低。
超大 value（大 key）：单个几 MB 的 value 会阻塞 Redis、占满带宽。

六、常见误区与追问

考点	正确口径
缓存目标	用更快介质保存热点数据，降低延迟和后端压力
适用数据	读多写少、热点明显、可容忍短暂不一致
代价	一致性、失效、容量、雪崩击穿穿透

without cache:
request -> database, 50ms

with cache:
request -> cache, 1ms
cache miss -> database -> cache set
hit rate 95% reduces database QPS by about 20x

缓存本质是用“空间和一致性复杂度”换“读性能和抗压能力”。

误区：缓存只为了让接口更快。 缓存还用于削峰、保护数据库、降低成本和提升可用性。
误区：所有数据都适合缓存。 强一致、写多读少、极低复用率或敏感实时数据不一定适合缓存。
误区：缓存命中率高就没有问题。 还要看热点倾斜、大 key、尾延迟、一致性和故障降级。
追问：缓存命中率如何影响数据库压力？ 命中率 95% 表示只有 5% 请求回源，理论上数据库读流量约降到 1/20。
追问：缓存常见风险有哪些？ 穿透、击穿、雪崩、一致性、内存淘汰、热点 key 和大 key。
追问：如何选择缓存 TTL？ 按数据变更频率、业务容忍度、内存成本和雪崩风险综合设置。

七、加强记忆

缓存 = 在慢数据源（DB）前架一层快介质（内存），把热点数据放进去挡住大部分请求，用空间换时间。生效前提是读多写少 + 局部性（二八定律，少量热点占大部分访问）+ 能容忍短暂不一致；核心收益是提升读性能、降低 DB 压力、提升吞吐。最常用 Cache Aside 模式（读：查缓存→未命中查 DB→回填；写：更新 DB→删缓存）。代价是一致性问题、穿透/击穿/雪崩三大异常、复杂度和内存成本。简明区分：把握：缓存挡的是「读多写少的热点」，挡不了强一致和均匀访问。

简化版

详细版