缓存需精准识别热点、控制失效节奏、避免污染，核心是承接20%高频查询。应归一化sql统计、排除动态/大结果查询，验证数据静态性；分层选用本地缓存、redis或数据库缓存；按主键/业务域精准失效，设二级过期机制；监控命中率等指标并持续优化。
读多写少场景下，缓存不是“加了就快”，而是要精准识别热点、控制失效节奏、避免缓存污染。核心在于让缓存真正承接住那20%高频查询，而不是被动兜底所有读请求。
识别真正的热点SQL与数据
不能只看“执行次数多”，得结合业务语义和访问模式判断是否值得缓存：
- 统计标准化SQL（如将 SELECT * FROM orders WHERE user_id = 123 和 user_id = 456 归一为 SELECT * FROM orders WHERE user_id = ?），用 pg_stat_statements（PostgreSQL）或慢查日志+解析工具（MySQL）提取Top 20高频模板
- 排除明显不适合缓存的SQL：含 NOW()、RAND()、用户会话变量、或结果集超2MB的聚合查询
- 验证数据静态性：对命中率高的SQL，检查其涉及表的 UPDATE/DELETE QPS —— 若某配置表每天仅更新1次，但该SQL每秒执行500次，就是理想缓存目标
选对缓存层级与策略
不同场景适用不同缓存位置，优先级从近应用到近数据：
- 应用层本地缓存（如Caffeine）：适合用户维度强隔离的数据，例如“用户个人资料”“设备绑定信息”，TTL设为分钟级，避免跨实例不一致
- Redis集中缓存：用于共享型热点，如商品基础信息、活动开关、城市列表；键设计建议为 table:primary_key（如 product:10086），值存完整行JSON或关键字段哈希
- 数据库原生缓存（如MySQL 5.7 query_cache）：仅限极静态小表，且必须满足 命中率＞70% 才启用；MySQL 8.0+已移除，不可依赖
控制缓存一致性与失效粒度
缓存失效是最大风险点，粗放清空=雪崩，精准失效=可控：
- 禁止“清空全部缓存”操作；改用“按主键/业务域失效”，例如更新商品价格后，只删 product:10086 和 category:shoes 两个键
- 对关联数据做缓存穿透防护：如订单详情页需查用户信息，可将 order_id → user_id 映射也缓存，并监听用户表变更异步刷新
- 设置二级过期机制：主缓存TTL设为业务容忍上限（如30分钟），再加一个“逻辑过期时间”字段存于value内，后台线程定期扫描并异步重建即将过期的热点项
监控与迭代闭环
缓存效果必须可量化，否则很快退化为技术债：
- 关键指标监控：缓存命中率（目标＞85%）、平均响应时间下降幅度、后端DB的 Com_select 下降比例
- 自动识别失效热点：当某缓存key连续5分钟未被访问，自动归档；当某SQL缓存命中率突降至＜50%，触发告警并检查对应表是否开始频繁更新
- 每月Review缓存键分布：用Redis SCAN 抽样分析key前缀占比，若发现 order_* 占比超60%但命中率仅40%，说明订单类缓存设计不合理，需转向更细粒度（如只缓存订单状态摘要）
