跳转到内容

第 4 章 Redis、缓存与幂等

来自《系统架构与工程化学习》 · 原稿更新 2026-11-09 · 服务器只读阅读视图

4.1 Redis 与数据库的边界

谁是真源、丢了能否恢复、要存多久,决定数据放哪,而不是“数据有没有价值”。

我踩过的坑

  • 以为验证码“没价值”所以不进数据库。
  • 以为 Redis 是数据库的备份。

正确理解

  • 验证码在有效期内是重要的身份材料,只是过期后可重发,所以适合带 TTL 的短期存储。
  • 订单等不能丢的业务结果,要有可靠的权威记录,通常在数据库。
  • 缓存负责加速,备份负责恢复,两者不能互相替代。

4.2 缓存失效

Redis 不知道数据库改了什么,失效要靠应用自己做。

图解:Cache Aside:缓存由应用维护

Cache Aside:缓存由应用维护(概念示意)

读图: 关键执行者是应用:Redis 不会自己发现数据库变化。写后删除缓存是常见路径,仍需防并发旧值回填。

我踩过的坑

  • 以为数据库删了记录,Redis 过一天会“自动恢复成数据库的数据”,或者数据库一变 Redis 会主动同步。现象是记录删了,界面仍读到旧内容。
  • 翻译重试失败时我跳过了写缓存,但模型输出结构完整、语义翻错的结果,照样被当成功缓存了。

正确理解

  • 旧键还在就会读到旧值;键过期或被删后,是应用的读取代码回源查库再填缓存。
  • Cache Aside:先更新数据库,再删缓存,下次读取时回源。删比改简单,但仍有并发旧值回填的竞态,可结合 TTL、版本号兜底。
  • Key 是结果的指纹,不只是原文哈希。租户、语言、Prompt、模型、执行策略只要改变输出,就要进 Key 或触发失效,否则会跨租户、跨版本读错;但什么都拼进去又会几乎不命中,只放真正改变输出的维度。
  • 结果分三种状态:已识别失败、结构成功但语义未知、质量已验收。只有第三种能放心缓存,第一种直接跳过。

动手前检查

  • 每条写库路径都删了对应缓存吗?
  • Key 带了租户和影响输出的版本吗?
  • 哪些结果状态允许进缓存?

穿透、击穿与雪崩(AI 补充,待学习)

现象 发生了什么 常见处理
穿透 查的数据根本不存在,每次都打到数据库 校验参数、缓存空结果并设短 TTL、布隆过滤器
击穿 一个热点 Key 过期,大量请求同时回源 回源加互斥、提前刷新热点 Key
雪崩 大量 Key 同时过期或 Redis 不可用 TTL 加随机值、限流降级、多副本

具体用哪种,先看业务能否接受短暂的旧数据和空结果。

4.3 幂等 Key

幂等 Key 识别“同一次业务操作”,保证重复提交只产生一次副作用。

我踩过的坑

我当时的理解 正确理解
幂等 Key 像登录 Token 或乐观锁版本号。 Token 证明身份,版本号防并发覆盖,幂等 Key 防同一操作重复执行。
没有 Redis,第二次请求就会失败。 没防重时两次都可能成功;数据库唯一约束加事务也能防重,Redis 不是必需。
TTL 只是为了安全和体验。 TTL 防临时键无限堆积,还必须覆盖业务的重试和去重窗口。

正确理解

  • 不能只靠临时的“处理中”标记。成功后马上删标记,迟到的重复请求会再执行一次;Redis 丢数据或 TTL 到期,也不能让同一笔支付重复扣款。
  • 关键业务要有稳定操作 ID + 可靠结果记录 + 原子约束,并区分处理中、成功、失败可重试三种状态。

4.4 Pipeline 与 Lua

Pipeline 省网络往返;Lua 保证一组命令执行时不被插入。

我踩过的坑

  • 以为 Pipeline 只返回一个合并结果,而且顺序可能错。
  • 以为秒杀必须先上“悲观分布式锁”。

正确理解

  • Pipeline 按顺序返回每条命令的结果,单客户端顺序不乱,但整批不是原子的。库存为 1 时,A、B 都先查到有货再各扣一次,就会超卖。
  • 防超卖要把检查并扣减做成一次原子操作:原生命令够用就不写 Lua,逻辑稍复杂再用 Lua。
  • 分布式锁适合保护跨步骤的长互斥,要处理过期、持有者校验和释放。Redis 扣减成功也不保证后面数据库订单成功,仍要持久化和补偿。
  • 多客户端交错、单条失败、客户端缓冲这些行为,按所用客户端版本实测。
来源

Redis Pipeline · Redis Pipelining · Lua 原子执行 · 旧 Wiki Redis-Pipeline命令顺序与其他客户端插入语义如何验证.md

4.5 短期任务状态与 TTL

Redis 适合放进度、心跳、租约;不能丢的结果另找可靠位置。TTL 到期是键过期,不是业务取消。

我踩过的坑

  • 以为中间态存储和事务是对立的。
  • 以为 Token 的 TTL 只是额外的安全措施。

正确理解

  • 事务保证相关修改原子;任务状态记录“做到哪、怎么恢复”。两者可以一起用。
  • 登录凭证需要有效期。用 Redis TTL、Token 自带过期还是撤销校验,取决于实现。
  • Redis 可以开持久化,但要看配置,不能默认重启后进度都在。
  • 长任务要定义最终状态、重试、超时和检查点;清理临时键替代不了这些。

4.6 Redis 数据结构

按读写粒度和查询方式选结构,不按字段数量选。

结构 典型用法
String 单值或序列化 JSON;改其中一个字段要整体读出再写回
Hash 同一对象的字段单独读写,如 HINCRBY 原子加积分
List 两端进出、最近记录;LPUSH 后 LTRIM key 0 9 保留最近十条
Set 唯一成员、去重、交并差集
ZSet 带 score 的有序成员、实时排行与 Top N

我踩过的坑

  • 以为 Hash 和 String 的区别是字段数量。
  • 以为 RPOP 就能截断列表。
  • 以为数据库不会自己排序,所以排行必须用 Redis。

正确理解

  • RPOP 默认弹出尾部一个值(6.2 起可带 count);LTRIM 按下标保留范围。LPUSH + RPOP 配合长度控制也行。
  • 数据库有 ORDER BY 和索引,不必每次全表排序。ZSet 的优势在于高频改分数再查排行,代价是持久化和内存成本。

4.7 Pub/Sub 与 Stream

Pub/Sub 只管在线推送;Stream 保留历史,可确认、可接管。

我踩过的坑

  • 以为两者主要区别是性能快慢。
  • 以为消费组靠分布式锁保证每条消息只处理一次。

正确理解

  • Pub/Sub:订阅者离线就收不到。
  • Stream:按 ID 继续消费;消费组把新消息分给组内成员,处理完 XACK;没确认的进 Pending Entries List,可转交其他消费者。能补读多远,取决于保留和持久化配置。
  • 只分配给一个消费者 ≠ 业务只执行一次。Worker 写完库、XACK 前崩溃,被接管后会重跑;先确认再处理,又可能丢任务。Redis 确认和业务数据库不在一个事务里,要靠幂等键和状态机兜住。
来源

旧 Wiki 10-wiki/personal/wiki/queries/Redis-Stream消费者组唯一派发是否保证Exactly-once.md · Redis Streams

4.8 限流

限流挡入口洪峰,保护连接池和处理能力;它不解决“同一订单别扣两次”,那是幂等的事。

算法 特点
固定窗口 实现简单,窗口边界会有突刺
滑动窗口 更平滑,状态成本更高
令牌桶 允许有限突发,同时限制长期平均速率

正确理解

  • 按用户、IP、租户或业务 Key 计数;多个请求同时更新计数要保证原子。
  • 被拒绝时给出明确的重试提示。没有通用最优算法,按实际容量和峰值选。
  • 熔断、降级与限流的区别见第 6.8 节。
本章原始笔记

Redis