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
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。