想说说Redis缓存到底怎么设置才合适，深入聊聊那些实用又靠谱的最佳做法

想聊清楚Redis缓存怎么设置才合适,这事儿不能光看网上那些千篇一律的“最佳配置”，得结合实际场景来琢磨，下面我就根据一些常见的实践经验，比如来自美团技术博客、阿里云开发者社区等平台分享的案例，聊聊那些真正实用又靠谱的做法。

第一，最关键的问题：缓存哪些数据？

你不能什么都往缓存里塞,一个基本的原则是：“读多写少”且对实时性要求不是极高的数据，才是缓存的绝佳候选者，电商网站的商品详情、用户信息、新闻文章内容、排行榜数据等，这些数据特点是被频繁读取，但本身不会每秒都在变化，反过来，像用户的账户余额、库存数量这种对一致性要求极高的数据，就要非常谨慎地使用缓存，或者采用更复杂的策略，否则很容易出现超卖或者用户看到错误余额的问题。

第二，缓存容量规划，不是越大越好。

很多人觉得Redis快,就给它分配很大的内存，但根据阿里云开发者社区的一些故障排查案例，盲目设置过大内存反而可能导致问题，比如持久化时产生巨大内存页，引发系统不稳定，一个实用的起点是，根据你的业务数据量和访问量进行估算，你预计热点数据大概有2个G，那么给Redis分配4G或8G内存是比较合理的，要留出足够的余量应对突发流量和内存碎片，Redis的理想状态是存放热点数据，而不是全量数据，它应该是数据库的“帮手”，而不是“替代品”。

第三，过期时间设置，要有策略，不能一刀切。

给缓存数据设置过期时间是必须的,不然内存迟早被撑爆，但设置多久呢？这里有个门道。

• 基础策略： 设置一个默认的过期时间，比如30分钟，这能保证即使后续逻辑有bug导致缓存没被主动删除，数据也能自动失效，避免变成“僵尸数据”。
• 分级策略： 这是更聪明的做法，不同的数据采用不同的TTL，非常稳定的基础数据（如城市列表），可以设置长一点，比如12小时或24小时，变化相对频繁的热点数据（如热门帖子），可以设置1小时，变化非常快的数据（如秒杀商品库存），可能只设置几分钟甚至更短。
• 延迟失效策略： 为了避免缓存大面积同时失效导致数据库压力骤增（缓存雪崩），可以在基础过期时间上再加一个随机值，原本设置1小时过期，可以实际设置为 3600 + random(600)，也就是在1小时到1小时10分钟之间随机失效，让请求的压力平摊开。

第四，如何处理缓存和数据库的数据不一致？

这是最让人头疼的问题,没有完美的方案，只有权衡后的选择，常见的实用做法有：

• 先更新数据库，再删除缓存： 这是目前社区里比较推崇的一种方式，比如Facebook的论文《Scaling Memcache at Facebook》就提到过类似思路，当数据变更时，先更新数据库，然后立刻使对应的缓存失效（删除），下次读取时，发现缓存没了，自然会从数据库加载新值，这种方式简单有效，虽然存在极短时间的不一致窗口（在更新数据库后、删除缓存前，可能有请求读到旧缓存），但大多数业务场景下是可以接受的，相比“先删除缓存再更新数据库”或“同时更新缓存和数据库”，它出问题的概率更低。
• 设置较短的过期时间： 这是一种妥协方案，如果业务对一致性要求不是极端高，可以接受几分钟的延迟，那么即使出现了不一致，也会因为缓存很快过期而自动纠正。

第五，缓存穿透、雪崩、击穿，这三个“刺客”怎么防？

• 缓存穿透（查不存在的数据）： 如果有人恶意请求大量不存在的商品ID，每次都会穿过缓存打到数据库上，解决办法很简单：如果从数据库也没查到，就在缓存里存一个空值（如“NULL”），并设置一个较短的过期时间（比如5分钟），这样后续的请求在缓存层就被拦住了，布隆过滤器是更高级的解决方案，但对于大多数场景，缓存空值足够简单有效。
• 缓存雪崩（大量缓存同时失效）： 前面在过期时间策略里已经提到了，通过设置不同的过期时间来避免集体失效是关键。
• 缓存击穿（某个超级热点缓存过期瞬间，大量请求涌入数据库）： 比如某个顶流明星发了微博，他的个人信息缓存失效了，瞬间几百万请求过来，解决办法是使用互斥锁，当第一个发现缓存失效的请求去数据库加载数据时，他先拿到一个锁（比如Redis的setnx命令），其他请求看到有锁了，就等待片刻或者直接返回默认值，等第一个请求重建好缓存后，大家再来读，这样可以避免数据库被压垮。

别忘了监控和慢查询。

光设置好就一劳永逸是不可能的,一定要配置监控，关注内存使用率、缓存命中率、慢查询这几个核心指标，缓存命中率低了，说明你的缓存策略可能有问题，缓存的数据不是热点，慢查询出现了，说明可能有复杂的大Key操作（比如一次性获取几万条数据的List），需要优化。

设置Redis缓存没有放之四海而皆准的模板,核心思路是：明确缓存目的（加速读）、合理规划资源、设置灵活的过期策略、处理好数据一致性、预防三大经典问题，并辅以持续的监控，结合自己业务的实际情况去调整和磨合，才能找到最“合适”的那个点。