数据结构与 Key 设计优化 规避大 Key / 大 Value 问题：单个 value 几十 MB、上万元素 list/hash，阻塞主线程、网络 IO、分片内存倾斜、删除阻塞。 优化： 列表拆分：长 list 分多段 hash；大批量结果分页存储； 统一阈值：value 上限控制 100KB 以

一、缓存穿透 产生原因 查询不存在的数据，缓存与数据库都没有，请求直接打穿到 DB，大量无效查询压垮数据库。 例：查询 id=-1、随机不存在的用户 ID，缓存查不到，每次都查库。 解决方案 缓存空值 / 空占位符：DB 查无数据时，缓存一条过期短时间的空记录，拦截重复请求； 布隆过滤器：把所有合法

flowchart TD A["需求梳理与流量评估"] --> B["容量测算&资源配额规划"] B --> C["缓存架构选型<br/>单机/分布式/多级/多地组合"] C --> D["标准化缓存键规则设计"] D --> E["生命周期+内存淘汰策略定义"] E --> F["分布式一致性方案

标准分层链路 L0 CDN 边缘缓存 → L1 网关 / 反向代理缓存 → L2 应用本地缓存（进程内） → L3 分布式共享缓存（Redis） → L4 数据库层缓存（Buffer Pool / 查询缓存） 每层统一按 4 个维度展开： 使用场景 本层能解决什么问题 本层固有、无法彻底根除的短板（

缓存一致性 缓存一致性矛盾根源是: 主存储与副本缓存之间的同步无法原子化导致的，会出现缓存与数据库数据不一致。 如何设计缓存一致性方案 flowchart TD A[开始] --> B{读多写多?} B -- 读多 --> C{并发高?} C -- 低 --> D0[旁路缓存] C -- 一般 --