怎样管理用户缓存

管理用户缓存（User Cache）是提升系统性能、降低数据库压力、改善用户体验的关键手段。但缓存如果用不好，会引发数据不一致、缓存击穿/雪崩/穿透、内存溢出等问题。

下面从架构选型 → 缓存策略 → 常见问题与应对 → 最佳实践四个维度系统讲一下。

一、明确“用户缓存”通常缓存什么

常见用户相关缓存内容：

• 用户基本信息（ID、昵称、头像、角色）
• 登录态 / Token / Session
• 用户权限 / 菜单
• 用户个性化配置
• 用户关系（粉丝、好友）

二、缓存存储选型

1. 本地缓存（单机）

• 工具：Caffeine、Ehcache、Guava Cache
• 优点：极快、无网络开销
• 缺点：多机不一致
• 适用：只读性强、变更少的用户元数据

2. 分布式缓存（主流）

• 工具：Redis、Memcached
• 优点：共享、可扩展
• 缺点：有网络延迟
• 适用：登录态、权限、跨服务用户数据

✅ 常见方案：本地缓存 + Redis 二级缓存

三、核心缓存管理策略

1. 缓存读写策略

✅ Cache Aside（最常用）

• 读：先查缓存 → 没有查 DB → 写入缓存
• 写：先更新 DB → 再删缓存（推荐删除而非更新）

为什么删而不是改？
避免并发下“改了旧值”导致脏数据

2. 过期与淘汰

• 设置 TTL（如 30 min～2 h）
• Redis 用 LRU / LFU 淘汰
• 本地缓存限制大小 + 自动失效

3. 用户缓存 Key 设计规范

user:{userId}:info
user:{userId}:perm
user:{userId}:session

✅ 统一前缀，方便清理和监控

四、典型问题与解决方案

❌ 1. 缓存穿透（查不存在用户）

现象：频繁查 DB 中不存在的 ID

✅ 解决：

• 缓存空值（短 TTL）
• 布隆过滤器（Bloom Filter）

❌ 2. 缓存击穿（热点用户失效）

现象：某大 V 缓存失效，瞬间打爆 DB

✅ 解决：

• 互斥锁（Redis SETNX）
• 逻辑过期（异步刷新）

❌ 3. 缓存雪崩（大量同时失效）

现象：批量用户缓存同一时间过期

✅ 解决：

• TTL 加随机值
• 多级缓存
• 限流 + 降级

❌ 4. 数据不一致

✅ 原则：

• 写 DB 成功后再删缓存
• 重要用户数据可“延迟双删”
• 用户退出登录立即清缓存

五、用户缓存最佳实践清单

✅ 登录态用 Redis + 固定 TTL
✅ 用户信息用 Cache Aside
✅ 权限变更强制清缓存
✅ 提供“清缓存”管理接口（运营/运维）
✅ 监控命中率、内存、慢查询

六、简单示例（Redis + 删缓存）

User getUser(Long id) {
  User u = redis.get("user:" + id);
  if (u != null) return u;
  u = db.query(id);
  redis.set("user:" + id, u, 30min);
  return u;
}

void updateUser(User u) {
  db.update(u);
  redis.delete("user:" + u.id);
}

如果你愿意，我可以：

• 按 Spring / Redis / 微服务 给具体代码
• 设计一套 用户缓存架构图
• 针对你当前系统规模给方案（小型 / 高并发）

你现在的用户量和架构大概是什么样？