**这是本文档旧的修订版!**
MySQL 做主库 + Redis 做缓存
这是最常见的「数据库 + 缓存」组合:MySQL 存全部数据、做唯一事实来源;Redis 挡在读请求前面,把热点数据放进内存。 目标是让绝大多数读请求根本不碰 MySQL。
本文按「架构定位 → 读路径 → 写路径 → key 设计 → 代码封装 → 三大缓存问题 → 一致性方案」组织,假设你已经了解 Redis 的基本用法;容器怎么起这两个服务,见 Docker 部署 MySQL 与 Redis。
一句话记住:**缓存只有三个动作——读的时候回填、写的时候删除、过期时间兜底。** 剩下的一切都是这三个动作的细节与补救。
mdk height=520 color=#c74634
# MySQL 主库 + Redis 缓存
## 定位
- MySQL 是唯一事实来源
- Redis 只是加速层
- 缓存数据随时可丢、可重建
## 读路径
- 先查 Redis
- 未命中查 MySQL
- 查到后回填并设 TTL
- 查不到就缓存空值
## 写路径
- 先更新 MySQL
- 再删除缓存(不是更新)
- 删除失败要重试补偿
- TTL 作为最后兜底
## Key 设计
- 业务:实体:ID 命名
- 值统一 JSON 序列化
- 控制单值与集合大小
- TTL 加随机抖动
## 三大缓存问题
### 穿透
- 缓存空值
- 布隆过滤器
- 参数校验与限流
### 击穿
- 互斥锁回源
- 逻辑过期
- 热点预热
### 雪崩
- TTL 抖动
- 多级缓存
- 熔断降级
## 一致性方案
- 删缓存 + TTL 兜底
- 延时双删
- binlog 订阅补偿
- 要求强一致就别缓存
## 不该缓存的
- 余额与库存
- 权限与支付状态
- 强一致的读
## 别忘了 MySQL
- 回源 SQL 必须走索引
- 写后读考虑主从延迟
- 连接池与慢查询监控
一、先定分工:谁是主,谁是缓存
这套架构能不能用好,取决于三条铁律:
- MySQL 是唯一事实来源(Source of Truth):任何数据先写进 MySQL,成功了才谈缓存
- Redis 是可以随时清空的加速层:
FLUSHALL之后业务应该「变慢」而不是「出错」 - 缓存里不允许存在只有它才有的数据:一旦出现,说明它已经变成主库了
推论很清楚:数据库里的数据都要有,缓存里的数据可以没有。 判断一段逻辑能不能走缓存,就问一句「这个 key 突然消失,业务会不会算错?」会,就不能缓存。
读请求:
应用 ──① 查缓存──▶ Redis
│ 命中 ──▶ 直接返回(绝大多数请求走到这里就结束了)
│
└─② 未命中 ──▶ MySQL ──③ 回填缓存(带 TTL)──▶ 返回
写请求:
应用 ──① 更新 MySQL(事务提交) ──② 删除 Redis 里的相关 key
└─③ 删除失败 → 重试 / 由 binlog 订阅补偿
二、读路径:Cache Aside(旁路缓存)
读的标准写法,业界叫 Cache Aside,就是把「先查缓存、没有再查库、然后回填」这件事放在业务代码里(而不是让缓存中间件自己回源):
值 = GET key
如果缓存未命中:
值 = 查 MySQL 走索引
如果值存在:
SET key 值 EX 300 # 回填,必须带过期时间
否则:
SET key 空值标记 EX 60 # 防穿透,TTL 要短
返回 值
几个必须做到的细节:
- 回填一定要带 TTL,哪怕 TTL 很长。没有 TTL 的缓存 key 是定时炸弹。
- 空结果也要缓存,否则一个不存在的 ID 被反复请求就会次次打到 MySQL(缓存穿透)。
- 只在 MySQL 查到数据时才回填,不要用「缓存空值」当正常的取数逻辑。
- 别在缓存里存「查库的游标」这类状态,缓存是无状态加速层。
常见的另外两种模式(了解即可,多数项目用不上):
| 模式 | 读 | 写 | 评价 |
|---|---|---|---|
| Cache Aside | 应用自己查缓存 + 查库回填 | 应用自己更新库 + 删缓存 | 推荐默认选择,逻辑透明、可控 |
| Read/Write Through | 由缓存组件代为回源 | 由缓存组件代为写库 | 应用层更干净,但需要中间件支持,排错链条变长 |
| Write Behind | 同 Cache Aside | 先写缓存,异步批量刷库 | 吞吐极高,宕机会丢数据,只适合日志、计数等可容忍丢失的场景 |
三、写路径:为什么「先更新库、再删缓存」
这一节是整套方案里最容易写错的地方,值得逐条说清楚。
1. 为什么是「删除」缓存,而不是「更新」缓存
- 并发写会互相覆盖:两个写请求几乎同时到达,A 先更新库、B 后更新库又先更新缓存,最终缓存里留下的是 A 的旧值,而且可能长期存在
- 删除是幂等的:删一次和删三次结果一样;更新则要保证「算出来的值」一定是最新的,代价高得多
- 删除能顺带处理集合类的复杂更新:像列表、排行榜,你很难算出「更新后的缓存该长什么样」
2. 为什么是「先更新数据库,再删缓存」
反过来「先删缓存、再更新库」看上去更快,但会出现这种时序:
线程 A(写) 线程 B(读) 时间
删缓存 │ t1
读缓存未命中 t2
查 MySQL,读到旧值 t3
更新 MySQL(写新值) │ t4
回填缓存(旧值!) t5
结果:库里是新值,缓存里是旧值,而且这条脏数据要等 TTL 到期才消失。
而「先更新库、再删缓存」的最坏情况,是读线程在删之前就把旧值读走、又延后回填——窗口极窄,且 TTL 兜底,工程上可以接受。
3. 删除失败了怎么办
删缓存失败(网络抖动、Redis 重启)会让脏数据长期存在,所以要有补偿:
- 重试:把删除动作丢进消息队列,失败自动重试直到成功
- binlog 订阅兜底:用 Canal / Debezium / Maxwell 订阅 MySQL binlog,解析出变更的表和主键,由独立消费者去删缓存。这是最可靠的方案,因为它不依赖业务代码提交后是否记得删
- TTL 兜底:无论上面两条做没做到,TTL 永远在
4. 延时双删(什么时候需要)
写库后立刻删缓存,仍可能有「读线程在删之前读到旧值、删之后才回填」的极端情况。缓解办法是延迟再删一次:
$redis->del($key); // 第一次删 $pdo->exec("UPDATE users SET city='上海' WHERE id=1"); // 延迟 300~1000 ms 再删一次,覆盖极端时序下被回填的旧值 $redis->setex("delay:del:" . $key, 1, $key); // 交给异步任务或定时脚本真正执行 DEL
它不精确(延迟多久是猜的),但能显著缩小窗口。只有在写并发很高、或 MySQL 主从复制导致读抖动时才有必要,普通项目用「删缓存 + TTL」就够了。
5. 真正需要强一致的数据,就别缓存
余额、库存、支付状态、权限判断这类数据,不要用「删缓存 + TTL」硬凑一致性,那只是把 bug 藏起来。正确做法是:
- 这类读直接走 MySQL 主库,必要时加行锁或乐观锁
- 必须用缓存加速时,缓存里放版本号或时间戳,读完与库里比对,不一致就回源
- 用「扣减走 MySQL 原子更新 + 缓存只做展示」的方式降低一致性要求
四、Key 设计与序列化规范
统一规范能省掉后期一大半排查时间:
| 建议 | 说明 |
|---|---|
命名用 业务:实体:ID:字段 | 如 user:1001:profile 、article:200:views ,层级用冒号分隔 |
| 加统一前缀 | 如 app: ,多项目共用一个 Redis 实例时不会撞 key |
| 值用 JSON 序列化 | 可读性好、跨语言;对体积敏感再换 MessagePack 或压缩 |
| 中文不要转义 | PHP 传 JSONUNESCAPEDUNICODE ,排查时肉眼能看懂 |
| 单值控制在 10 KB 内 | 大对象拆成多个 key,或只缓存热点字段 |
| 集合元素控制在几千级 | 超过就用 HSCAN / ZSCAN 分页,或拆 key |
| TTL 必须设,且加抖动 | 300 秒就设成 270 到 330 秒之间,避免同一批 key 同时过期 |
| 空值用独立标记 | 例如固定字符串,避免与真实值混淆 |
user:1001:profile # 用户资料,JSON,TTL 5 分钟 user:1001:order:count # 单字段计数,TTL 1 分钟 article:200:views # 计数器,可以给较长 TTL rank:hot:daily:2026-10-15 # 当日热榜,ZSet,第二天自然淘汰 lock:order:9527 # 互斥锁,TTL 10 秒
另外:Redis 的 16 个库不要当「环境隔离」用。开发、测试、生产各起实例或用不同前缀,别靠 SELECT 切库来区分。