多级缓存架构需分层协同：本地用Caffeine微秒级拦截60%请求（30–60秒过期、容量万级），Redis同机部署压P99延迟至0.8ms内，辅以空值缓存、布隆过滤器和错峰过期防穿透雪崩，并监控命中率、内存碎片与慢命令。
在 Linux 服务器上部署 Redis 多级缓存架构，核心目标是用分层拦截降低延迟、分散压力、提升整体吞吐。不是简单装个 Redis 就完事，而是要让本地缓存、Redis 实例、数据库之间形成有节奏的协同。
本地缓存优先：Caffeine + 短生命周期
应用进程内必须有一层本地缓存，推荐 Caffeine（比 Guava 更轻量、更高效）。它不走网络，访问延迟在微秒级，能挡住 60% 以上的重复读请求。
- 设置过期时间建议为 30–60 秒，比 Redis 缓存短，避免长期不一致
- 最大容量控制在 10000 条左右，防止内存膨胀影响 JVM
- 加载策略采用“读时填充”：本地未命中 → 查 Redis → 写回本地（带过期）
Redis 部署位置决定响应上限
如果业务对延迟极度敏感（如风控、商品详情页），建议将 Redis 实例与应用同机部署——即绑定 127.0.0.1，通过 Unix socket 或 loopback 网络通信。实测 P99 延迟可压到 0.8ms 以内，比跨机器调用快 5–10 倍。
- 配置 redis.conf 关键项：bind 127.0.0.1、maxmemory 2gb、maxmemory-policy allkeys-lru
- 启用 AOF 持久化（appendonly yes + appendfsync everysec），兼顾安全与性能
- 禁用超时连接：timeout 0，避免短连接频繁重建
多级穿透与雪崩防护要落地
缓存穿透和雪崩不是理论问题，高并发下几秒就能打垮 DB。必须在代码逻辑里嵌入防御机制。
- 空值缓存：DB 查无结果时，往 Redis 写一个空字符串或特殊标记，并设 5 分钟过期
- 布隆过滤器前置：对 ID 类查询，在接入层（如 Nginx 或网关）用布隆过滤器快速判断 key 是否可能有效
- 错峰过期：同一类数据的 Redis 过期时间加随机偏移（如 300±60 秒），避免集中失效
监控与调优不能只看 QPS
真正影响体验的是尾部延迟和缓存命中率。建议在 Linux 服务器上持续采集以下指标：
- redis-cli info memory 中的 mem_fragmentation_ratio ≤ 1.4，过高说明内存碎片严重
- 用 redis-cli --stat 观察 hit_rate，稳定低于 85% 就要查热点分布或本地缓存是否失效
- 配合 slowlog get 10 定期抓取慢命令，重点排查 HGETALL、KEYS、大 value GET 等阻塞操作
