读多写少、key稳定且无需TTL时选sync.Map，轻量零依赖；高频热key、需TTL或内存控制时必选bigcache，其分片+时间轮设计吞吐高2–3倍，但须注册OnRemove回调防内存泄漏。
本地缓存该用 sync.Map 还是 bigcache
读多写少、key 数量稳定且不需要 TTL 的场景（比如用户权限白名单、配置项），sync.Map 是最轻量的选择——零依赖、原生并发安全、无 GC 压力。但它不支持过期、无容量限制、不自动驱逐，你得自己加定时 goroutine 清理；一旦开始这么干，说明你其实需要的是缓存库，不是 map 结构体。
高频热 key（QPS > 5k）、需要 TTL 或内存上限控制的场景，优先选 bigcache。它通过分片 + 时间轮实现高吞吐，压测下比 sync.Map 快 2–3 倍，但要注意：bigcache.NewBigCache 的 OnRemove 回调必须手动注册清理逻辑，否则内存不释放给 GC。
别用 map + sync.RWMutex：锁粒度太粗，实测比 sync.Map 慢 40%+；也别在 sync.Map.LoadOrStore 里直接调 DB 或 Redis——函数体非原子，多个 goroutine 同时触发会导致重复加载，必须外层套 singleflight.Group 防穿透。
查缓存顺序为什么必须是 “先本地再 Redis”
顺序反了就失去多级意义：如果先查 Redis 再回填本地，那本地缓存永远只在 Redis 命中后才写入，冷启动或 Redis 故障期间本地始终为空，L1 彻底失效。
立即学习“go语言免费学习笔记（深入）”；
正确流程是：
- 请求进来 → 调
localCache.Load("user:profile:123")；命中则直接返回 - 未命中 → 查 Redis：
rdb.Get(ctx, "user:profile:123")；Redis 命中 → 反序列化 +localCache.Store()→ 返回 - Redis 也未命中 → 查 MySQL → 序列化 →
rdb.Set(ctx, key, val, 60*time.Second)→localCache.Store(key, val, 5*time.Second)→ 返回
注意：MySQL 查询成功后必须写本地缓存，不能只等 Redis 命中才写；否则 Redis 故障时，所有请求都会穿透到 DB。
redis.Client 初始化和调用最容易踩的坑
90% 的线上缓存故障都源于初始化阶段漏掉关键配置：
- 全局复用单例
*redis.Client，绝不能每次请求都redis.NewClient；否则连接风暴直接打满 Redis 的maxclients - 显式设
PoolSize（建议 20–50）、MinIdleConns（至少 5）、MaxConnAge（30 * time.Minute） - 地址必须从环境变量或配置中心读取，硬编码
"localhost:6379"在容器/微服务下必挂 - 初始化后立即调
rdb.Ping(ctx).Err()验证连通性，别等第一个业务请求才暴露问题 - 所有操作必须带
context.WithTimeout：HTTP 场景推荐ctx, cancel := context.WithTimeout(r.Context(), 300*time.Millisecond)；超时值要略大于 Redis P99 RT（如 P99=80ms，设 200ms 较稳妥）
别在 init() 函数里提前声明全局 ctx = context.Background()——它是无约束上下文，不是“默认上下文”。
Key 设计、空值处理与一致性窗口怎么控
裸 ID 当 key（如 "123"）极危险：不同业务表 ID 可能重叠，删一条就误清其他业务缓存。推荐格式："user:profile:123"、"order:summary:20260424:uid_789"，前缀明确语义，中间段可嵌时间、租户、版本等维度。
空值防穿透不能只写 Redis：rdb.Set(ctx, key, "null", 60*time.Second)，L1 也得同步写短 TTL 空值（如 60s），否则下次请求可能命中 L2 绕过 L1，空值没意义。
真正难控的是时间窗口里的一致性博弈：localCache 的 TTL、rdb.Set 的 TTL、DB 更新耗时，三者只要差 100ms 就可能暴露脏数据。别迷信“自动刷新”，得按业务容忍度手工对齐这几个值——比如 DB 更新耗时 P99 是 120ms，那 L1 TTL 至少设为 200ms，L2 TTL 设为 600ms，才能留出安全缓冲。
