1. 当缓存变成"过期货"：我们究竟在经历什么？

最近在开发电商促销系统时，我发现一个诡异现象：每当整点促销商品价格更新后，总会有部分用户看到过期的价格信息。通过日志排查发现，问题出在我们使用的固定缓存过期策略上。例如这样的代码：

// 使用固定20分钟绝对过期策略（问题示例）
MemoryCache.Default.Add(
    "promotion_products", 
    GetPromotionProducts(),
    DateTime.Now.AddMinutes(20),  // 固定绝对过期时间
    Cache.NoSlidingExpiration);

这种策略的缺陷就像超市的过期食品标签：

  • 促销时段（9-10点）用户访问高峰期，缓存却可能在9:50过期
  • 非高峰时段（凌晨1点）缓存有效期白白浪费
  • 突发促销调整时无法及时刷新缓存

更糟糕的是，当多个缓存项使用相同过期时间时，会出现"缓存雪崩"现象。就像早高峰地铁站突然所有闸机同时故障，系统瞬间承受巨大压力。

2. 动态时间调校：打造智能缓存保鲜期

2.1 基于时间段的动态策略

根据业务时段动态调整缓存时间，就像智能空调根据室温调节风力：

// 动态绝对过期时间示例
public DateTime GetDynamicExpiration()
{
    var now = DateTime.Now;
    
    // 促销时段（9-11点）设置5分钟短缓存
    if (now.Hour >= 9 && now.Hour < 11) 
    {
        return now.AddMinutes(5);
    }
    
    // 夜间时段（0-6点）设置2小时长缓存
    if (now.Hour >= 0 && now.Hour < 6)
    {
        return now.AddHours(2);
    }
    
    // 默认30分钟
    return now.AddMinutes(30);
}

// 应用缓存策略
var cacheKey = "promotion_products";
MemoryCache.Default.Add(
    cacheKey,
    GetPromotionProducts(),
    GetDynamicExpiration(),
    Cache.NoSlidingExpiration);

2.2 基于数据变化的滑动策略

对于用户个性化数据，采用滑动过期时间就像手机自动锁屏的时间逻辑：

// 滑动过期示例（用户浏览历史）
public void CacheUserHistory(int userId)
{
    var cacheKey = $"user_history_{userId}";
    var existingItem = MemoryCache.Default.GetCacheItem(cacheKey);
    
    // 每次访问重置为10分钟
    if (existingItem != null)
    {
        MemoryCache.Default.Set(
            existingItem, 
            new CacheItemPolicy 
            {
                SlidingExpiration = TimeSpan.FromMinutes(10)
            });
    }
    else
    {
        MemoryCache.Default.Add(
            cacheKey,
            GetUserHistory(userId),
            new CacheItemPolicy 
            {
                SlidingExpiration = TimeSpan.FromMinutes(10)
            });
    }
}

2.3 回调更新策略

当数据源变更时主动更新缓存，就像快递柜的取件通知：

// 使用UpdateCallback的缓存策略
var policy = new CacheItemPolicy
{
    AbsoluteExpiration = DateTime.Now.AddHours(1),
    UpdateCallback = arguments =>
    {
        // 当数据库促销商品更新时触发
        if (PromotionService.HasUpdates())
        {
            return CacheEntryUpdateReason.Expired;
        }
        return CacheEntryUpdateReason.None;
    }
};

MemoryCache.Default.Add(
    "promotion_products",
    GetPromotionProducts(),
    policy);

3. 策略选择的艺术：不同场景的最佳实践

3.1 电商价格体系

  • 常规商品：绝对过期+滑动过期混合策略
// 每小时检查价格更新，15分钟滑动窗口
var policy = new CacheItemPolicy
{
    AbsoluteExpiration = DateTime.Now.AddHours(1),
    SlidingExpiration = TimeSpan.FromMinutes(15),
    UpdateCallback = /* 价格更新检测逻辑 */
};

3.2 新闻资讯系统

  • 热点新闻：短时间绝对过期（5分钟）
  • 普通新闻：长时间滑动过期（2小时）
  • 使用缓存依赖项：
// 当新闻分类更新时清除相关缓存
var dependency = new SqlDependency(
    new SqlCommand("SELECT CategoryID FROM NewsCategories"));
MemoryCache.Default.Add(
    "news_list",
    GetNewsList(),
    new CacheItemPolicy 
    {
        ChangeMonitors = { new SqlChangeMonitor(dependency) }
    });

3.3 用户会话管理

  • 敏感操作延长缓存时间：
// 用户进行支付操作时
void ExtendPaymentCache(int userId)
{
    var cacheKey = $"payment_session_{userId}";
    var item = MemoryCache.Default.GetCacheItem(cacheKey);
    if (item != null)
    {
        item.Policy.AbsoluteExpiration = DateTime.Now.AddMinutes(15);
        MemoryCache.Default.Set(item, null);
    }
}

4. 避坑指南：缓存优化的注意事项

  1. 监控先行：使用PerformanceCounter监控缓存命中率
// 创建性能计数器
var hitCounter = new PerformanceCounter(
    "ASP.NET Applications", 
    "Cache API Hit Ratio", 
    "__Total__");
  1. 阶梯式回退：当缓存失效时，先返回旧数据同时更新缓存
// 双缓存策略示例
public List<Product> GetProducts()
{
    var data = MemoryCache.Default.Get("products") as List<Product>;
    if (data == null)
    {
        data = MemoryCache.Default.Get("products_backup") as List<Product>;
        // 异步更新缓存
        Task.Run(() => UpdateProductCache());
    }
    return data;
}
  1. 容量控制：设置内存限制防止溢出
// 配置缓存内存限制
MemoryCache.Default = new MemoryCache("CustomCache", new NameValueCollection
{
    {"cacheMemoryLimitMegabytes", "1024"},
    {"physicalMemoryLimitPercentage", "50"}
});

5. 总结：让缓存成为业务助推器

通过动态调整缓存策略，我们的电商系统在促销期间减少了73%的数据库查询，缓存命中率从58%提升到89%。关键收获：

  • 绝对过期适合周期性更新数据
  • 滑动过期适合高频访问的个性化数据
  • 混合策略应对复杂业务场景
  • 监控比优化本身更重要

记住，好的缓存策略就像优秀的餐厅服务——既不能让客人吃到冷掉的牛排（过期数据），也不能频繁打扰厨师询问是否要换菜（缓存穿透）。找到这个平衡点，你的系统就能既保持新鲜度又高效运行。