Redis 缓存命中率

内容：定义 -> 统计方式 -> Redis 实战 -> 生产建议

一、什么是缓存命中率（Cache Hit Ratio）？

✅ 定义

缓存命中率 = 命中缓存的请求数 ÷ 总请求数

公式：

缓存命中率 = hits / (hits + misses)

hit：请求直接从缓存返回
miss：缓存未命中，需要访问 DB 或后端服务

✅ 直观理解

命中率高 -> DB 压力小、系统性能好
命中率低 -> 缓存价值不大，甚至是负担

二、Redis 中如何统计缓存命中率（重点）

方式一：Redis 内置统计（最标准、最常用）

🔍 查看命中/未命中次数

redis-cli INFO stats

关键字段：

keyspace_hits:123456
keyspace_misses:2345

📊 计算命中率

hit_ratio = keyspace_hits / (keyspace_hits + keyspace_misses)

✅ 特点

Redis 官方统计
性能损耗极低
全局统计（整个实例）

⚠️ 注意：

重启 Redis 会清零
无法区分业务、接口、key 类型

方式二：应用层统计（业务级，强烈推荐）

思路

在代码中统计：

if (redis.get(key) != null):
    hit++
else:
    miss++

优点

可以按：
接口
业务模块
key 前缀
用户维度
统计更精细

缺点

需要改代码
会增加一点点逻辑复杂度

方式三：Redis 命令监控（不推荐生产）

例子

MONITOR

或

slowlog get

❌ 问题：

性能影响大
只适合排查问题

方式四：监控系统（生产级方案）

常见组合

Redis INFO -> Exporter -> Prometheus -> Grafana
云厂商 Redis 监控

常见指标

redis_keyspace_hits_total
redis_keyspace_misses_total

实时计算命中率。

三、缓存命中率多少算合理？

业务类型	推荐命中率
热点读多写少	95%+
一般业务	85% ~ 95%
高动态数据	70% ~ 85%
< 70%	需要优化

四、命中率低的常见原因（必考）

1️⃣ key 设计不合理

key 过于分散
缺乏前缀规范

2️⃣ TTL 太短

key 频繁过期
命中率被拉低

3️⃣ 没有缓存热点数据

热点直接走 DB

4️⃣ 缓存穿透 / 击穿 / 雪崩

大量 miss

5️⃣ 使用 Redis 但没有读缓存

写了缓存，但读路径没用

五、如何提升缓存命中率（实战）

1️⃣ 热点数据永不过期 / 逻辑过期

配置类 / 字典类 / 权限类

2️⃣ 合理 TTL + 随机值

TTL = base + random

3️⃣ 使用 Hash / Pipeline

减少 key 数量，提高访问效率。

4️⃣ 业务前缀聚合

user:profile:{id}
user:stat:{id}

六、总结

缓存命中率是指请求直接从缓存返回的比例，通常用 hits / (hits + misses) 表示。

在 Redis 中可以通过 INFO stats 查看 keyspace_hits 和 keyspace_misses 来统计；在生产环境中通常结合应用层统计或 Prometheus 监控进行业务级分析。

命中率越高，说明缓存效果越好，一般核心业务要求 90% 以上。

七、其它

Q：Redis Cluster 下命中率怎么算？

👉 各节点分别统计，再聚合。

Q：命中率高一定好吗？

👉 不一定，可能缓存了无用数据，需结合 DB QPS。

Q：如何区分缓存无效和缓存穿透？

👉 业务层统计 miss 原因。