缓存容量计算器

缓存的价值服从幂律分布：20% 的数据服务 80% 的访问（帕累托），更极端的场景 5% 热点扛 95% 流量。容量估算的第一步是「热点比例 × 数据集大小」：500GB 数据、10% 热点 = 50GB 缓存起步。第二步是命中率曲线：命中率随容量增长但边际递减——从 50GB 到 100GB 命中率可能从 88% 涨到 93%，再到 200GB 只到 95%，曲线拐点就是容量甜点。LRU/LFU 淘汰策略保证「热点留存」，但实际命中率还受键的 TTL、写入穿透、热点漂移影响。

落地三件套：① 对象大小分布——平均 1KB 与平均 100KB 的键空间规划完全不同（Redis 按 key 数量与内存碎片率算容量，约 1.2-1.5 倍实际数据开销）；② 读写比——读多写少（>10:1）才值得多级缓存，写多读少考虑 Write-Through 或放弃缓存；③ 失效成本——缓存雪崩（大量同时过期）会把 DB 打穿，TTL 加随机抖动（±20%）是标准动作。本工具按数据集、热点比例、对象大小估算缓存内存与预期命中率，并给出 Redis/Memcached 的配置建议。

热点分布的数学本质是幂律：访问频率排名与频次呈齐夫分布——第 1 名的访问量约是第 2 名的 2 倍、第 10 名的 10 倍。电商商品、新闻文章、视频播放都服从这一规律，只是陡峭程度不同。估算时「20% 服务 80%」是保守基线，头部效应更强的业务（直播房间、热搜）5% 就能扛 95%——用真实访问日志画一下排名-频次曲线，比任何经验值都准。

命中率曲线的甜点定位法是容量决策的核心：命中率随容量增长但边际递减，曲线从陡变平的拐点就是甜点——拐点之前每 GB 内存换来显著的减压，拐点之后边际收益趋零。实测方法：用线上流量回放（或 shadow cache）分别模拟 25%、50%、100%、200% 热点容量的命中率，四点连成曲线，拐点一目了然。

Redis 内存的真实构成比直觉大：每个键值除了数据本身还有对象头与指针（小对象元数据占比可达 50%）；内存分配器的碎片率通常 1.1–1.3；持久化与主从同步的 fork 需要额外的写时复制缓冲（高峰期可达数据量的 10–30%）。综合口径：规划内存 = 数据量 × 1.2–1.5，小对象多、写入重的业务取上限。

三种失效事故要分清病因：穿透是查不存在的键（恶意刷不存在的 ID），工事是布隆过滤器与空值缓存；击穿是单个热点键失效瞬间被打穿，工事是互斥重建（singleflight）与逻辑过期；雪崩是大量键同时过期，工事是 TTL 加随机抖动。三者症状都是数据库压力飙升，病因不同药方完全不同。边缘侧口径见 CDN 缓存命中率计算器。

读写比决定缓存形态：读写比大于 10:1——多级缓存（本地+分布式）收益最大；5:1 到 10:1——标准分布式缓存；低于 2:1——认真评估是否值得（写穿透成本高、一致性复杂）。读流量的量级先用 QPS 估算计算器 定峰值，缓存容量按「峰值读 QPS × 单对象大小 × 目标命中时长」交叉验证。