redis读写分离需主从复制并显式配置读取策略，否则触发readonly错误；多级缓存须统一入口、错开ttl、重试写入并按数据维度分层。
Redis 读写分离必须配主从复制，否则 READONLY 错误会直接中断请求
Spring Boot 应用里配置了 spring.redis.sentinel.master 或 spring.redis.cluster.nodes，不代表自动开启读写分离。Redis 官方驱动（Lettuce/Jedis）默认所有命令都发往主节点，除非你显式启用从节点读取能力。
常见错误现象：READONLY You can't write against a read only replica —— 这不是权限问题，而是你把写操作误发到了只读从节点；或者反过来，读请求被强制打到主节点，失去分流意义。
- 使用 Lettuce 时，需在
LettuceClientConfigurationBuilderCustomizer中设置readFrom(ReadFrom.REPLICA_PREFERRED) - 若用 Jedis，必须手动构造
JedisSentinelPool并传入new JedisPoolConfig()+ReadMode.SLAVE（注意：Jedis 4.x 才支持） - 主从延迟不可忽略：电商商品库存类数据不建议走从节点读，但用户资料、类目树这类低频变更数据可安全启用
Caffeine 本地缓存不能简单套 @Cacheable，否则会绕过 Redis 同步更新逻辑
Spring 的 @Cacheable(cacheNames = "local") 和 @Cacheable(cacheNames = "redis") 是两个完全隔离的缓存命名空间。如果只在方法上叠加双注解，本地缓存命中后根本不会触发 Redis 查询，导致 L1/L2 数据错位。
正确做法是统一入口控制缓存层级，例如封装一个 MultiLevelCacheService.get(key, loader) 方法：
- 先查
CaffeineCache.getIfPresent(key)，命中则返回 - 未命中则调用
redisTemplate.opsForValue().get(key)，命中后调用caffeineCache.put(key, value)回写 - Redis 也未命中，才执行 loader（如 DB 查询），并按顺序写入 Redis → Caffeine
特别注意：Caffeine 的 refreshAfterWrite 和 Redis 的 TTL 必须错开，比如 Caffeine 设为 10s，Redis 设为 60s，避免两者同时过期引发雪崩。
本地缓存失效时，Redis 写失败会导致 L1/L2 永久不一致
典型场景：Caffeine 缓存过期，请求穿透到 Redis 层，但此时 Redis 网络抖动或连接池耗尽，redisTemplate.opsForValue().set(key, value, timeout) 抛出 RedisConnectionFailureException。如果代码没做兜底，这个 key 就再也不会进 Redis，后续所有实例的本地缓存都会持续 miss，最终压垮数据库。
- 必须对 Redis 写操作加重试（建议最多 2 次）+ 降级开关（如通过
FeatureToggle控制是否跳过 Redis 写入） - 推荐在写 Redis 失败时，记录一条告警日志，包含
key、exception.message、stackTrace，方便定位是网络问题还是序列化异常 - 不要依赖“下次请求自然回填”——高并发下，多个请求可能同时穿透，造成 DB 多次查询和重复写入
多级缓存不是越深越好，L0（CDN）和 L1（Caffeine）之间存在语义冲突风险
CDN 缓存静态资源（如商品图、详情页 HTML 片段）没问题，但若把用户登录态、购物车数量这类个性化数据也塞进 CDN，会直接导致不同用户看到彼此数据。这不是技术做不到，而是业务语义不允许。
真正需要分层的是数据维度本身：
- 全局不变数据（如省市区字典）→ 放 Caffeine + 长 TTL Redis（86400s）
- 用户私有数据（如订单列表）→ 只放 Redis，禁用 Caffeine（避免内存爆炸）
- 半公共数据（如首页 Banner）→ Caffeine + 短 TTL Redis（300s）+ 主动刷新机制
最易被忽略的一点：Caffeine 的最大容量设为 10000，不代表它真能存下 10000 个对象——如果每个对象含大量嵌套字段或未实现 hashCode/equals，可能导致内存泄漏或淘汰策略失效。上线前务必用 caffeine.stats() 监控 hitRate 和 evictionCount。
