不能直接用memorydriver作一级缓存，因其为进程级单例、无协程隔离、不支持ttl自动清理，易致内存泄漏、请求污染与不一致；应使用coroutinememorydriver，绑定协程生命周期，实现请求内免redis往返。
Hyperf 实现多级缓存不是“加一层 Redis 再加一层 Caffeine”就行，而是必须按协程生命周期、数据访问模式和失效粒度分层设计。本地缓存不能简单套用传统 JVM 的 Caffeine 思路，否则会引发内存泄漏、协程污染或缓存不一致。
为什么不能直接用 MemoryDriver 做一级缓存
Hyperf 的 MemoryDriver 是进程级单例，所有协程共享同一份内存 —— 这在常驻进程的 Swoole 环境下极易导致：缓存堆积不释放、不同用户请求互相污染、TTL 失效逻辑错乱。真实生产中，误用 MemoryDriver 作通用一级缓存，三天内必出现内存持续上涨、GC 频繁、响应毛刺。
- 它适合存框架元数据（如路由表），不适合业务数据
- 没有协程隔离，
cache()->get('user:1001')在协程 A 写入后，协程 B 可能意外读到 - 不支持 TTL 自动清理，得靠手动
clear()或重启进程，不可控
正确的一级缓存：用 CoroutineMemoryDriver + 请求级生命周期
真正安全的一级缓存是 CoroutineMemoryDriver，它把数据绑定在当前协程上下文里，请求结束自动销毁，零配置、无污染、免同步。它不解决跨请求复用，但恰恰是热 Key 场景最需要的 —— 同一请求内多次查 config:site、user:perms:{uid}，只走一次 Redis。
- 配置示例：
'co' => ['driver' => Hyperf\Cache\Driver\CoroutineMemoryDriver::class] - 使用方式：
cache()->driver('co')->get($key)，或配合注解@Cacheable(ttl=0)+cache()->driver('co') - 注意：不能用于需跨请求共享的场景（如商品库存计数），那是 Redis 的职责
二级缓存必须区分数据类型配不同 TTL 和驱逐策略
把所有业务数据都塞进同一个 Redis 缓存池、设统一 TTL，是 Hyperf 多级缓存崩坏的起点。报表模板、用户配置、订单列表三类数据，更新频率、体积、访问密度完全不同，混在一起必然导致：大 Key 拖慢 pipeline、热 Key 抢占连接、过期风暴冲击 DB。
- 模板类（
tpl:前缀）：TTL 设7200（2 小时），用CacheEvict按group批量删除，避免单 key 更新触发全量 reload - 查询结果类（
rpt:前缀）：TTL 控制在300（5 分钟）内，key 中必须含参数指纹（如rpt:orders:uid_123:status_paid:page_1），防缓存污染 - 用户基础信息（
user:info:）：TTL600，搭配互斥锁防击穿，避免 Redis 过期瞬间大量请求打穿 DB
本地表（SwooleTable）不是必须项，但对超高频小数据有效
文档里常见的 SwooleTableManager 方案，只适用于极窄场景：单进程内高频读写、value ≤1KB、无复杂结构、可接受进程重启即丢失。比如秒杀倒计时、开关配置、灰度分流规则。一旦 value 超过 2KB，序列化/反序列化开销就抵消了内存优势；若数据含对象引用或闭包，serialize/unserialize 还可能失败。
- 别用它存用户 profile、订单列表等结构化大数据
-
SwooleTable::column('value', Table::TYPE_STRING, 1024)是硬限制，超长截断无声失败 - 务必在
server.php的callbacks中初始化，否则协程里调用getInstance()返回 null
多级缓存真正的难点不在“怎么写”，而在“哪一层该管什么”。本地缓存不是越厚越好，而是越准越好 —— 准确识别热 Key 的访问边界（协程内 / 请求内 / 全局）、准确匹配数据变更节奏（秒级刷新 vs 小时级更新）、准确控制失效半径（单 key / group / 全量）。漏掉其中任一环，多级缓存就会变成多级负担。
