本地缓存不能照搬redis淘汰策略，因其受gc和堆内存约束，缺乏全局访问视图且易oom；应设硬上限、用写驱动失效、分层管理ttl，并禁用noeviction。
本地缓存不能照搬 Redis 的淘汰策略
本地缓存（如 MemoryCache 或 Caffeine）和 Redis 的淘汰逻辑本质不同：前者运行在应用进程内，受 GC 和堆内存约束；后者是独立服务，依赖 maxmemory-policy 和近似 LRU/LFU 算法。直接把 allkeys-lru 套用到本地缓存上，会导致两个问题：一是本地缓存没有“访问时间戳全局视图”，expireAfterAccess 在高并发下可能误判冷热；二是本地缓存若未设 maximumSize 硬上限，容易触发 OutOfMemoryError，而 Redis 的 maxmemory 是强制生效的。
实操建议：
Redis 缓存和数据结构管理技能。通过自然语言操作 Redis，支持 String、Hash、List、Set、ZSet、Stream 等数据结构操作。当用户提到 Redis、缓存、消息队列、会话存储时使用此技能。
-
MemoryCache必须显式设置SizeLimit（.NET 6+）或通过MemoryCacheOptions配置最大条目数，避免无节制增长 - 不要依赖
expireAfterWrite单一机制保障一致性——它无法应对 Redis 主动更新后的脏数据窗口 - 对本地缓存只保留「稳定值」：
product_name、role_code这类字段，不缓存stock_count或user_last_login_time
Redis 淘汰策略选型要匹配本地缓存角色
本地缓存是“热点过滤器”，Redis 是“共享真相源”。这意味着 Redis 的淘汰策略必须为本地缓存留出协同空间，而不是各自为政。比如商品详情页场景中，本地缓存只存 sku_id → name 映射（TTL 1 小时），而 Redis 存完整 Product 对象（TTL 6 小时）。此时若 Redis 配 volatile-ttl，反而会提前淘汰掉本地缓存还依赖的 key，造成重复穿透。
实操建议：
- 对「本地缓存有副本」的数据，在 Redis 中统一设较长 TTL，并配
allkeys-lru或allkeys-lfu——优先保热 key，避免按 TTL 误伤 - 对「仅 Redis 承载」的动态数据（如秒杀库存），用
volatile-lru+ 短 TTL，与本地缓存完全隔离 - 禁用
noeviction：它会让写失败直接抛OOM command not allowed when used memory > 'maxmemory'，破坏多级缓存的降级路径
写驱动失效比过期时间对齐更可靠
试图让本地缓存 expireAfterWrite(5min) 和 Redis EXPIRE product:123 300 严格对齐，是常见误区。网络延迟、时钟漂移、GC 暂停都会导致窗口错位：要么本地提前失效，频繁打 Redis；要么本地滞后，返回脏数据。真实生产环境里，靠时间同步永远追不上变化节奏。
实操建议：
- 所有 Redis 写操作后，立刻发一条
PUBLISH cache-invalidate "product:123"（注意带业务 key，不是泛化消息） - 每个应用节点订阅
cache-invalidate频道，收到即调用_memoryCache.Remove("product:123") - 避免用
KEYS product:*扫描清理——该命令在 Redis 7.2+ 默认禁用，且 O(n) 复杂度会拖垮实例
缓存穿透/雪崩时本地缓存反而会放大压力
当大量请求击穿本地缓存后，若 Redis 也因淘汰策略激进（如 volatile-random 配短 TTL）而集体失效，所有请求会瞬间涌向数据库。此时本地缓存不仅没起缓冲作用，反而因未命中率飙升，加剧了线程竞争和连接池耗尽。
关键细节：
- 本地缓存应配置
GetOrCreateAsync+lock语义（.NET）或 Caffeine 的refreshAfterWrite，防止缓存击穿时的并发回源 - Redis 的
maxmemory必须设合理值（建议为机器内存的 40%～60%），并配合allkeys-lfu保高频 key，而非盲目用volatile-ttl - 真正危险的是「本地缓存未设上限 + Redis 淘汰策略太激进 + 无熔断兜底」三者叠加，这种情况在秒杀预热阶段最容易暴露
svc-order:cache-invalidate），否则跨服务消息污染会导致不可预测的缓存抖动**。
