平时用手机刷网页或者打开APP，总感觉有的内容加载特别快，其实背后很多都是缓存的功劳。缓存就像是把常用的东西先存起来，下次要用就不用重新找一遍。但在实际应用中，不同的场景需要不同的缓存策略来提升效率、减少资源浪费。
1. 旁路缓存（Cache Aside）
这是最常见的一种方式。程序在读数据时，先查缓存，如果没找到，再去数据库里取，然后把结果写进缓存；写数据时，先更新数据库，再把缓存里的对应数据删掉。这样下次读的时候就会重新从数据库加载到缓存。
比如你经常看某个新闻APP的头条，第一次打开可能慢一点，之后就快了，就是因为数据被缓存了。当你刷新看到新内容时，旧缓存就被清掉了。
// 伪代码示例：读操作
if (cache.has(key)) {
return cache.get(key);
} else {
data = db.query(sql);
cache.set(key, data);
return data;
}
// 写操作
db.update(data);
cache.delete(key);2. 读写穿透（Read/Write Through）
在这种模式下，应用层只和缓存打交道，缓存系统自己负责和数据库同步。读的时候，缓存发现没有就自动去数据库拿并保存；写的时候，缓存直接更新自己和数据库。
这种方式对业务代码更友好，不需要操心数据库操作。就像你往抽屉里放东西，有个助手自动帮你登记到总账本上，你不用自己跑一趟。
3. 写回缓存（Write Back）
写数据时只更新缓存，标记为“脏”，然后异步批量写入数据库。读的时候如果命中缓存就直接返回。这种策略写性能很高，但有丢数据的风险，适合对一致性要求不高的场景。
比如你在编辑文档时频繁保存草稿，系统可能不会每次点保存都立刻写硬盘，而是先存在内存里，隔几秒统一写一次。断电的话可能会丢最近的修改。
4. 缓存预热（Cache Warm-up）
系统启动或高峰期前，提前把热点数据加载到缓存中。避免刚上线时大量请求直接打到数据库，造成崩溃。
就像饭馆开门前先把常卖的菜半成品准备好，一开餐就能快速出菜，不至于手忙脚乱。
5. 多级缓存（Multi-level Caching）
结合本地缓存（如内存）和分布式缓存（如Redis），优先查本地，没有再查远程，查到后回填。能大幅降低远程调用次数，提升响应速度。
比如你查字典，先翻自己整理的小本子，没有再去图书馆查大部头，查完顺便抄一条记下来，下次就快了。
6. 过期与淘汰策略
缓存空间有限，不能一直存。常用的方式有设置过期时间（TTL），比如一小时后失效；或者用LRU（最近最少使用）算法，把长时间没人用的数据清掉。
就像冰箱里的剩菜，贴个标签写“三天内吃完”，超时就扔掉，腾地方放新的。