# Cache Strategy Storage > 缓存策略存储场景。指导模型进行缓存设计时的思考过程，包括缓存模式选择、一致性保证、失效策略和常见问题处理。 - **Type:** Skill - **Install:** `agentstack add skill-liutao12138-agent-skill-framework-cache-strategy-storage` - **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior - **Seller:** [liutao12138](https://agentstack.voostack.com/s/liutao12138) - **Installs:** 0 - **Category:** [Agent Skills](https://agentstack.voostack.com/c/agent-skills) - **Latest version:** 0.1.0 - **License:** MIT - **Upstream author:** [liutao12138](https://github.com/liutao12138) - **Source:** https://github.com/liutao12138/agent_skill_framework/tree/main/skills/cache-strategy-storage ## Install ```sh agentstack add skill-liutao12138-agent-skill-framework-cache-strategy-storage ``` Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent. ## About # 缓存策略存储场景思维指南 ## 思考框架 当你需要设计缓存策略时，按以下流程思考： ### 1. 是否需要缓存？ **缓存适用场景检查** ``` ┌─────────────────────┐ │ 数据访问模式？ │ └─────────────────────┘ │ ┌──────────────────┼──────────────────┐ │ │ │ ┌────▼────┐ ┌────▼────┐ ┌────▼────┐ │读多写少 │ │读写均衡 │ │写多读少 │ │适合缓存 │ │可考虑缓存│ │不适合缓存│ └────┬────┘ └────┬────┘ └─────────┘ │ │ ▼ ▼ 命中率 > 70% 命中率 > 50% ``` **不适合缓存的情况** ```python # ✗ 不适合缓存的数据 ├── 频繁变化的数据（实时计数器） ├── 单次使用的临时数据 ├── 数据量极大且访问分散 ├── 对一致性要求极高 └── 计算成本低于缓存成本 ``` **适合缓存的情况** ```python # ✓ 适合缓存的数据 ├── 热点数据（访问频率高） ├── 复杂计算结果（CPU密集型） ├── 外部API调用结果 ├── 用户配置/偏好数据 ├── 字典/枚举数据 └── 会话数据 ``` ### 2. 缓存模式选择 **Cache-Aside（旁路缓存）** ``` 应用服务器 │ ┌──────────────┼──────────────┐ │ │ │ ▼ ▼ ▼ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ 读取数据 │ │ 缓存存在 │ │ 缓存不存在│ └────┬────┘ └────┬────┘ └────┬────┘ │ │ │ ▼ ▼ ▼ ┌─────────┐ ┌─────────┐ ┌─────────┐ │查缓存？ │←──│返回缓存 │ │查数据库 │ └────┬────┘ └─────────┘ └────┬────┘ │ │ ┌────┴────┐ │ │ │ │ ▼ ▼ ▼ ┌────────┐ ┌────────┐ ┌────────┐ │缓存命中 │ │缓存未中 │ │写入缓存│ └────────┘ └────┬────┘ └────────┘ │ ▼ ┌────────┐ │返回数据│ └────────┘ ``` ```python # 伪代码实现 def get_user(user_id): # 1. 先查缓存 user = cache.get(f"user:{user_id}") if user: return user # 2. 缓存未命中，查数据库 user = db.query("SELECT * FROM users WHERE id = ?", user_id) # 3. 写入缓存 if user: cache.set(f"user:{user_id}", user, ttl=3600) return user def update_user(user_id, data): # 1. 更新数据库 db.execute("UPDATE users SET ... WHERE id = ?", user_id) # 2. 删除缓存（而非更新） cache.delete(f"user:{user_id}") ``` **Read-Through / Write-Through** ```python # Read-Through：缓存负责加载数据 user = cache.get_or_load(f"user:{user_id}", loader=load_user_from_db) # Write-Through：写入时同步更新缓存 def update_user(user_id, data): db.execute(...) cache.set(f"user:{user_id}", updated_user, ttl=3600) ``` **Write-Behind（异步写入）** ``` 应用服务器 │ ▼ ┌─────────────────┐ │ 写入操作队列 │ └────────┬────────┘ │ ┌─────────────┼─────────────┐ │ │ │ ▼ ▼ ▼ ┌─────────┐ ┌─────────┐ ┌─────────┐ │批量写入 │ │延迟写入 │ │失败重试 │ │数据库 │ │数据库 │ │数据库 │ └─────────┘ └─────────┘ └─────────┘ ``` ### 3. 缓存数据结构选择 **Redis 数据结构决策树** ``` 需要存储的数据类型 │ ├─ 简单字符串/JSON │ └─ STRING (GET/SET) │ ├─ 计数器 │ └─ STRING (INCR/DECR) 或专用命令 │ └── INCR user:{id}:view_count │ ├─ 哈希（对象） │ └─ HASH (HSET/HGET) │ └── HSET user:1001 name "张三" age 25 │ ├─ 列表（队列/栈） │ └─ LIST (LPUSH/RPOP) │ └── LPUSH queue:tasks '{"id":1,"task":"xxx"}' │ ├─ 去重集合 │ └─ SET (SADD/SISMEMBER) │ └── SADD user:1001:tags "python" "redis" "cache" │ ├─ 有序集合（排行榜） │ └─ ZSET (ZADD/ZRANGE) │ └── ZADD leaderboard 1000 "user1" 900 "user2" │ ├─ 位图（用户签到、活跃度） │ └─ BITSET (SETBIT/GETBIT) │ └─ 布隆过滤器（去重、存在性判断） └─ BF.ADD bf:email "test@example.com" ``` ### 4. 失效策略 **TTL 设计原则** ```python # TTL 选择的考虑因素 CACHE_TTLS = { # 配置类数据（变化极少） "config:*": 86400 * 7, # 7天 "dict:*": 86400, # 1天 # 用户相关数据（中等变化） "user:{id}": 3600, # 1小时 "user:{id}:profile": 1800, # 30分钟 # 会话数据（严格时效） "session:{id}": 86400, # 1天 "token:{id}": 3600, # 1小时 # 热点数据（较短TTL） "hot:product:*": 300, # 5分钟 "hot:article:*": 600, # 10分钟 # 临时数据（秒级） "rate_limit:*": 60, # 1分钟 "lock:{resource}": 30, # 30秒 } ``` **失效策略选择** ```python # 策略1：TTL 过期（简单但可能有不一致窗口） # 适用：允许短暂不一致的场景 # 策略2：主动失效（更新时删除/更新缓存） # 适用：对一致性要求较高的场景 def update_user(user_id, data): # 方案A：删除缓存 cache.delete(f"user:{user_id}") # 方案B：更新缓存 cache.hset(f"user:{user_id}", data) # 策略3：延迟双删（减少不一致概率） def update_user(user_id, data): # 1. 删除缓存 cache.delete(f"user:{user_id}") # 2. 更新数据库 db.execute(...) # 3. 延迟删除（等待主从同步） time.sleep(0.1) cache.delete(f"user:{user_id}") ``` ### 5. 一致性保证 **缓存与数据库一致性模型** ``` 一致性级别 │ ├─ 最终一致（可接受短时间不一致） │ └── 场景：商品列表、阅读数 │ ├─ 读写一致（写入后能读到） │ └── 场景：用户配置、个人信息 │ └─ 强一致（任何时刻都一致） └── 场景：库存、余额、支付 ``` **强一致场景处理** ```python # 方案1：分布式锁 def deduct_stock(product_id, quantity): lock_key = f"lock:stock:{product_id}" # 获取锁（最多等待5秒，持有3秒） if not cache.acquire_lock(lock_key, ttl=3, timeout=5): raise Exception("系统繁忙，请重试") try: # 在锁保护下读取并更新 stock = cache.get(f"stock:{product_id}") if stock 成本） ├── [ ] 选择了合适的缓存模式？ ├── [ ] 选择了合适的失效策略？ ├── [ ] TTL 设置是否合理？ ├── [ ] 有缓存穿透/击穿/雪崩的应对方案？ ├── [ ] 有一致性保证方案？ ├── [ ] 进行了容量规划？ ├── [ ] 有监控告警？ └── [ ] 进行了压力测试？ ``` ## Source & license This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code. - **Author:** [liutao12138](https://github.com/liutao12138) - **Source:** [liutao12138/agent_skill_framework](https://github.com/liutao12138/agent_skill_framework) - **License:** MIT Install and usage instructions live in the source repository linked above. ## Pricing - **Free** — Free ## Security capabilities Automated source analysis of v0.1.0 — what this tool can access: - **Network access:** no - **Filesystem access:** no - **Shell / process execution:** no - **Environment & secrets:** no - **Dynamic code execution:** no *"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.* ## Versions - **0.1.0** — security scan: passed — Imported from the upstream source. ## Links - Listing page: https://agentstack.voostack.com/l/skill-liutao12138-agent-skill-framework-cache-strategy-storage - Seller: https://agentstack.voostack.com/s/liutao12138 - Browse the marketplace: https://agentstack.voostack.com/browse --- Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.