什么是缓存命中？一文理解 Cache Hit

在软件系统中，我们经常会听到“缓存命中”“缓存未命中”“缓存命中率”等概念。无论是浏览器缓存、Redis、CDN，还是 CPU 缓存，它们背后的核心思想其实非常相似：把经常访问的数据暂时存放在一个访问速度更快的位置，从而减少重复计算或重复读取。

而所谓的“缓存命中”，就是整个缓存机制中最理想的一种情况。

一、什么是缓存？

在理解缓存命中之前，首先需要知道什么是缓存。

缓存（Cache）可以理解为一个临时的数据存储区域。它通常保存那些访问频率较高、获取成本较大的数据。

例如，一个网站需要展示商品详情。

正常情况下，服务器可能需要：

用户请求 → 查询数据库 → 获取商品数据 → 返回给用户

如果一个热门商品每分钟被访问几万次，那么数据库就需要不断执行相同的查询。

这会产生大量重复工作。

因此，我们可以在数据库之前增加一层缓存，例如 Redis：

用户请求 → 查询 Redis → 查询数据库

第一次访问商品时，如果 Redis 中没有数据，就去数据库查询，然后将查询结果保存到 Redis。

之后其他用户再访问同一个商品时，就可以直接从 Redis 获取数据，而不需要再次查询数据库。

这就是缓存的基本作用。

二、什么是缓存命中？

缓存命中，英文通常称为 Cache Hit。

简单来说：

当程序请求某个数据时，如果缓存中已经存在这个数据，就叫做缓存命中。

例如：

用户请求商品 ID 为 1001 的商品信息。

程序首先检查 Redis：

GET product:1001

如果 Redis 中已经存在：

product:1001 → iPhone 17 Pro

那么程序就可以直接返回这个数据。

整个过程就是：

用户请求
   ↓
查询缓存
   ↓
缓存中存在数据
   ↓
直接返回

这种情况就叫做：

缓存命中（Cache Hit）

它最大的特点是：不需要访问后端真正的数据源。

例如数据库、文件系统或者远程 API。

因此，缓存命中通常意味着更低的响应时间和更小的系统压力。

三、什么是缓存未命中？

与缓存命中相对应的是：

缓存未命中（Cache Miss）

也就是说，程序去缓存中查询数据，但是没有找到。

例如：

GET product:1002

Redis 返回：

nil

说明缓存中没有这个商品。

此时系统通常需要继续查询数据库：

用户请求
   ↓
查询缓存
   ↓
缓存中没有数据
   ↓
查询数据库
   ↓
获得数据
   ↓
写入缓存
   ↓
返回数据

这个过程就是一次缓存未命中。

假设数据库返回商品信息：

product:1002 = MacBook Pro

程序通常还会把它保存到 Redis：

SET product:1002 "MacBook Pro"

这样下一次再访问 product:1002 时，就可以直接从缓存中读取。

也就是说：

第一次请求：Cache Miss

第二次请求：Cache Hit

缓存系统正是通过这种机制逐渐提高访问效率。

四、什么是缓存命中率？

衡量缓存效果时，一个非常重要的指标叫做：

缓存命中率（Cache Hit Rate）

计算公式是：

缓存命中率 = 缓存命中次数 ÷ 总请求次数 × 100%

例如某个系统在一分钟内有 10000 次查询。

其中：

缓存命中：9000 次
缓存未命中：1000 次

那么缓存命中率就是：

9000 ÷ 10000 = 90%

也就是说：

缓存命中率 = 90%

这意味着 90% 的请求都不需要访问数据库。

数据库实际只处理了 10% 的请求。

因此，在高并发系统中，提高缓存命中率通常可以显著降低数据库压力。

五、为什么缓存命中很重要？

缓存最主要的价值可以归纳为三个方面。

1. 提高访问速度

一般来说，不同存储介质的访问速度存在明显差异。

例如：

CPU Cache
   ↓
内存
   ↓
本地磁盘
   ↓
数据库
   ↓
远程网络服务

通常越往下，访问成本越高。

如果数据已经存在于更高速的缓存中，程序就不需要访问较慢的数据源。

因此缓存命中可以显著降低响应时间。

2. 降低数据库压力

假设一个接口每秒有 100000 个请求。

如果所有请求都访问数据库：

100000 QPS
       ↓
    数据库

数据库可能很快就会成为整个系统的性能瓶颈。

如果缓存命中率达到 95%，那么真正访问数据库的请求可能只有：

100000 × 5% = 5000

也就是说：

数据库压力从约 100000 QPS 降到了约 5000 QPS。

这也是 Redis 等缓存系统在高并发架构中被广泛使用的重要原因。

3. 减少重复计算

缓存不一定只缓存数据库数据。

一些计算成本较高的结果也可以缓存。

例如：

用户画像计算
排行榜计算
复杂 SQL 查询
机器学习推理结果
搜索结果
推荐结果

如果同一个结果会被频繁请求，就可以把计算结果缓存起来。

下一次遇到相同请求时直接返回已有结果。

因此缓存本质上是在做一件事情：

用空间换时间。

六、一个简单的缓存示例

假设我们有一个用户查询接口：

GET /user/1001

没有缓存时：

请求
 ↓
数据库查询
 ↓
返回用户信息

每次请求都会执行 SQL：

SELECT * FROM users WHERE id = 1001;

如果加入 Redis：

请求
 ↓
查询 Redis
 ↓
是否存在？

如果存在：

Redis
 ↓
直接返回用户数据

这就是缓存命中。

如果不存在：

Redis
 ↓
没有数据
 ↓
查询数据库
 ↓
写入 Redis
 ↓
返回用户数据

这就是缓存未命中。

对应的伪代码可以写成：

def get_user(user_id):

    user = redis.get(f"user:{user_id}")

    if user:
        return user

    user = database.query(user_id)

    redis.set(f"user:{user_id}", user)

    return user

其中：

if user:
    return user

对应的就是一次缓存命中。

七、缓存为什么会未命中？

缓存未命中其实非常正常。

常见原因包括：

第一种情况是数据从来没有被访问过。

例如：

第一次访问 product:1001

缓存自然还没有这个数据。

第二种情况是缓存已经过期。

缓存通常都会设置 TTL，也就是过期时间。

例如：

SET product:1001 data EX 3600

表示缓存一小时之后自动删除。

如果一小时之后再次访问：

GET product:1001

缓存已经不存在，因此会发生 Cache Miss。

第三种情况是缓存被主动删除。

例如商品信息发生变化：

商品价格从 100 元变成 80 元

为了避免缓存中的旧价格继续存在，系统可能主动删除：

DEL product:1001

下一次请求时就会重新查询数据库。

第四种情况是缓存容量不足。

缓存空间通常不是无限的。

当 Redis、CPU Cache 或其他缓存达到容量上限时，系统可能根据某种淘汰策略删除部分数据。

例如：

LRU
LFU
FIFO

被淘汰的数据再次被访问时，也会产生缓存未命中。

八、缓存命中率是不是越高越好？

通常来说，较高的缓存命中率意味着缓存正在发挥较好的效果。

但并不是所有系统都应该盲目追求接近 100% 的命中率。

例如某些数据访问本身就非常随机：

用户第一次访问的数据很多
相同数据重复访问较少

那么缓存价值可能就没有那么高。

另外，如果为了提高缓存命中率而保存大量几乎不会再次访问的数据，也会消耗大量内存。

因此真正应该关注的是：

缓存成本
+
命中率
+
数据更新频率
+
后端查询成本
+
数据一致性要求

需要综合考虑，而不是单纯追求一个很高的百分比。

九、生活中的缓存命中

缓存其实并不是一个很难理解的概念。

可以用一个生活中的例子来理解。

假设你办公时经常需要使用一本资料。

如果每次使用都去公司仓库拿：

需要资料
 ↓
去仓库
 ↓
找到资料
 ↓
拿回来使用

非常浪费时间。

于是你把这本资料放在自己的桌子上。

下一次使用：

需要资料
 ↓
桌子上有
 ↓
直接使用

这就是一次“缓存命中”。

如果桌子上没有：

需要资料
 ↓
桌子上没有
 ↓
去仓库寻找

这就是一次“缓存未命中”。

在这个例子中：

桌面 = 缓存
仓库 = 数据库
找到了 = Cache Hit
没找到 = Cache Miss

这就是缓存机制最核心的思想。

十、总结

缓存命中本质上是一个非常简单的概念：

当系统请求某个数据时，如果这个数据已经存在于缓存中，就叫做缓存命中（Cache Hit）。

如果缓存中不存在，则叫：

缓存未命中（Cache Miss）。

缓存系统通常遵循下面的流程：

请求数据
   ↓
检查缓存
   ↓
┌───────────────┐
│               │
有数据          没数据
│               │
Cache Hit       Cache Miss
│               │
直接返回        查询数据库
                ↓
              写入缓存
                ↓
              返回数据

而衡量缓存效果的重要指标之一就是缓存命中率：

缓存命中率
=
缓存命中次数
÷
总请求次数
× 100%

理解了缓存命中、缓存未命中和缓存命中率，也就基本理解了缓存系统最核心的工作机制。

从浏览器缓存、CDN，到 Redis、数据库缓存，再到 CPU Cache，本质上都在解决一个类似的问题：

把经常使用的数据放到距离使用者更近、访问速度更快的位置。

当需要的数据恰好已经在那里时，就是一次缓存命中。