字节一面：Redis 和 Caffeine 的区别是什么？
在线 Java 面试刷题（持续更新）：https://www.quanxiaoha.com/java-interview
面试考察点
缓存架构理解：面试官不仅仅是想知道两者的功能差异，更是想考察你是否理解 "本地缓存" 与 "分布式缓存" 的本质区别，以及在系统架构中各自扮演的角色。
技术选型能力：考察你是否能够根据业务场景（数据量、一致性要求、性能需求）做出合理的技术选型，而不是盲目跟风。
实践经验：是否在实际项目中使用过这两种缓存，是否了解它们在生产环境中的坑和最佳实践。
核心答案
Redis 和 Caffeine 是两种不同类型的缓存，核心区别在于存储位置和架构模式：
对比维度 | Redis | Caffeine |
|---|---|---|
| 缓存类型 | 分布式缓存 | 本地缓存（进程内缓存） |
| 存储位置 | 独立服务进程，可部署多节点 | 应用 JVM 进程内 |
| 访问速度 | 网络开销，毫秒级 | 直接内存访问，纳秒级 |
| 数据一致性 | 多节点共享，一致性好 | 各节点独立，存在不一致风险 |
| 容量限制 | 可配置大容量（GB 级别） | 受 JVM 堆内存限制 |
| 持久化 | 支持 RDB/AOF 持久化 | 进程重启数据丢失 |
| 数据结构 | 丰富（String、Hash、List、Set、ZSet 等） | 简单 KV 存储 |
| 集群支持 | 原生支持主从、哨兵、集群 | 单机，无集群概念 |
一句话总结：Redis 是分布式缓存，适合跨服务共享数据；Caffeine 是本地缓存，适合单节点高性能读取。
深度解析
一、架构模式对比
Redis 分布式缓存架构
上图展示了 Redis 的分布式缓存架构。所有服务实例通过网络访问同一个 Redis 集群，实现数据共享。特点是：
数据共享：多个服务实例看到的是同一份数据，天然保证一致性
独立部署：Redis 作为独立服务，可横向扩展
网络开销：每次访问都需要网络通信，存在毫秒级延迟
上图展示了 Caffeine 的本地缓存架构。每个服务实例都有自己独立的 Caffeine 缓存，存储在各自的 JVM 堆内存中。特点是：
数据隔离：各实例缓存独立，可能存在数据不一致
极速访问：直接内存读取，纳秒级响应
容量受限：受 JVM 堆内存大小限制
二、性能对比
场景 | Redis | Caffeine | 性能差距 |
|---|---|---|---|
单次读取 | ~1ms（网络 + 反序列化） | ~100ns | 10000 倍 |
单次写入 | ~1ms | ~100ns | 10000 倍 |
高并发读取 | 受网络带宽限制 | 仅受 CPU 限制 | 差距明显 |
三、典型使用场景
Redis 适合的场景：
// 1. 分布式 Session 存储 // 2. 跨服务共享的配置数据 // 3. 分布式锁 // 4. 消息队列（延迟队列） // 5. 排行榜、计数器 // 6. 需要持久化的缓存数据 @Autowired private StringRedisTemplate redisTemplate; // 分布式锁示例 public boolean tryLock(String key, String value, long expireTime) { return Boolean.TRUE.equals( redisTemplate.opsForValue().setIfAbsent(key, value, expireTime, TimeUnit.SECONDS) ); }Caffeine 适合的场景：
// 1. 热点数据的本地缓存（如配置、字典数据） // 2. 高频读取、低频更新的数据 // 3. 对一致性要求不高的场景 // 4. 单机应用或无需跨服务共享的数据 // Caffeine 配置示例 Cache<String, User> userCache = Caffeine.newBuilder() .maximumSize(10000) // 最大缓存数量 .expireAfterWrite(10, TimeUnit.MINUTES) // 写入后 10 分钟过期 .refreshAfterWrite(5, TimeUnit.MINUTES) // 写入后 5 分钟异步刷新 .recordStats() // 开启统计 .build(); // 获取缓存（不存在则加载） User user = userCache.get(userId, id -> userService.getById(id));四、生产最佳实践：两级缓存架构
实际项目中，通常采用L1（本地）+ L2（分布式）两级缓存架构：
两级缓存的协同工作流程：
读取流程：先查 L1（Caffeine），未命中再查 L2（Redis），最后查数据库
写入流程：更新数据库后，同时删除 L1 和 L2 缓存
一致性保障：通过 Redis Pub/Sub 或消息队列通知各节点清除本地缓存
// Spring Cache + Caffeine + Redis 两级缓存示例 @Service public class UserService { @Cacheable(cacheNames = "user", key = "#id") // 自动两级缓存 public User getById(Long id) { return userMapper.selectById(id); } @CacheEvict(cacheNames = "user", key = "#user.id") // 自动清除两级缓存 public void update(User user) { userMapper.updateById(user); } }五、常见误区
误区 | 说明 |
|---|---|
"本地缓存更快，全部用 Caffeine" | 多实例部署时数据不一致问题严重，适合只读或容忍不一致的场景 |
"Redis 够用了，不需要本地缓存" | 对于 QPS 极高的热点数据，Redis 网络开销可能成为瓶颈 |
"两级缓存太复杂，维护成本高" | Spring Cache 已提供良好抽象，配置简单，收益明显 |
面试高频追问
两级缓存如何保证一致性？
延迟双删 + Redis Pub/Sub 通知各节点清除本地缓存
设置合理的过期时间兜底
使用 Canal 监听数据库 binlog 主动刷新
Caffeine 的淘汰策略是什么？
W-TinyLFU 算法，结合了 LRU 和 LFU 的优点
高频 + 最近访问的数据优先保留
Redis 缓存穿透、击穿、雪崩怎么解决？
穿透：布隆过滤器、空值缓存
击穿：互斥锁、热点数据永不过期
雪崩：过期时间加随机值、多级缓存
常见面试变体
"本地缓存和分布式缓存的区别？"
"为什么要有两级缓存？"
"Caffeine 和 Guava Cache 的区别？"
"如何设计一个高可用的缓存架构？"
记忆口诀
选型口诀：单机高频用本地，分布式共享用 Redis，极致性能两结合。
架构口诀：L1 快但各自飞，L2 慢但大家看，两级配合性能王。
总结
Redis 是分布式缓存，适合跨服务数据共享、需要持久化、复杂数据结构的场景；Caffeine 是本地缓存，适合单节点高频读取、对一致性要求不高的场景。生产环境推荐两级缓存架构：Caffeine 作为 L1 缓存提供极速响应，Redis 作为 L2 缓存保证数据一致性，通过消息机制同步各节点本地缓存。
👉 欢迎加入小哈的星球，你将获得:专属的项目实战（多个项目） / 1v1 提问 /Java 学习路线 /学习打卡 / 每月赠书 / 社群讨论
新项目：《Spring AI 项目实战》正在更新中..., 基于 Spring AI + Spring Boot 3.x + JDK 21;
《从零手撸：仿小红书（微服务架构）》 已完结，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17..., 点击查看项目介绍；演示地址：http://116.62.199.48:7070/
《从零手撸：前后端分离博客项目（全栈开发）》2期已完结,演示链接：http://116.62.199.48/;
专栏阅读地址：https://www.quanxiaoha.com/column
截止目前，累计输出 100w+ 字，讲解图 4013+ 张，还在持续爆肝中..后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，Spring Cloud Alibaba 等等，戳我加入学习，解锁全部项目，已有4500+小伙伴加入
1. 我的私密学习小圈子，从0到1手撸企业实战项目~ 2. 从夯到拉，锐评13个 Java Web 框架！ 3. 面试官：什么是最左前缀匹配？为什么要遵守？（修订版） 4. 使用 Shadcn UI 构建 Java 桌面应用最近面试BAT，整理一份面试资料《Java面试BATJ通关手册》，覆盖了Java核心技术、JVM、Java并发、SSM、微服务、数据库、数据结构等等。 获取方式：点“在看”，关注公众号并回复 Java 领取，更多内容陆续奉上。PS：因公众号平台更改了推送规则，如果不想错过内容，记得读完点一下“在看”，加个“星标”，这样每次新文章推送才会第一时间出现在你的订阅列表里。 点“在看”支持小哈呀，谢谢啦