MySQL query_cache_type 移除后如何用 Redis 实现查询缓存替代方案

MySQL 8.0正式移除了原生的查询缓存功能，这意味着原本通过query_cache_type开启的查询缓存机制不再可用。对于很多依赖查询缓存减少重复查询、降低数据库压力的业务来说，需要找到可靠的替代方案，Redis凭借高性能、高可用的特性成为首选替代工具。

MySQL原生查询缓存的局限性

MySQL的查询缓存是将SELECT语句的哈希值作为key，查询结果作为value存储在内存中，相同的查询可以直接返回缓存结果，不需要再次执行SQL。但该机制存在明显缺陷：

• 只要表发生任何写操作，该表相关的所有查询缓存都会失效，对于写频繁的业务缓存命中率极低
• 缓存存储在MySQL进程内存中，会占用数据库本身的内存资源，影响数据库其他组件的运行
• 缓存粒度是整个查询结果，无法做到更细粒度的控制，灵活性较差

Redis替代查询缓存的优势

使用Redis作为查询缓存的替代方案，可以解决原生查询缓存的多数问题：

• Redis是独立的内存数据库，不会占用MySQL的内存资源，性能更稳定
• 可以自定义缓存粒度，既可以缓存整个查询结果，也可以缓存单条记录，灵活性更高
• 支持多种缓存过期策略，也支持主动更新缓存，能适配更多业务场景
• Redis本身支持集群、持久化等特性，可用性远高于原生查询缓存

Redis查询缓存的实现方案

1. 缓存Key设计规范

缓存Key需要唯一标识一条查询请求，建议采用业务模块:查询类型:参数哈希的格式，例如用户模块的按ID查询用户信息的缓存Key可以设计为：

user:query_by_id:123456

其中参数部分如果是多个参数，可以将参数拼接后计算哈希值，避免Key过长。

2. 查询流程设计

完整的查询流程分为以下几步：

1. 根据查询条件生成对应的缓存Key
2. 尝试从Redis中获取缓存，如果缓存存在直接返回结果
3. 如果缓存不存在，执行MySQL查询获取结果
4. 将查询结果序列化后存入Redis，并设置合理的过期时间
5. 返回查询结果给调用方

3. 代码示例（Python实现）

以下是使用Python的redis和pymysql库实现的完整查询缓存逻辑：

import redis
import pymysql
import json
import hashlib

# 初始化Redis连接
redis_client = redis.Redis(host='127.0.0.1', port=6379, db=0, decode_responses=True)
# 初始化MySQL连接
mysql_conn = pymysql.connect(
    host='127.0.0.1',
    port=3306,
    user='root',
    password='test_password',
    database='test_db',
    charset='utf8mb4'
)

def generate_cache_key(module, query_type, params):
    # 拼接参数并计算哈希，生成缓存Key
    param_str = '&'.join([f'{k}={v}' for k, v in params.items()])
    param_hash = hashlib.md5(param_str.encode()).hexdigest()
    return f'{module}:{query_type}:{param_hash}'

def query_with_cache(sql, params, cache_expire=300):
    # 生成缓存Key
    cache_key = generate_cache_key('db', 'query', {'sql': sql, 'params': params})
    # 尝试获取缓存
    cache_result = redis_client.get(cache_key)
    if cache_result is not None:
        return json.loads(cache_result)
    # 缓存不存在，执行查询
    cursor = mysql_conn.cursor(pymysql.cursors.DictCursor)
    cursor.execute(sql, params)
    query_result = cursor.fetchall()
    cursor.close()
    # 存入缓存
    redis_client.setex(cache_key, cache_expire, json.dumps(query_result))
    return query_result

# 示例调用：查询用户表中id为1的用户信息
sql = 'SELECT * FROM user WHERE id = %s'
params = (1,)
result = query_with_cache(sql, params)
print(result)

4. 缓存更新策略

当数据库数据发生变更时，需要及时更新或删除对应的缓存，避免缓存脏数据：

• 对于写操作（INSERT、UPDATE、DELETE），执行完数据库操作后，删除对应查询条件的缓存Key
• 如果业务允许，可以设置较短的缓存过期时间，降低脏数据的影响范围
• 对于高频更新的数据，可以考虑采用旁路缓存模式，写操作时更新缓存而不是删除缓存

5. 常见问题应对

缓存穿透

指查询不存在的数据，导致每次都穿透到数据库。应对方案：

• 对不存在的查询结果也进行缓存，设置较短的过期时间，比如60秒
• 使用布隆过滤器提前过滤不存在的数据ID

缓存击穿

指某个热点Key过期瞬间，大量请求同时穿透到数据库。应对方案：

• 热点Key设置永不过期，通过后台线程定期更新缓存
• 获取缓存时使用分布式锁，只有一个请求去查询数据库，其他请求等待缓存更新完成

缓存雪崩

指大量缓存同时过期，导致数据库压力骤增。应对方案：

• 缓存过期时间加上随机偏移量，避免同时过期
• 采用多级缓存架构，比如本地缓存+Redis缓存，降低对Redis的依赖

注意事项

在使用Redis替代MySQL查询缓存时，需要注意以下几点：

• 缓存的序列化方式要统一，避免反序列化失败
• 缓存过期时间要根据业务数据的更新频率设置，不要盲目设置过长
• 定期监控Redis的内存使用情况，避免缓存数据过多占用过多内存
• 对于大结果集的查询，不建议全部缓存，可以只缓存ID列表，再分别查询单条记录缓存

MySQLRedisquery_cache_type查询缓存修改时间：2026-06-10 20:45:24