【通用 + 可落地 + 面试可用】的数据预热方案

✅ 一、什么是数据预热？

定义：
在系统启动或业务前置阶段，提前将热点数据加载到缓存、内存、DB连接池、搜索引擎等中间件中，避免系统冷启动时的大量缓存未命中问题。

✅ 二、为什么需要数据预热？（面试可用答题逻辑）

问题场景	描述与后果
缓存冷启动	系统重启/新部署节点时缓存为空
缓存穿透	热点数据被反复请求落到底层数据库
缓存击穿	某个高频 key 过期后，大量请求同时访问
缓存雪崩	大量 key 同时过期，系统被拖垮

✅ 数据预热的核心目标是：在用户访问之前，缓存就已经准备好热数据！

✅ 三、数据预热的典型方式

1️⃣ 启动时预热（推荐用于固定热点）

@Component
public class DataWarmUpRunner implements CommandLineRunner {
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;

    @Override
    public void run(String... args) {
        // 示例：加载首页热门商品
        List<Goods> hotGoods = goodsService.queryTop10Hot();
        for (Goods g : hotGoods) {
            redisTemplate.opsForValue().set("goods::" + g.getId(), g, 10, TimeUnit.MINUTES);
        }
    }
}

📌 适合场景：固定热点数据（如：首页推荐、导航菜单等）

2️⃣ 定时任务预热（动态热点）

使用 @Scheduled 定时查询并加载数据（如前一天访问量前十的商品）。

@Scheduled(cron = "0 0/10 * * * ?")
public void preloadHotGoods() {
    List<Long> hotIds = hotDataService.queryTopGoodsIds();
    for (Long id : hotIds) {
        Goods g = goodsService.getById(id);
        redisTemplate.opsForValue().set("goods::" + id, g, 15, TimeUnit.MINUTES);
    }
}

📌 优点：热数据自动学习并持续更新
📌 注意：要做好缓存雪崩/击穿保护（可加分布式锁、设置过期时间）

3️⃣ 热点探测 + 异步预热（智能型）

利用访问频率监控（如布隆过滤器/访问计数器）识别潜在热点，触发异步加载。

统计某商品 5 分钟内被访问超过 100 次 → 异步预热
使用消息队列或线程池异步执行

4️⃣ 运维手动预热（应急方案）

对某些大促前的 SKU / 商品 / 品牌，手动触发脚本
可以设计 Admin 接口或 Redis CLI 脚本

✅ 四、数据预热策略设计维度（架构面试加分）

维度	推荐实践
缓存一致性	预热后设置合理过期时间 + 异步更新策略
热点识别方式	访问频率统计 / PV 排名 / 运维指定等
多级缓存层	本地缓存 + Redis（如 Caffeine + Redis）
节点扩容预热	可结合 Nacos 通知扩容后调用接口拉取数据
高并发保护	加锁（如 Redisson）、设置随机过期时间

✅ 五、项目中典型数据预热实践举例

💼 示例：电商系统商品详情页

启动时预热：预加载首页 Top N 热门商品、广告 banner、品类导航
每小时定时任务：刷新爆品/特价商品缓存
商品详情页预热触发：用户搜索 → 未命中缓存 → MQ 异步加载 + 加 Redis 缓存
大促前运维通过管理后台设置预热 SKU 列表

✅ 六、面试答题模板（带场景）

Q：你们系统有没有做过缓存预热？怎么做的？
🧠 答题模板：
有的，在我们项目中，为了解决系统启动或高并发初期缓存命中率低导致的穿透问题，我们做了两种方式的数据预热：

第一是在系统启动后通过 CommandLineRunner 自动加载固定热点数据（如首页推荐、品牌榜）；

第二是通过定时任务动态分析前一天热度数据定时更新 Redis 缓存；

此外，针对高并发访问的商品详情页，我们也做了访问量探测 + 异步预热机制，防止缓存击穿和雪崩。

多数预热数据缓存时限为 10~30 分钟，并加随机过期时间防止同一时间大量缓存失效。