Django 内置的缓存框架非常灵活，支持多种后端，但在生产环境中，本地内存缓存往往不够用。比如用 Gunicorn 启动多个 worker 进程时，每个进程都有自己独立的内存缓存，一份数据可能会被重复缓存多次，而且无法跨进程失效。Redis 作为独立的内存数据库，天然支持多进程共享，还能持久化到磁盘，于是成了 Django 项目里最有价值的缓存后端之一。

这篇文章会带你走一遍用 Redis 替换默认本地缓存的完整流程，同时聊一聊缓存粒度、失效策略和调优经验。

为什么生产环境更推荐 Redis 缓存

本地内存缓存（LocMemCache）是 Django 默认的缓存后端，优点是零配置、速度极快，但它的数据只存在于当前进程中。如果项目通过 Gunicorn、uWSGI 启动了多个 worker，每个 worker 都会维护一份独立缓存，缓存命中率会随着进程数增加而降低。更麻烦的是，当某个缓存项需要更新时，你很难通知所有进程同时失效，容易出现不同 worker 返回不同数据的情况。

Redis 则完全不同。它是一个独立的键值存储服务，所有 worker 进程、甚至多台服务器上的 Django 实例都连接到同一个 Redis 节点，共享同一份缓存数据。这样一来，缓存命中率不再受进程数影响，失效操作也能立即对所有实例生效。此外，Redis 支持数据持久化（RDB 和 AOF），即使重启服务，缓存数据仍然可能恢复，这对一些不经常变化但读取量极大的配置数据尤为有用。

另一个容易被忽略的优势是 Redis 提供丰富的数据结构。虽然 Django 的缓存抽象只使用字符串操作，但你可以同时利用同一个 Redis 实例做计数器、排行榜、分布式锁等功能，避免为不同场景维护多套存储组件。从运维角度看，这也降低了基础设施的复杂度。

在 Django 中配置 Redis 缓存的完整步骤

要在 Django 中使用 Redis，推荐安装 django-redis 这个第三方包。它封装了 redis-py 的连接管理和序列化逻辑，并且完全兼容 Django 的缓存 API。安装命令如下：

pip install django-redis

安装完成后，在 settings.py 中修改 CACHES 配置：

CACHES = {
    'default': {
        'BACKEND': 'django_redis.cache.RedisCache',
        'LOCATION': 'redis://127.0.0.1:6379/1',
        'OPTIONS': {
            'CLIENT_CLASS': 'django_redis.client.DefaultClient',
            'PASSWORD': 'your_redis_password',
            'CONNECTION_POOL_KWARGS': {
                'max_connections': 100,
            },
            'SERIALIZER': 'django_redis.serializers.json.JSONSerializer',
        },
        'KEY_PREFIX': 'myproject',
        'TIMEOUT': 300,
    }
}

上面配置中，BACKEND 指定使用 django-redis 提供的缓存后端，LOCATION 中的 redis://127.0.0.1:6379/1 表示连接本机 Redis 的 1 号数据库。django-redis 默认使用 pickle 序列化缓存值，但为了可读性和安全性，建议改成 JSON 序列化器。不过要注意，JSON 不能序列化所有 Python 对象，如果缓存内容是 QuerySet 或自定义类，则需要额外处理。

OPTIONS 里的 CLIENT_CLASS 保持 DefaultClient 即可，它内部维护了连接池，CONNECTION_POOL_KWARGS 可以调整最大连接数。KEY_PREFIX 用于给所有缓存键加上统一前缀，防止多个项目共用同一个 Redis 实例时发生键冲突。TIMEOUT 则设置默认过期时间，单位为秒。

配置完成后，可以写一个简单的测试代码验证：

from django.core.cache import cache
cache.set('test_key', 'hello redis', timeout=60)
value = cache.get('test_key')
print(value)  # 输出 hello redis

如果控制台打印出 hello redis，说明 Redis 缓存已经成功接入。

缓存粒度与失效策略该怎么设计

接入 Redis 后，下一个问题就是缓存什么、缓存多久、何时失效。Django 提供了多层级的缓存 API，从整页缓存到视图缓存、模板片段缓存，再到最底层的 cache.set 和 cache.get。对于大多数动态接口，建议采用底层 API 手动控制缓存，因为整页缓存容易把用户相关数据也缓存进去，引发安全问题。

缓存键的设计很关键。除了统一前缀，最好在键中加入业务标识和版本号，例如 user_profile_123_v2。这样当模型字段或序列化逻辑发生变化时，只需递增版本号即可批量让旧缓存失效，而不必去逐条删除。Django 的 cache.set 支持 version 参数，也可以直接写在键名里。

失效策略方面，最简单的是设置合理的超时时间，让数据自动过期。对于频繁更新的数据，可以在更新操作后主动删除相关缓存，或者采用双写模式同步更新缓存。但要注意缓存穿透问题：如果大量请求查询一个不存在的键，每次都落到数据库，压力会很大。解决办法是缓存空值并设置较短过期时间，或者使用布隆过滤器提前拦截。

缓存雪崩和缓存击穿也需要防范。雪崩指大量缓存同一时间过期，导致请求集中打到数据库。可以在设置过期时间时加上一个随机值，比如 base_timeout + random.randint(0, 60)。击穿指某个热点键突然过期，可以在缓存缺失时加互斥锁，只允许一个请求去加载数据并回填缓存。

下面是一个带互斥锁的缓存获取函数示例：

import time
from django.core.cache import cache
def get_data_with_lock(key):
    value = cache.get(key)
    if value is not None:
        return value
    lock_key = key + '_lock'
    if cache.add(lock_key, 'locked', timeout=10):
        try:
            value = expensive_query()
            cache.set(key, value, timeout=300)
        finally:
            cache.delete(lock_key)
    else:
        time.sleep(0.1)
        value = cache.get(key)
    return value

这个示例利用 cache.add 的原子性来实现简单的分布式锁，避免多个请求同时回源数据库。实际项目中可以结合 Redis 的 SETNX 命令实现更健壮的锁。

调优 Redis 缓存后端的常见经验

缓存上线后，监控命中率是最直接的优化依据。可以通过 Redis 的 INFO 命令查看 keyspace_hits 和 keyspace_misses，计算命中率。如果命中率低于 80%，要么是缓存时间太短，要么是键设计不合理，需要结合业务调整。

序列化方式对性能也有影响。JSON 序列化可读性好但速度稍慢，pickle 序列化快但跨语言兼容性差。如果缓存数据主要给 Python 使用，pickle 是更高效的选择；如果需要其他语言读取，则用 JSON 或 MessagePack。django-redis 还支持自定义序列化器，可以针对大对象做压缩。

连接池配置同样重要。max_connections 不宜设置得过大，否则会占用 Redis 大量文件描述符；也不宜过小，否则并发请求会等待连接。一般根据应用并发量设置为 50 到 200 之间，并用压测验证。此外，设置 socket_timeout 和 socket_connect_timeout 防止某个操作长时间阻塞。

最后提醒一点：Redis 的内存是有限的。如果缓存项无限制增长，可能触发 maxmemory 淘汰策略，导致重要数据被清除。在 Django 中可以为不同业务配置不同的 TIMEOUT，并定期扫描大键。对于特别大的对象（如图片、长文本），不要直接放入缓存，只缓存文件路径或生成结果。