缓存与搜索：在证据出现后引入

Freshness metadata

• last_verified: 2026-08-24
• version_scope: Redis / Caffeine / Elasticsearch concepts
• source_type: official-docs
• stability: version-sensitive

Redis 不是“更快数据库”，Elasticsearch 也不是关系数据库的默认替代品。先定义 source of truth、查询/延迟目标、一致性窗口和失败回退。

Redis/Cache

data structures、cache-aside、TTL+jitter、hot/big key、penetration/breakdown/avalanche、consistency、distributed-lock boundary；本地 Caffeine 可减少网络开销，多级缓存必须解决 invalidation 与实例间陈旧。

Search

inverted index、mapping/analyzer、query/filter、aggregation、refresh、shard；关系库负责事务事实，搜索索引通常由 CDC/outbox 异步构建，接受可测的 freshness lag。

验证指标

hit ratio 与 miss cost、p95/p99、eviction、memory fragmentation、hot-key distribution、index lag、search relevance、fallback success。缓存命中率高但源数据错误仍是失败。