美团面试里问“为什么要用分布式缓存本地缓存呢多级缓存一致性如何保证”时很多人能背出缓存穿透、雪崩、击穿却把三者的定位混在一张图里。我用 Codex 做面试陪练时第一步不是让它写业务代码而是先把请求走 TaoToken打开 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_content 注册并创建 Key再把 Codex 的 Base URL 填 https://taotoken.net/api。这样 Codex 只负责整理分布式缓存、本地缓存、多级缓存一致性的解释不会去实现缓存一致性也不会碰你的生产库。接下来按面试追问的顺序把三问拆开再对照它的返回结果补自己的回答。1. 美团三连问卡在哪分布式缓存、本地缓存、多级缓存不是三张皮1.1 先看数据放在哪共享层、进程层、持久层面试官问“为什么要用分布式缓存”并不是想听你把 Redis 的 QPS 背一遍。他在确认你知不知道分布式缓存解决的是一类很具体的问题多个应用实例需要看到同一份热点数据而单机内存扛不住容量和带宽。比如商品详情、用户会话、秒杀库存、排行榜这些数据如果每个实例各存一份很容易出现 A 实例看到库存 10、B 实例看到库存 8 的情况。分布式缓存把这份共享状态提到应用进程之外所有实例访问同一个逻辑缓存层扩容时也不会因为新增实例就多出一份不一致的数据。本地缓存则是另一层东西。它活在 JVM 进程内或者 Go 进程的堆里访问路径最短没有网络往返也没有序列化开销。Caffeine、Guava Cache、Ehcache 都属于这一类。它适合极热、变更少、能容忍短时间不一致的数据比如字典表、配置项、城市列表、权限位。面试官接着问“本地缓存呢”重点不是让你说“本地缓存快”而是看你有没有意识到它的代价每个实例一份更新时很难同步堆内存有限GC 压力大重启后冷启动。你如果只回答“本地缓存快、分布式缓存大”基本会被追问到崩。多级缓存就是把这两层和数据库串起来请求先查本地缓存未命中查分布式缓存再未命中查数据库然后逐层回填。读路径听起来简单真正难的是写路径。数据库更新后本地缓存和分布式缓存怎么失效先删哪个删失败怎么办多个实例的本地缓存怎么同时知道数据变了这些问题答不清楚分布式缓存、本地缓存、多级缓存就会变成三张互不相关的皮。1.2 面试官为什么追着一致性问缓存一致性不是一个“是或否”的问题而是“在什么时间窗口内允许读到什么程度的数据”。面试官追着问通常想看你有没有分层思维强一致更新后任何读都必须看到新值多级缓存下成本极高通常只在极少数库存扣减、支付状态场景用锁或版本号强控。最终一致允许毫秒到秒级的旧值靠失效通知、TTL 兜底、binlog 订阅收敛。读多写少适合 Cache Aside更新数据库后删除缓存而不是更新缓存。写多读少缓存收益低可能直接落库或用短 TTL。如果面试官问“多级缓存一致性如何保证”你可以先给结论多级缓存通常不追求强一致而是用“数据库为准 失效广播 短 TTL 兜底”做到最终一致。然后再展开本地缓存和分布式缓存各自的失效方式。这个层次一出来对方就知道你不是只背了概念。2. 把 Codex 接到 TaoToken~/.codex/config.toml 里的 base_url 怎么填2.1 在官网创建 Key 并确认模型 ID让 Codex 帮你整理面试回答之前先解决模型调用通道。打开 TaoToken 注册账号在控制台创建 API Key。Key 不要写进代码仓库也不要贴到聊天记录里后面用环境变量注入。模型 ID 不要凭记忆写去 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_content 的模型广场看当时列表选一个适合长文本解释和代码片段的模型。模型广场里显示什么 ID就填什么 ID不要自己加日期后缀也不要编造不存在的模型名。这一步的产物只有两样一把YOUR_API_KEY一个YOUR_MODEL_ID。TaoToken 在这里的角色是统一 API 入口只给 Codex 供 Key 和 Base URL它不参与你的缓存架构也不会替你保证缓存一致性。缓存一致性仍然由你的应用代码、失效策略和存储层负责。2.2 config.toml 可复制配置Codex 读取的是~/.codex/config.toml。Windows 下通常是C:\Users\你的用户名\.codex\config.toml。把 provider 指到 TaoToken 的兼容通道Base URL 写https://taotoken.net/api末尾不要加/v1。可复制配置如下model YOUR_MODEL_ID model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat这里有几个容易填错的位置。base_url不是官网落地页不要写成带utm_source的地址https://taotoken.net/api是给工具调用的接口根地址。env_key写的是环境变量名不是 Key 本身。model必须和模型广场里的 ID 对得上否则 Codex 可能返回模型不存在。2.3 环境变量与重启 CodexmacOS 或 Linux 终端里设置export TAOTOKEN_API_KEYYOUR_API_KEYWindows PowerShell 里设置$env:TAOTOKEN_API_KEYYOUR_API_KEY设置完不要立刻在旧窗口里启动先关掉终端重开或者新开一个标签页让环境变量生效。然后在项目目录执行codex如果 Codex 启动后仍然报鉴权失败先检查当前 shell 里TAOTOKEN_API_KEY是否真的有值。可以用echo $TAOTOKEN_API_KEYmacOS/Linux或$env:TAOTOKEN_API_KEYPowerShell确认。注意不要把这个值输出到公开日志里。3. 让 Codex 分别解释三问整理请求怎么写3.1 第一问为什么要用分布式缓存配置通后先发一条整理请求。提示词要明确只做解释和整理不连接数据库不执行命令。可以这样写请只做文字整理不要连接任何数据库、Redis 或生产环境也不要执行命令。 请分别解释 1. 为什么要用分布式缓存 2. 本地缓存怎么选 3. 多级缓存一致性如何保证 输出对比表、典型失效与更新顺序、面试追问点。Codex 返回第一问时通常会提到容量、共享、扩展性、热点数据集中管理。你要对照自己的面试回答检查三点有没有说清“多个实例共享同一份逻辑数据”有没有提到网络开销和序列化成本有没有把缓存击穿、穿透、雪崩和分布式缓存本身区分开。分布式缓存不是因为“快”才存在而是因为多个进程需要共享状态同时数据库扛不住热点读。3.2 第二问本地缓存怎么选第二问的返回结果里你应该重点看它有没有把本地缓存选型拆成指标。选 Caffeine 还是 Guava不是看哪个名字熟而是看维度要问自己的问题命中率热点是否足够集中命中率能不能覆盖内存成本容量单实例堆内存能分多少给缓存会不会影响 GC过期策略能否接受 TTL 兜底还是需要主动失效更新频率数据一天变几次还是每秒都在变一致性容忍多实例之间允许旧值存在多久回源成本未命中时打数据库的代价有多高如果数据变更频繁、多实例要求秒级一致本地缓存就不是首选如果数据极少变、读极多本地缓存能挡掉大量分布式缓存访问。面试回答里最好补一句本地缓存要设置容量上限和过期时间不能当成无限 Map 用。3.3 第三问多级缓存一致性如何保证第三问最容易被 Codex 整理成“先删缓存再更新数据库”一句话你要继续追问它展开。多级缓存一致性通常按写路径拆更新数据库。删除分布式缓存。通过消息队列、Redis Pub/Sub 或配置中心广播失效事件。各应用实例收到事件后删除本地缓存。本地缓存保留短 TTL作为广播丢失时的兜底。这里的关键不是“删得干净”而是“接受短暂不一致并让不一致窗口可控”。你可以让 Codex 输出一个时序图文字版再自己对照面试回答。注意Codex 只生成解释和伪代码真正的缓存清理命令、Redis 操作、数据库更新必须由你在本地或测试环境执行不要把生产库连接信息丢给模型。4. 用返回结果对照面试回答失效与更新顺序继续追问4.1 先更新 DB 还是先删缓存Codex 整理完三问后继续追问“先更新数据库再删缓存和先删缓存再更新数据库分别有什么并发问题”这是面试官很爱追的第二层。常见结论是 Cache Aside 采用先更新数据库、再删除缓存因为更新缓存容易产生无效写和并发覆盖。但先更新数据库再删缓存也有窗口读请求在数据库更新前读到旧值然后写请求更新数据库并删除缓存读请求再把旧值写回缓存。这个窗口需要靠延迟双删、版本号或短 TTL 收敛。如果先删缓存再更新数据库窗口可能更大删缓存后、数据库更新前另一个读请求把旧值加载回缓存之后数据库才更新缓存里留下旧值。所以很多团队会选择先更新数据库再删缓存再用延迟双删兜底。面试时不要只给顺序要给原因和窗口。4.2 延迟双删、binlog 订阅、消息队列的边界延迟双删的伪代码可以这样理解public void updateProduct(Product product) { cache.delete(product: product.getId()); db.update(product); mq.publish(cache:invalidate, product: product.getId()); scheduler.schedule(() - { cache.delete(product: product.getId()); }, 500, TimeUnit.MILLISECONDS); }这段代码只表示思路不要直接复制到生产。延迟时间要根据主从同步延迟、业务读耗时决定不是固定 500 毫秒。binlog 订阅适合把数据库变更可靠地转成失效事件消息队列适合跨服务广播Redis Pub/Sub 更轻但可能丢消息。它们解决的是“通知”问题不解决“强一致”问题。面试回答里要说明最终一致依赖重试、幂等和 TTL 兜底。4.3 本地缓存广播失效与 TTL 兜底多级缓存里最难的是本地缓存。分布式缓存删一次所有实例下次读会回源本地缓存每个实例一份必须广播。常见做法是应用订阅失效频道收到消息后调用本地缓存的invalidate。如果广播丢失TTL 就是最后一道防线。TTL 不能太长否则旧值窗口大也不能太短否则本地缓存命中率下降压力全打到分布式缓存和数据库。你可以让 Codex 帮你列出“本地缓存失效失败”的排查清单实例是否订阅成功、消息是否重复、Key 格式是否一致、序列化是否报错、TTL 是否被误设成永不过期。然后你把这些点补进自己的面试回答比单纯背“延迟双删”更扎实。5. 跑通之后验证用量这次 Codex 请求有没有记上5.1 调用成功的判断当 Codex 返回了分布式缓存、本地缓存、多级缓存一致性的整理内容说明 Key 和 Base URL 基本配通。这时不要只看它答得对不对还要确认调用是否成功计费。回到 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_content 看控制台用量确认刚才那次整理请求有没有记上。如果页面里没有新增调用先检查 Codex 是否真的走了taotokenprovider而不是还在用默认 provider。你也可以在 模型对话 里用同一把 Key 发一条短消息确认模型 ID 和通道都正常。模型对话返回正常但 Codex 没记录通常是 Codex 配置文件没被读取或者环境变量只在另一个终端里生效。5.2 本篇容易遇到的配置报错第一种是 401。先确认TAOTOKEN_API_KEY是否在启动 Codex 的同一个 shell 里再确认 Key 没有多余空格。第二种是模型不存在。model必须从模型广场复制不要写YOUR_MODEL_ID就启动。第三种是地址多了/v1。base_url只写https://taotoken.net/api不要写https://taotoken.net/api/v1。如果改了配置重启 Codex 让config.toml重新加载。还有一个容易忽略的点不要把官网落地页填进base_url。官网地址用于注册、创建 Key、看模型广场和看用量接口地址才是https://taotoken.net/api。两者混用轻则 404重则你以为调用成功实际请求没有落到正确通道。6. 下一步把 Codex 当面试陪练别当缓存执行器6.1 面试回答模板怎么收口整理请求跑通后你可以让 Codex 把三问压成一段 90 秒回答先给结论再分层展开。结论是“分布式缓存解决多实例共享和容量问题本地缓存解决进程内极热数据多级缓存一致性通常走最终一致靠数据库为准、失效广播和 TTL 兜底”。中间展开读路径和写路径最后补一句“不允许强一致场景不会硬套多级缓存”。这段回答比背八股更稳。继续追问“失效与更新顺序”时让 Codex 分别列出先更新 DB 再删缓存、先删缓存再更新 DB、延迟双删、binlog 订阅的适用边界。你把它返回的表格对照自己的项目如果项目读多写少Cache Aside 够用如果跨服务消息队列更合适如果本地缓存多实例广播失效不能少。6.2 配完 Codex 后要做的三件事配完 Codex 后先回 模型对话 用同一把 Key 发一条缓存三连问确认模型返回正常再打开 控制台 API Keys 看这次调用有没有记上如果后面要长期用 Codex 做面试陪练可以看 Coding Plan 是否够用。若之后还要接 Claude Code再对照 Claude Code 接入文档但缓存一致性本身仍然由你的应用代码负责Codex 只帮你生成解释、伪代码和追问清单真正的 Redis 删除、数据库更新、本地缓存失效验证都要在你自己的本地或测试环境里执行。