用途：在读取占主导、同一数据被反复读取、数据存储成为读瓶颈或重算代价高时，用缓存把热数据副本放到更靠近读取方处，以降低读延迟并卸载源存储。写多或读一次的数据、必须零过期不一致的数据，以及尚无数据证明读是瓶颈时，不应加缓存。
先厘清：读写比与命中率、可容忍的过期时间、工作集大小、写入一致性要求、淘汰触发条件。
主要能力：分层缓存（客户端/浏览器 → CDN 边缘 → 应用内 → 分布式 Redis/Memcached → 数据库缓冲池，本技能聚焦应用层与分布式层）。读策略：cache-aside（默认，简单、缓存故障时只是变慢）与 read-through（库层读取、集中策略）。写策略：write-through（写后读新鲜，写更慢）、write-back（异步刷盘，有数据丢失窗口）、write-around（只写存储，避免写数据造成缓存翻腾）。淘汰策略：LRU、LFU、TTL、FIFO。
适用场景与限制：需要为每项设置 TTL 并加抖动，防止同时过期；写时失效或采用 write-through、短 TTL，按过期预算选择；对热键加单飞/请求合并；缓存不存在键的负结果或用布隆过滤器防穿透；按热集大小估算容量并监控命中率（目标通常 90% 以上）、驱逐率、源 QPS。默认使用通用方案，仅在用户点名云厂商时再查对应提供商映射。若某提供商文件不存在，通用方案即为答案。
资料未提供具体价格、平台效果或完整代码示例。