// LATEST

写了 Redis 配置与图片哈希,为什么还不算实现缓存

配置类声明了缓存开关、Redis 地址和 TTL,核心服务提供图片 MD5 函数,Compose 还有注释掉的 Redis 示例。但沿主调用链查不到缓存读写,不能把这些准备工作描述成已经上线的结果缓存。

判断功能要追踪调用

实际链路仍是每次解码、提取特征并计算分数。calculate_image_hash 在现有核心调用中没有被使用;ENABLE_CACHE 也没有在请求路径上控制命中和写回。声明、辅助函数与示例容器只是扩展点。

如果只看配置表就写“Redis 缓存提高吞吐”,会把潜在能力当成项目事实。源码研读应区分可用实现与未来设计。

真正的缓存键应包含什么

只把图片字节哈希当键还不够。特征缓存需要包含模型版本、权重标识、预处理与人脸选择策略;最终判定缓存还要考虑阈值和响应协议。否则升级模型或调整规则后,旧值可能继续被当成新结果。

特征键:输入摘要 + 模型/权重 + 预处理版本 + 选脸策略
结果键:两个特征标识 + 评分变换 + 判定规则版本

这些是设计建议,不是仓库实际键格式。对称的人脸对比可以考虑排序两张图的标识,但若响应要保留 image1/image2 的检测状态,就必须避免排序后把方向性字段也混用。

隐私与失效同样重要

图片哈希不是匿名化凭证,embedding 也不应被当成普通无敏感缓存。需要确定授权、访问隔离、保留期、删除机制和日志策略。TTL 只能解决时间到期,不能替代用户删除和版本失效。

还需评估缓存击穿、并发重复计算、错误结果是否可缓存以及 Redis 不可用时的行为。不能因缓存故障让正常推理完全不可用,也不能静默返回错误的旧结果。

本文未部署 Redis、未测命中率,只完成实际调用核对与缓存键推导。性能优化的第一步,是诚实确认当前到底有没有那项优化。


源码与阅读导航

本文属于「人脸识别服务源码笔记」第 17 篇。依据固定提交 b85ee88017bc 研读,后续版本可能不同。

全部专题与阅读顺序 · 上一篇:连续请求算出的 QPS,不是服务的最大吞吐量 · 下一篇:从演示到公开服务:人脸 API 的最小上线清单

还没有评论

欢迎留下你的观点,保持交流的清晰和友好。

写下评论