Dapper缓存是分层轻量内存缓存，不存结果数据而缓存执行与映射逻辑：一级缓存用SQL哈希+参数类型+连接标识+结果类型键查ConcurrentDictionary复用执行逻辑；二级缓存按Type和DeserializerKey双重索引生成差异化反序列化函数；键由GetColumnHash加权列名与类型哈希生成；默认无主动过期，仅被动淘汰低效项并提供手动清理与监控接口。
Dapper的缓存机制不是单一的“结果缓存”，而是分层、轻量、内存驻留的多级缓存体系，核心目标是消除重复解析和映射开销，而非替代Redis这类分布式缓存。它不缓存查询结果数据本身（比如100条User记录），而是缓存“怎么执行”和“怎么转换”的逻辑。
查询执行计划缓存（一级缓存）
每次执行SQL时，Dapper会生成一个唯一的 Identity 键，包含：SQL语句哈希值、参数类型、连接字符串标识、结果类型。这个键用于查 ConcurrentDictionary —— 全局静态线程安全字典。
命中后直接复用已编译的执行逻辑，包括：
- 参数绑定器（
ParamReader） - 结果反序列化器（
DeserializerState） - 列结构解析状态（如字段名、类型、顺序）
避免了每次查询都重新编译命令、反射获取属性、遍历DataReader列等操作。
类型映射反序列化器缓存（二级缓存）
这部分由 TypeDeserializerCache 管理，采用双重键控设计：
- 外层按
Type（如Product）索引，用静态Hashtable byType存储 - 内层按
DeserializerKey（含列名数组、列类型、起始偏移、是否允许null等）区分不同查询上下文
例如：SELECT Id, Name FROM Products 和 SELECT Name, Price FROM Products 即使映射到同一类型，也会生成两个不同的反序列化函数，互不干扰。
缓存键是怎么算出来的？
关键方法是 GetColumnHash，它对DataReader的列信息做加权哈希：
- 遍历每一列，把
GetName(i)和GetFieldType(i)的哈希值参与运算 - 引入
startBound和length支持跳过前几列或只取部分列（适配匿名对象、多结果集） - 使用 unchecked int 运算保证哈希一致性，不抛溢出异常
这种设计让缓存键真正反映“数据结构特征”，而不是简单拼接SQL字符串。
缓存怎么清理和监控？
Dapper默认不主动过期缓存，但有被动淘汰策略：
- 每新增1000个缓存项，检查命中次数低于1的低效项并清除
- 提供手动清理接口：
SqlMapper.PurgeQueryCacheByType(typeof(T))或SqlMapper.PurgeQueryCache() - 可监控：
SqlMapper.GetCachedSQLCount()、SqlMapper.GetCachedSQL(ignoreHitCountAbove: 5)查低频查询
注意：CommandFlags.NoCache 可临时绕过整个缓存链，适合动态SQL或实时性极高的场景。
基本上就这些。它不复杂，但容易忽略——缓存生效的前提是SQL文本、参数类型、目标类型、连接字符串（或至少Provider）保持稳定。只要其中一项变了，就是新缓存键。
