Redis 作为内存数据库，通过将热点数据加载到内存实现毫秒级响应，典型应用场景包括：会话存储、计数器、限流、分布式锁、缓存穿透防护。其高性能源于：基于内存操作、单线程模型（避免上下文切换）、IO 多路复用。
1. 数据结构选型：
1. 字符串（String）：存储简单键值对（如用户 token）
2. 哈希（Hash）：存储对象数据（如用户信息，支持部分字段更新）
3. 有序集合（Sorted Set）：实现排行榜、延迟队列
4. 布隆过滤器（Bloom Filter）：解决缓存穿透问题
1. 缓存策略优化：
1. 过期策略：采用 “惰性删除 + 定期删除” 结合，设置合理 TTL（避免缓存雪崩）
2. 更新策略：写操作时选择 “Cache Aside”（先更数据库，再删缓存）或 “Write Through”（同步更新缓存）
3.分片策略：大规模数据采用哈希分片（如按用户 ID 取模分配到不同 Redis 节点）
1.缓存穿透：查询不存在的数据导致请求直达数据库→解决方案：布隆过滤器拦截无效 KEY，缓存空值（设置短期 TTL）
2.缓存击穿：热点 KEY 过期瞬间大量请求穿透→解决方案：互斥锁（Redis SETNX）、热点数据永不过期
3.缓存雪崩：大量 KEY 同时过期或 Redis 集群宕机→解决方案：KEY 过期时间加随机值、Redis 集群高可用（主从 + 哨兵）、降级熔断（Hystrix）
4. 数据一致性：数据库与缓存数据不一致→解决方案：最终一致性方案（异步更新缓存）、分布式事务（Redlock）
5. 禁用持久化（仅缓存场景），或选择 RDB 模式（性能优于 AOF）
6. 调整内存淘汰策略（如allkeys-lru优先淘汰最近最少使用数据）
7. 批量操作使用pipeline减少网络开销
8. 避免大 KEY（拆分大型哈希 / 列表，单个 KEY 体积控制在 10KB 内）
