一.Redis如何应用的
当数据库（如MySQL）达到瓶颈，使用连接池效果也不会很理想，这时可以在数据库连接前加入缓存层，如Redis。将热点数据放入Redis中，减小数据库的压力。
二.使用Redis时是否遇到相关缓存问题
1）缓存击穿
-
概念：对于Redis中的数据会设置有效期，因为并不是所有的数据都会一直处于高访问量的热点状态。这时，当有效期过了以后，数据就不在Redis中了，访问的连接将直接指向数据库中。如果在某个时候，某个处于极高访问量的key失效，大量的并发将涌入数据库。
-
处理：可以用二级缓存解决，再加一个Redis。但是一般来说无须处理；在真实情况下一般不用解决，因为不会有一条数据能够在极短时间内访问量能够直接压垮数据库，如果存在这样的产品或商品等，则设置永不过期即可。
2）缓存穿透
-
概念：查找一个数据库中一定不存在的数据（比如id=-1之类的非法请求），那么Redis中也肯定不会存在；这时没有在Redis中查找需要的数据，还是需要向数据库进行数据查找。
-
处理：
-
方案一：可以将id=-1、value=null的这个值缓存在Redis中，再次发起非法请求就不会访问数据库了。
-
方案二：写一个过滤器，保存数据库中所有的id，在访问穿过Redis前，就先进行过滤。为了节省内存的占用，一般使用布隆过滤器。
布隆过滤器有一定的几率发生哈希碰撞，也就是说会有一定的错误率，但是可以控制；降低错误率的手段有：增大数组、增加hash函数的个数
-
方案三：使用互斥分布式锁，这时在同一时间，只能有一个连接访问数据库，不会同时进入数据库中。
-
3）缓存雪崩
- 概念：Redis中大量的数据同时失效，大量访问直接连接到数据库，导致数据库崩掉。（缓存击穿指的是特定的数据，而缓存雪崩指的是很多不同的数据）。
- 处理：
- 方案一：给热门数据根据业务场景设置随机有效期，以免同时失效。
- 方案二：搭建Redis集群，避免问题集中爆发。
4）Redis集群中hash一致性问题
-
概念：hash一致性算法主要解决当集群有机器更改，不至于发生大量的数据移动问题。
-
hash环
hash环分布：环内共有2^32个点，每一个点都可以分布服务器。
服务器分布：hash（ip+编号） % 2^32，算出来的值就会对应环上的一个点。
数据分布：hash（key） % 2^32 = value ；数据将顺时针排列在遇到的第一台服务器节点
-
hash环中新增/移除服务器
在hash环中新增服务器，也是通过hash算法确认分布，只需要移动一小部分数据即可；移除也是同理。
-
hash一致性算法数据倾斜问题
对于hash环来说，节点越多，数据分布越平稳。所以采用虚拟节点的方式，将一个节点虚拟成多个节点，保证环上有1000~2000个节点最佳。
-
一般10个Redis服务器的集群，每个节点可以虚拟100-200个节点，保证环上有1000-2000个节点；
- 一般5个Redis集群，则每个节点虚拟200-400个节点，保证节点数是1000-2000之间，这样才能保证数据分布均衡。