前言
相信大家在项目中都是用过redis，比如用来做一个分布式缓存来提高程序的性能。
当使用到了redis来做缓存，那么我们就必须要考虑几个问题，除了缓存击穿，缓存穿透，缓存雪崩，那么我们还需要考虑哪些问题呢？
高并发写
对于高并发情况下，比如直播下单，直播下单跟秒杀不一样，秒杀是有限定的库存，但是直播下单是可以一直下的，而且是下单越多越好的。比如说我们的库存有10万个，如果这个商品特别火，那么可能一瞬间流量就全都打过来了。虽然我们的库存是提前放到redis中，并不会去访问MySql，那么这时候所有的请求都会打到redis中。
表面看起来确实没问题，但是你有没有想过，即使你做了集群，但是访问的还是只有一个key，那么最终还是会落到同一台redis服务器上。这时候key所在的那台redid就会承载所有的请求，而集群其它机器根本就不会访问到，这时候你确定你的redis能扛住吗？？？如果这时候读的请求很多，你觉得你的redis能扛住吗？
所以对于这种情况我们可以采用数据分片的解决方案，比如你有10万个库存，那么这时候可以搞10台redis服务器，每台redis服务器上放1万个库存，这时候我们可以通过用户的ID进行取模，然后将用户流量分摊到10台redis服务器上
所以对于热点数据来说，我们要做的就是将流量进行分摊，让多台redis分摊承载一部分流量，尤其是对于这种高并发写来讲
高并发读
使用redis做缓存可以说是我们项目中使用到的最多的了，可能由于平时访问量不高，所以我们的redis服务完全可以承载这么多用户的请求但是我们可以想一下，一次reids的读请求就是一次的网络IO，如果是1万次，10万次呢？那就是10万次的网络IO，这个问题我们在工作中是不得不考虑的。因为这个开销其实是很大的，如果访问量太大，redis很有可能就会出现一些问题
我们可以使用本地缓存+redis分布式缓存来解决这个问题，对于一些热点读数据，更新不大的数据，我们可以将数据保存在本地缓存中，比如Guava等工具类，当然本地缓存的过期时间要设置的短一点，比如5秒左右，这时候可以让大部分的请求都落在本地缓存，不用去访问redis。
如果这时候本地缓存没有，那么再去访问redis，然后将redis中的数据再放入本地缓存中即可。
加入了多级缓存，那么就会有相应的问题，比如多级缓存如何保证数据一致性。
总结
没有完美的方案，只有最适合自己的方案，当你决定采用了某种技术方案的时候，那么势必会带来一些其它你需要考虑的问题，redis也一样，虽然我们使用它来做缓存可以提高我们程序的性能，但是在使用redis做缓存的时候，有些情况我们也是需要考虑到的，对于用户访问量不高来说，我们直接使用redis完全是够用的，但是我们可以假设一下，如果在高并发场景下，我们的方案是否能够支持我们的业务