高并发的情况会给系统带来很高的访问流量，这就给存储这些热点信息的Redis数据造成了一些压力。
热key问题及解决方案
产生原因
用户消费的数据远大于生产的数据 （热卖商品、热点新闻、热点评论、明星直播）等。
在日常工作生活中一些突发的的事件，例如某明星突然宣布恋情，导致某新闻点击量瞬间变大，请求远超过对数据的写入。就会造成热数据问题。
我们 一般采用缓存 + 过期时间的策略来帮助我们加速接口的访问速度，减少了后端负载，同时保证功能的更新，一般情况下这种模式已经基本满足要求了。
但是有两个问题如果同时出现，可能就会对系统造成致命的危害：
访问的数据是一个热点key
构建缓存需要时间
以上两个问题如果同时出现，就可能会造成缓存失效问题，有大量线程来构建缓存，造成后端负载过大，严重还会导致系统崩溃。
上图简单描述了访问热点key及构建缓存的一个过程。
解决方案
解决热点key问题，可以有以下几种方案，
1、互斥锁
在上图查询数据库的过程，只让一个线程独占，这个线程构建缓存的过程，其他线程都要等待，直到第一个线程构建完成可以从中读取数据。
2、提前使用互斥锁
提前使用互斥锁，和互斥锁差不多，都是让一个线程独占构建缓存，不一样的是，在构建缓存的时候。
在value内部设置一个超时值timeout1，这个过期时间比实际的缓存过期时间短。
当从缓存中读到timeout1已经过期的时候，就认为数据也快过期了，直接执行查询数据库，进行构建缓存的过程。
这样在所有快过期的数据前，就重新构建了缓存。
3、永远不过期
永远不过期有两点
a、从redis上看，确实没有设置过期时间，这就保证了，不会出现热点key过期问题，也就是“物理”不过期。
b、从功能上看，如果不过期，那不就成静态的了吗？所以我们把过期时间存在key对应的value里，如果发现要过期了，通过一个后台的异步线程进行缓存的构建，也就是“逻辑”过期
可能会出现的问题，就是会出现老数据，怎么说？
有1、2、3、4个线程，在第2个线程时，发现value中数据已经过期，通过异步更新重新构建缓存，前面有说过，线程构建缓存会需要一定时间，如果在第4个线程执行时才完成构建，那么第2、3个线程输出的就是老数据。不过对于一般的业务需求是可以接受的。
穿透和雪崩
缓存穿透
什么是缓存穿透？
在客户端和数据库中间增加一个缓存层，如果这个缓存层中保存的都是数据库命中数据，如果服务层并没有返回数据保存到缓存中，而客户端一直在访问这个数据，则每次都要直接访问数据库，在流量小时没有问题，如果流量非常大或有恶意攻击，就会利用这个漏洞，使服务端的压力增大，严重会导致系统崩溃。
解决方案
1、把查询结果为空的结果也放到缓存中，设置很短的缓存过期时间，不超过5分钟；
2、增加一个bloomfilter，任务某个key不存在，则不访问数据库；
缓存雪崩
什么是缓存雪崩？
雪崩是设置缓存失效的时间相同，造成大量的数据在短时间内同时失效，这样访问数据库的压力也会陡增。压力这么大，就像是发生了雪崩一样。
解决方案
1、采用加锁或消息队列，采用单线程的方式，防止失效时大量线程请求数据库。
2、在同样的缓存失效时间上，增加一个随机值，这样每个缓存的过期时间的重复率就会降低很多。
3、保证缓存的高可用。例如Redis Sentinel 和 Redis Cluster
淘汰机制
保存在内存中的缓存数据如果过期或失效，为了更合理利用内存空间，提高内存使用效率。
什么是淘汰机制
在内存中保存的Key被清除掉，
（1）定时去清理过期的缓存；
（2）当有用户请求过来时，再判断这个请求所用到的缓存是否过期，过期的话就去底层系统得到新数据并更新缓存。
可以通过redis.conf设置# maxmemory 这个值来开启内存淘汰功能
redis数据淘汰策略
volatile-lru 从已设置过期时间的数据集中挑选最近最少使用的数据淘汰
volatile-ttl 从已设置过期时间的数据集中挑选将要过期的数据淘汰
volatile-random 从已设置过期时间的数据集中任意选择数据淘汰
allkeys-lru 从所有数据集中挑选最近最少使用的数据淘汰
allkeys-random 从所有数据集中任意选择数据进行淘汰
noeviction 禁止驱逐数据