一、大Key
1.大Key的定义
value字节数大于10kb的string类型或元素数量超过5000/value大于10mb的Hash/Set/Zset/list等复杂数据结构类型 。
2.大Key的危害
读取成本高、容易导致慢查询（过期、删除）、主从复制异常，服务堵塞，无法正常响应请求
3.解决方法
1.拆分
2.压缩
通常情况下一个压缩算法压缩率高，则解压耗时长。如果储存的是JSON字符串，可以考虑使用MessagePack进行序列化
3.集合类结构hash、list、set
（1）拆分：可以用hash取余、位掩码的方式决定放在哪个key中。
（2）区分冷热：如榜单列表场景使用zset，只缓存前10页数据，后续数据走db
二、热Key
1.热Key的定义
用户访问一个Key的QPS特别高，导致服务实例出现CPU负载突增货不均。热Key没有明确标准，QPS超过500就可能被识别为热Key
2.解决方法
1.设置Localcache
在访问Redis前，在业务服务侧设置Local擦车，降低访问Redis的QPS.Lacalcache中缓存过期或未命中，则从Redis中将数据更新到Localcache。
2.拆分
将一个热key复制写入多份，访问时访问多个key，但是同一个value，以此分散qps，降低负载。但更新时会更新多个key，存在数据短暂不一致的风险。
三、导致redis慢查询的操作
1.批量操作一次性传入过多的key/value，如mset/hmset/asdd/zadd等O(n)操作。建议单批次不要超过100，超过后性能明显下降。
2.zset大部分命令都是O(log(n))，当大小超过5k以上，简单的zadd/zrem也可能导致慢查询。
3.操作的单个value过大，超过10kb，即使用大Key。
4.对大Key的delete/expire操作也可能导致慢查询。
四、缓存穿透、数据雪崩
1.定义
缓存穿透：热点数据查询绕过缓存，直接查询数据库。
缓存雪崩：大量缓存同时过期。
2.危害
缓存穿透的危害： 查询一个不存在的数据，通常不会缓存不存在的数据，这类查询请求都会直接打到db，如果有系统bug或人为攻击，容易导致db响应慢甚至宕机。
数据雪崩的危害：缓存过期时，在高并发场景下，一个热key如果过期，会有大量请求同时击穿至db，容易影响db性能和稳定；同时有大量key集中过期时，也会导致大量请求落到db上，导致查询变慢，甚至出现db无法响应新的查询。
3.解决方法
如何减少缓存穿透
1）缓存空值
如一个不存在的userID。这个id在缓存和数据库中不存在，则可以缓存一个空值，下次再查缓存直接反空值
2）布隆过滤器
通过bloom filter算法来存储合法key，得益于该算法超高的压缩率，只需要占用极小的空间就能存储大量key
如何避免缓存雪崩
1）缓存空值
将缓存失效时间分散开，对于热点数据，过期时间尽量设置长一些，冷门数据可以相对设置过期时间短一些
