Redis
热数据：经常访问的数据
AOF:存命令 RDB：存数据
使用场景：
连续签到：字符串，k-v，expire at 23.59.59
计数：例如论讨用户关注数、被关注数、文章被点赞数等，用hash存储
排行榜：zset
分布式锁
解决大key问题：
1.拆分
2.压缩
3.数据结构
（）没懂
解决热key
1、在服务端设置localcache。localcache未命中或过期，再从redis更新数据至localcache
golang的Bigcache、gocache等就是这个功能
2.拆分
将key-value复制为key1-value,key2-value等，即key不同，value相同。
代价是：更新时需要更新多个key，存在数据短暂不一致风险
容易导致慢查询的操作：
(1)批量操作一次性传入过多的key/value，如mset/hmset/sadd/zadd等O(n)操作建议单批次不要超过100，超过100之后性能下降明显，
(2)zset大部分命令都是O(log(n))，当大小超过5k以上时，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。也即，避免使用大Key
(4)对大key的delete/expire操作也可能导致慢査询，Redis4.0之前不支持异步删除unlink，大key删除会阻塞Redis
缓存穿透：
热数据查询绕过缓存，直接查询数据库
危害：1、缓存的热点数据都是确实存在的数据。如果绕过缓存直接查询数据库则一定是查询的不存在的数据。如果有bug或网络攻击，容易引起数据库宕机
2、高并发场景下，热key过期会导致大量请求发送至db，影响db性能
避免方案：
缓存空值：如一个在缓存和数据都不存在的id，查询后可以在缓存中存一个空值，下次直接返回空值
布隆过滤器：用极小的空间可以存储大量的key
缓存雪崩：
大量缓存同时过期
危害：同一时间，大量key过期也会导致请求落到db上，影响db性能
避免方案：
1、采取不同过期方案：
将缓存失效时间分散开，比如在原有的失效时间基础上增加一个随机值，例如不同Key过期时间，可以设置为 10分1秒过期，10分23秒过期，10分8秒过期。单位秒部分就是随机时间，这样过期时间就分散了。
对于热点数据，过期时间尽量设置得长一些，冷门的数据可以相对设置过期时间短一些。
2、使用缓存集群
