现象：缓存击穿是指缓存中没有但数据库中有的数据（一般是缓存时间到期），这时由于并发用户特别多，同时读缓存没读到数据，又同时去数据库去取数据，引起数据库压力瞬间增大，造成过大压力。
解决方案：
1.设置热点数据永远不过期
2.接口限流与熔断，降级
3.加互斥锁
4.布隆过滤器
十、缓存雪崩现象：大量key同一时间点失效，同时又有大量请求打进来，导致流量直接打在DB上，造成DB不可用。
解决方案：
1.设置key永不失效（热点数据）；
2.设置key缓存失效时候尽可能错开；
3.使用多级缓存机制，比如同时使用redsi和memcache缓存，请求->redis->memcache->db；
4.购买第三方可靠性高的Redis云服务器；
十一、Redis热点key处理 1 热点key发现监控热key（抓包程序抓redis监听端口的数据，抓到数据后往kafka里丢。接下来，flink流式计算系统消费kafka里的数据，进行数据统计即可）
通知系统做处理
2 解决方案
本地缓存（利用ehcache或HashMap将发现的热key加载到jvm,热key直接走jvm查询）
集群（把这个热key，在多个redis上都存一份）
阿里云Redis已经在内核层面解决热点key问题
3. 热key的危害
流量集中，达到物理网卡上限。
请求过多，缓存分片服务被打垮。
DB 击穿，引起业务雪崩。
十二、拒绝大KEY集群环境，大key会导致数据迁移卡顿
如果被删除时，内存一次性回收，也会卡顿
扩容时，会一次性申请更大的内存，也会卡顿
注意：如果Redis内存起伏较大，很有可能是大key导致，这时需要定位大key并优化
定位大key可以使用scan、或者redis-cli指令完成
十三、Redis是单线程的，但Redis为什么这么快1、基于内存
2、数据结构和操作简单
3、多路I/O复用模型（非阻塞IO）
4、单线程避免了不必要的上下文切换和竞争条件
十四、漏斗限流分布式限流：redis-cell
单机：Google的guava包提供了RateLimiter类
限流的常见算法有以下三种：
1.时间窗口算法
2.漏桶算法
3.令牌算法
Redis通过GeoHash算法实现附近的人查询功能；
内部数据结构是zset,通过score还原就可以得到原始坐标；
集群环境中单个key对应的数据不宜超过1M,如果超过需要按相应业务规则拆分降低key的数据大小。
十六、scan通过游标分步进行，相比于keys，不会阻塞线程
提供limit参数可以控制返回结果条数