问：缓存穿透（查询不存在的数据）

1. 布隆过滤器（Bloom Filter）：在缓存层前加一层布隆过滤器，预先存储所有合法数据的key。请求过来时，先检查布隆过滤器，如果不存在则直接返回，避免访问数据库。
2. 缓存空值：即使数据库查不到，也缓存一个空值（比如key:null），并设置较短的过期时间（如30秒），防止重复查询穿透。

问：缓存雪崩（大量缓存同时过期）

1. 随机过期时间：在基础过期时间上增加随机值（比如基础时间 + 1~5分钟随机值），避免集中失效。
2. 热点数据永不过期：对核心数据（如首页推荐商品）不设过期时间，改为逻辑过期——后台异步刷新缓存。
3. 熔断降级：当数据库压力过大时，触发熔断机制，暂时拒绝部分请求，优先保障核心服务。

问：缓存穿透（过期瞬间大量请求）

1. 互斥锁（Mutex Lock）：当缓存失效时，用分布式锁（如Redis的SETNX）保证只有一个线程去查数据库，其他线程等待后重试。
2. 逻辑过期：不设置物理过期时间，而是在缓存中存储过期时间戳。若发现数据过期，触发异步线程更新缓存，期间旧数据仍可返回。
3. 永不过期+主动更新：结合定时任务（如Quartz）在缓存失效前主动刷新数据。

问：redis缓存热点数据如何发现和优化？

热点数据发现：

1. 使用redis-cli --hotkeys命令：（需开启maxmemory-policy allkeys-lfu）： 这个命令能快速找出高频访问的键，但生产环境慎用，因为会阻塞Redis（类似KEYS *）数据量超过单机内存，需分片存储。
2. 客户端埋点统计：在业务代码里记录键的访问次数，比如用AOP切面拦截缓存操作，统计每个Key的访问频率，上报到监控系统（如Prometheus）。
3. 网络流量监控抓Redis端口流量：用工具（如tcpdump）分析请求分布，发现异常高频的Key。

优化思路：

1. 本地缓存：在应用层（如JVM内存）缓存数据，减少Redis访问。
2. 数据分片：将热点Key拆分为多个子Key，分散到不同节点或实例。场景：单个Key访问量过大（如秒杀商品）。

问：redis慢查询如何发现和优化？

慢查询发现： 启用Redis的慢查询日志功能：配置slowlog-log-slower-than 1000（记录超过1ms的命令），分析高频或耗时的操作。一般来说可能是因为操作了一个非常大的哈希表（Big Key），这时候就需要考虑优化数据结构或者拆分键了。

优化思路（Big Key）：

1. 必须保留Big Key：如果必须保留大键，可以考虑异步处理或者分页查询，避免一次性操作全部数据。
2. 数据分片：将Big Key拆分为多个子Key，比如库存数据，我们可能会根据不同的货主或者仓库去做数据拆分。

问：Redis内存占用过高如何排查和优化？

排查和优化：

1. 大键：用redis-cli --bigkeys快速扫描大键，看是不是某个键的数据量异常，比如一个哈希表存了几十万条数据。同时，用MEMORY USAGE key_name可以精确计算某个键的内存占用，定位到具体问题键。分析是否可以拆分数据，或者异步迁移到冷存储（比如MySQL），Redis只保留最近的热数据。
2. 内存碎片：检查内存占用率，可以用INFO memory里的mem_fragmentation_ratio字段判断，如果比率大于1.5，说明碎片较严重。这时候如果条件允许可以考虑重启redis。或者用CONFIG SET activedefrag yes开启自动内存碎片整理。
3. 过期key未及时清理：如果大量键设置了过期时间但未及时清理，内存可能被已过期但未回收的键占用，这时可以手动检查并删除过期键，或者调高hz配置让Redis更频繁回收内存。