redis 常用于数据库缓存，一般作为旁路缓存。常见的问题是：数据一致性，缓存雪崩，缓存击穿，缓存穿透。
缓存读写策略
缓存常见的三种读写策略是旁路缓存，读写穿透，异步缓存写入。
由应用程序中的代码操作缓存实例，缓存实例不进行任何操作，被称为旁路缓存。
应用程序将数据存入缓存实例，缓存实例同步将数据写入数据库，被称为读写穿透。
异步缓存写入是读写穿透的异步版本，缓存实例异步将数据写入数据库。
其中，旁路缓存是最常见的模式，适合读请求多的场景。
写步骤：更新数据库，删除缓存。
读步骤：从缓存读取，如果读到则返回。读不到则查询数据库，并且将数据写入缓存。
写步骤不可以先删除缓存再更新数据库，原因是会造成数据不一致问题。
场景：线程1删除缓存，线程2读取数据库旧值并且写入缓存，线程1更新数据库。此时数据库是新值，缓存是旧值。
那么先更新数据库再删除缓存可以完全避免数据不一致问题吗？
也不会，仍然可能出现如下场景：线程1读取数据库旧值，线程2更新数据库并且删除缓存，线程1更新缓存。此时数据库是新值，缓存是旧值。但是这种场景概率不高，原因是更新缓存远比更新数据库快。
旁路缓存的常见问题：
- 首次请求无缓存。解决办法：数据提前放入缓存。
- 写操作频繁导致缓存频繁删除数据，影响缓存命中率。解决办法：更新数据库同时更新缓存。如果要求强一致性，则利用锁同步更新。如果允许不一致，则为缓存添加短的过期时间，降低数据不一致影响。
数据淘汰策略
redis 提供八种淘汰策略。noeviction 表示不淘汰数据，写请求返回错误。
剩下七种策略：
volatile-random、volatile-ttl、volatile-lru 和 volatile-lfu
allkeys-lru、allkeys-random、allkeys-lfu
第一个单词表示淘汰范围，volatile 表示设置了过期时间的 key，allkeys 表示所有 key。
第二个单词表示淘汰算法。random 表示随机淘汰。lru 表示 LRU 算法。lfu 表示 LFU 算法。ttl 独属于 volatile，表示优先淘汰更早过期的数据。
LRU（Least Recently Used）表示最久未被访问的。淘汰最久未被访问的数据。只考虑访问时间，不考虑访问频次。
LFU（Least frequently used）表示最不频繁访问的。淘汰最不频繁访问的数据。
选择策略时，判断缓存是否有不可删除数据，比如置顶消息。如果有，选择 volatile，同时不设置置顶消息的过期时间。如果没有，选择 allkeys。
判断是否有明显的冷热数据，如果没有，选择 random，如果有，选择 LFU.
数据一致性
缓存与数据库数据一致性定义为：
如果缓存没有数据，则数据库数据为最新数据。
如果缓存有数据，则与数据库数据一致。
一般情况下，更新数据库的同时删除缓存可以保证一致性。此外还有：延迟双删，监听 binlog
延迟双删：步骤该改为：删除缓存，更新数据库，休眠一段时间删除缓存。
休眠时间是等待缓存主从同步更新数据。
异步重试：由异步线程第二次删除缓存。
监听 binlog：缓存管理服务，比如 canal，订阅 binlog，将删除缓存消息推送到消息队列。消费者删除缓存。
缓存雪崩
由于缓存无法处理请求，大量请求直接发往数据库，导致数据库压力激增。
原因1：大量数据同时过期。
解决办法：
- 为过期时间添加一定范围随机数。
- 服务降级。非核心数据暂停功查询，返回空值。
原因2：redis 实例宕机。
解决办法：
- 服务熔断。暂停业务。
- 请求限流。
缓存击穿
热点数据不在缓存中，大量请求直接发往数据库。
解决办法：
- 热点数据不设置过期时间。
缓存穿透
大量请求不存在的数据，缓存中不存在，数据库也不存在。一般是恶意攻击。
解决办法：
- 在缓存中设定默认值，对不存在请求返回默认值。
- 使用布隆过滤器快速判断数据是否存在。