Redis（持续更新ing。。。）
一、使用场景
结合简历上的业务回答：
1.缓存（穿透、击穿、雪崩、双写一致、持久化、数据过期策略、数据淘汰策略）
1.1 缓存穿透
定义：查询一个不存在的数据，mysql查询不到数据也不会写到缓存中，导致每次请求都要查询数据库，有可能导致数据库压力增大而宕机。
解决方案：
1.如果MySQL查询结果为空，则将空结果存到缓存中，{key:1,value:null}
2.布隆过滤器：
原理：当查询一个id为1的值时，布隆过滤器通过多个哈希函数对id值进行计算，获得hash值，将位图中hash值对应的位置改为1。下一次查询数据时，使用相同hash函数获取hash值，判断对应位置是否都为1。
1.2 缓存击穿
当一个热点数据的key到期时，恰好这个时间对这个key有大量的并发请求过来，这些并发请求可能会瞬间把DB压垮。
解决方案：
1.添加互斥锁：只有一个线程拥有互斥锁，进行缓存重建，其他线程等待。强一致、性能差
2.逻辑过期：一个线程拥有互斥锁，进行缓存重建，其他线程先返回当前结果。高可用、不保证数据绝对一致。
1.3 缓存雪崩
定义：同一时段大量的缓存key同时失效或者redis服务宕机，导致大量请求到达数据库，带来巨大压力。
解决方案：
1.给不同的key的TTL添加随机值
2.利用redis集群提高服务的可用性（哨兵模式、集群模式）
3.给缓存业务添加降级限流策略（ngxin、spring cloud gateway）
4.给业务添加多级缓存（guava、caffeine）
1.4 双写一致性（业务＋逻辑）-如何保持redis和MySQL数据的同步呢？
可以用互斥锁，为每个线程的缓存过程添加互斥锁。进一步提高效率，可以使用共享锁和排他锁，在读数据时使用共享锁，其他线程可以共享读操作，在写数据时使用排他锁。
我们的项目中，是把热点数据存入到了缓存中，虽然是热点数据，但是实时性要求没有那么高，所所以，我们当时采用的是异步的方案同步数据。
1.5 持久化（RDB、AOF）
。。。待更新