- Redis（第 01 篇）核心：数据结构与底层数据结构

- [Redis（第 02 篇）核心：Redis单线程模型为啥这么快？](https://github.com/about-cloud/JavaCore/blob/master/resource/markdown/cache/SingleThreadModel.md)

- [Redis（第 03 篇）核心：持久化之RDB与AOF](https://github.com/about-cloud/JavaCore/blob/master/resource/markdown/cache/Persistence.md)

- [Redis（第 04 篇）核心：主从复制与故障转移](https://github.com/about-cloud/JavaCore/blob/master/resource/markdown/cache/Replication.md)

- Redis（第 05 篇）核心：高可用与 Sentinel 哨兵

- Redis（第 06 篇）核心：分布式缓存与 Redis Cluster

- [Redis（第 07 篇）核心：缓存击穿（缓存穿透）、缓存雪崩](https://github.com/about-cloud/JavaCore/blob/master/resource/markdown/cache/CachePenetration.md)

- [Redis（第 08 篇）核心：热点key](https://github.com/about-cloud/JavaCore/blob/master/resource/markdown/cache/HotKey.md)

- Redis（第 09 篇）核心：布隆过滤

- Redis（第 10 篇）核心：缓存数据一致性

在一定时间内，被频繁访问的key称为 **热点key** 。比如突发性新闻，微博上常见的热搜新闻，引起千千万万人短时间内浏览；在线商城大促活动，消费者比较关注的商品突然降价，引起成千上万消费者点击、购买。热点key会导致流量过于集中，缓存服务器的压力骤然上升，如果超出物理机器的承载能力，则缓存不可用，进而可能诱发缓存击穿、缓存雪崩的问题。



通过将数据的写入与读取分散去各个节点，通过数据复制到达各个节点数据一致性的目的。在写少的情形下，master节点写入数据，在读取请求压力大的情形下，配置多个slave节点，数据横向同步（拓扑结构）。结合Redis Sentinel （或其他高可用技术）实现缓存节点的高可用。


在热点 `Key` 的处理上主要分为写入跟读取两种形式，在数据写入过程当 `SLB` 收到数据 `key1` 并将其通过某一个 `Proxy` 写入一个 `Redis`，完成数据的写入。假若经过后端热点模块计算发现 `key1` 成为热点 `key` 后， `Proxy` 会将该热点进行缓存，当下次客户端再进行访问 `key1` 时，可以不经 `Redis`。最后由于` Proxy` 是可以水平扩充的，因此可以任意增强热点数据的访问能力。

如果key存在，那么不要设置key过期时间，如果key对应的数据不可用（比如删除了），那么从缓存中删除key。从请求来说，如果在缓存找到对应的key，表明该key及其value就是用户需要的数据。如果缓存中不存在对应的key，表明无对应的数据，返回空值。比如微博发来爆料某明星文章，短时间内访问量直接上升，如果key不过期，那么请求永远命中缓存。只有当文章被删除的时候，才从缓存中删除对应的key，如果此时还有请求访问，在缓存中查无数据时，直接返回空值，表明文章被删除。当然也可以更新key对应的value值，返回想要表达的value。

**参考资料:**

[阿里云：热点 Key 问题的发现与解决](https://help.aliyun.com/document_detail/67252.html)