1. 使用合理的TTL设置，避免缓存雪崩：为高频访问的数据设置合适的过期时间，比如热门商品信息TTL设置为300秒，结合懒删除和主动刷新机制，确保数据新鲜度同时减少数据库压力。

高频缓存穿透优化

2. 缓存穿透解决方案：对于不存在的数据，使用布隆过滤器预判，避免无效查询直击数据库；同时设置空值缓存，TTL短至60秒，防止恶意攻击。

热点key处理

3. 热点key加锁互斥：对高频热点key，使用分布式锁（如Redlock）或本地mutex，确保只有一个请求回源，减少重复加载；或者数据分片预热多份副本。

内存优化技巧

4. 内存高效利用：选择合适的data结构，如String存JSON，Hash存对象字段，减少序列化开销；开启内存碎片整理，定期执行memory purge命令。

连接池与集群

5. 连接池配置：设置jedis或lettuce连接池最大连接数为CPU*10，最大空闲连接数为CPU*5；使用Redis Cluster分片高频数据，均匀负载。

异步更新策略

6. 异步双写：写操作异步更新缓存，使用消息队列如Kafka解耦，读操作优先缓存命中，提升QPS从1w到10w+。

监控与调优

7. 监控指标：实时关注命中率>90%、QPS峰值、内存使用率<80%；使用slowlog分析慢查询，pipeline批量操作减少RTT。

预热与失效策略

8. 缓存预热：系统启动时批量加载高频数据到Redis，避免冷启动雪崩；失效时随机偏移TTL，如基数300s+随机[-30s,30s]。

FAQ

Q: 高频缓存如何避免雪崩？
A: 设置阶梯TTL、热点隔离、使用Sentinel高可用。

Q: 什么情况下用本地缓存如Caffeine？
A: 超低延迟读如用户信息，结合Redis做二级缓存。

Q: Redis内存满了怎么处理？
A: 配置allkeys-lru淘汰策略，监控并扩容集群节点。

Q: 如何测试缓存策略效果？
A: 用jmeter压测QPS、RT，观察命中率和DB压力变化。