豆瓣评论系统采用Redis作为核心缓存层，通过多级缓存设计实现高性能读写分离。核心原理是利用Redis的List和Hash结构存储评论列表和详情，主评论页缓存TTL设置为5分钟，二级评论异步写入Redis，避免数据库压力。架构中，Nginx做请求分发，评论写入走异步队列，最终落盘MySQL，实现QPS百万级别的吞吐。

一级缓存设计

豆瓣电影评论页，一级缓存key为movie:comments:{mid}，value使用Redis List存储最近100条评论ID。读取时，先查缓存，miss则从DB拉取并回写。评论详情用Hash结构，field为cid，value为序列化评论体。更新时原子操作LPUSH/RPUSH维护热度排序，确保实时性。

二级缓存与穿透防护

二级评论懒加载，点击展开时生成key如movie:comments2:{mid}:{pid}，存储子评论列表。防缓存穿透用布隆过滤器，Redis Lua脚本原子检查并填充空值。热点评论预热，使用定时任务从日志分析热门mid，提前缓存List，降低首访延迟到毫秒级。

高并发写入优化

评论发布走异步，Kafka投递到Worker，批量ZSET排序插入Redis score为时间戳。Pipeline批量写Hash和List，减少RTT。限流用Redis Cell令牌桶，每用户/IP 10/s，防止刷评论。缓存雪崩通过随机TTL和多级熔断规避。

数据一致性保障

Redis作为读缓存，写后异步双写MySQL。强一致场景用Canal监听Binlog，增量同步Redis。最终一致下，定时全量重建缓存，每小时一次，利用Redis SCAN增量迁移，避免阻塞。评论审核走Redis Pub/Sub通知，实时失效相关key。

监控与扩容实践

Prometheus监控Redis内存/Ops，哨兵集群3主3从，主从延迟<100ms。峰值QPS 50w时，读走从节点，写分片Cluster。实际案例，豆瓣双11活动，评论峰值翻10倍，Redis命中率98%，无感知扩容插槽。

性能测试数据

单机Redis压测，评论List RPUSH 10w/s，HSET 20w/s。双机主从，读QPS 30w。实际线上，评论页T99 150ms，详情页50ms。相比纯MySQL，延迟降90%，CPU降70%。

FAQ
Q: 为什么豆瓣用Redis List存评论ID而非直接存内容？
A: ID轻量，便于热度排序和分页，内容用Hash解耦，节省内存。
Q: 如何处理评论删除时的缓存一致性？
A: Lua脚本原子LREM List和HDEL Hash，Pub/Sub通知关联key失效。
Q: 缓存穿透怎么具体实现布隆过滤？
A: Redis Bitmap模拟布隆，误判率0.01%，miss时设空值TTL 5min。
Q: 高峰期Redis OOM怎么破？
A: 开启AOF RDB混合持久化，allkeys-lru淘汰，预热热点提前分配内存。