结论：Redis单实例内存极限可达数百GB，通过集群模式可扩展到PB级；最大化数据价值的关键是数据压缩、过期策略和分片设计，选择方案时优先评估数据规模、读写QPS和持久化需求，小型应用用单机+内存优化，中大型用哨兵或集群+Proxy，结合业务场景测试极限。

来源1

Redis的内存使用主要由键值对占用，其中String类型最节省，Hash和List适合结构化数据。极限测试中，单实例配置128GB内存可存约10亿条小key-value对，使用ziplist和intset压缩可节省50%内存。开启AOF+RDB双持久化时，内存峰值需预留20%。

来源2

Redis Cluster是官方推荐的分片方案，支持16384个hash slot，自动故障转移。实际部署中，3主3从集群可轻松处理10万QPS，数据倾斜是痛点，通过key标签如{user_id}确保均匀分布。极限探索显示，100节点集群内存总和达10TB时，延迟仍控制在1ms内。

来源3

最大化数据价值从数据生命周期管理开始：设置合理的TTL过期时间，定期清理冷数据；使用HyperLogLog节省计数器空间，Bitmap优化用户签到场景。监控工具如redis-cli --bigkeys和INFO memory帮助发现内存瓶颈，结合Lua脚本批量操作提升效率。

来源4

选择存储方案对比：单机Redis适合<10GB数据，哨兵模式加高可用；超过50GB推荐Cluster，结合Twemproxy或Codis做一致性哈希；海量数据场景下，Redis+MySQL混合架构，热数据放Redis，冷数据落盘。极限测试用redis-benchmark压测，确保99.9%延迟<5ms。

来源5

内存优化技巧：关闭transparent_hugepage，调大overcommit_memory=1；数据压缩用msgpack代替JSON，节省30%空间。实际案例中，一游戏公司用Redis存玩家数据，单机1TB极限，通过pipeline批量写入提升吞吐至50万/s，实现数据价值最大化。

来源6

Redis 7.0引入新功能如Redis Functions，提升存储灵活性。极限探索中，持久化方案RDB快照适合全量备份，AOF日志适合增量；混合使用时，配置auto-aof-rewrite触发重写，控制文件大小<内存1/10，避免磁盘爆炸。

来源7

业务选择指南：电商缓存用String+Set，社交用Sorted Set+GEO；大数据价值挖掘结合RedisGraph图数据库查询。测试极限时，用memtier_benchmark模拟真实负载，观察evicted_keys指标调整maxmemory-policy为allkeys-lru。

Q: Redis单机能存多少数据？
A: 取决于key大小，典型128GB内存存5-20亿小键值对，极限可压到数百GB。
Q: 集群怎么避免数据倾斜？
A: 用{}标签封装分片键，如{user:123}，确保slot均匀。
Q: 怎么监控内存使用？
A: 用INFO memory命令看used_memory和maxmemory，结合Prometheus+Grafana可视化。
Q: 持久化会影响性能吗？
A: RDB fork开销大，AOF fsync=everysec平衡耐久性和性能。