核心策略：使用Redis作为缓存层时，采用"写穿透"或"写回"模式结合缓存失效机制，确保数据一致性。访问流程：先查缓存，miss时查数据库并回写缓存；更新时先更新数据库再删除缓存（Cache Aside模式）。穿孔预防：设置合理的TTL，避免热点key使用分布式锁。性能优化：批量操作用Pipeline，序列化用高效格式如Protocol Buffers。监控：用INFO命令追踪命中率，低于80%及时调整。

缓存穿透解决方案

缓存穿透是指查询一个根本不存在的数据，导致请求每次都打到数据库，造成压力。解决方案：1. 对空结果也缓存（设置短TTL，如30秒）。2. 使用布隆过滤器（Bloom Filter）快速判断key是否存在。3. 接口层增加校验参数合法性。

缓存雪崩防护

缓存雪崩是大量key同时失效，导致流量瞬间冲击数据库。预防措施：1. 设置不同key随机TTL（如基础TTL+随机0-300秒）。2. 多级缓存（本地缓存+Redis）。3. 限流熔断，使用Hystrix或Sentinel。4. 预热缓存，在启动时加载热点数据。

缓存热点key管理

热点key单点压力大，解决方案：1. 热点key本地缓存（如Caffeine或Guava）。2. 双层缓存：本地+Redis。3. 使用Redis Cluster分片。4. 定时任务分散加载热点数据，避免集中失效。

数据一致性保障

强一致性难实现，选最终一致性：1. Update DB then Delete Cache（双删策略：删一次，延迟500ms删第二次）。2. Canal订阅binlog异步更新缓存。3. 分布式事务用TCC或Saga模式。读时：Cache Aside，优先读缓存。

Redis访问优化实践

1. Pipeline批量命令减少RTT。2. 避免大key，用Hash拆分。3. 监控QPS、内存使用，设置maxmemory-policy allkeys-lru。4. 连接池配置：maxTotal 100，maxIdle 20。5. 序列化：Kryo优于Java默认。

常见故障排除

延迟高：检查慢查询用SLOWLOG，网络瓶颈用ping。内存不足：eviction生效，优化数据结构。主从延迟：半异步复制，调整repl-backlog-size。集群问题：检查slot迁移，用cluster nodes查看状态。

FAQ
Q: 缓存穿透怎么快速解决？
A: 缓存空值并用布隆过滤器拦截不存在key。
Q: 如何防止缓存雪崩？
A: 给key加随机TTL，多级缓存+限流。
Q: 数据不一致怎么处理？
A: 先更新DB再删缓存，双删或binlog同步。
Q: Redis延迟高怎么办？
A: 用Pipeline，拆大key，查慢日志优化。