使用Redis作为缓存层，将频繁访问的数据预先存入Redis中，当用户查询时直接从Redis中读取数据，避免了每次都查询慢速的数据库，从而极大提升查询速度。核心步骤：1. 识别热点数据；2. 数据写入时同步更新Redis；3. 查询时先查Redis，miss再查DB并回写Redis；4. 设置合理过期时间防止缓存雪崩。

缓存穿透、缓存击穿、缓存雪崩的解决方案

缓存穿透：查询不存在的数据，使用布隆过滤器预判或缓存空值。缓存击穿：热点key失效时，使用互斥锁或逻辑过期。缓存雪崩：设置不同过期时间、熔断降级、多级缓存。提升系统性能的关键是合理配置这些策略，避免缓存失效导致数据库压力暴增。

Redis数据结构选择对性能的影响

String适合简单KV，Hash节省内存存储对象，List用于队列，Set去重集合，Sorted Set排行榜。选择合适结构能减少序列化开销，提升序列化/反序列化速度，进而提高整体响应效率。例如，用Hash代替多个String key，能减少网络RTT。

Redis集群与哨兵模式提升高可用

单机Redis有单点故障风险，使用哨兵模式实现主从自动切换，集群模式分片支持海量数据和高并发。分片后查询负载分散，响应时间稳定在毫秒级。通过Pipeline批量操作减少网络往返，提升吞吐量。

连接池和序列化优化

使用连接池如JedisPool或Lettuce，避免频繁创建连接。选择Kryo或Protostuff代替JDK序列化，速度提升5-10倍。设置合理的maxTotal、maxIdle参数，监控连接使用率，确保高并发下不阻塞。

本地缓存与Redis二级缓存

Guava Cache或Caffeine作为L1本地缓存，Redis作为L2。热点数据命中本地缓存，减少网络IO，冷数据回源Redis。双写一致性用canal订阅binlog异步更新，提升99.9%命中率下响应效率。

FAQ
Q: Redis缓存命中率低怎么提升？
A: 增加缓存容量、延长TTL、预热热点数据、优化key设计避免热点key倾斜。
Q: 如何防止缓存与数据库不一致？
A: 写操作先删缓存后更新DB，或用延迟双删、最终一致性方案如binlog订阅。
Q: Redis内存不足怎么办？
A: 配置内存淘汰策略如allkeys-lru，监控used_memory，考虑分片或业务分库。
Q: 大key怎么拆分？
A: Hash/List分片存储，拆成小key如user:1:info、user:1:orders。