使用Sorted Set存储评论，按时间戳score排序，zrangebyscore快速分页查询。高并发一致性用Lua脚本原子操作增量点赞，结合MySQL主从+Redis缓存双写一致，最终一致性通过binlog订阅异步修复。查询效率用Redis Pipeline批量操作，热点评论预热缓存，过期时间设置阶梯式避免雪崩。

来源1

评论数据模型：用户评论用Hash存储，key为"comment:user:{user_id}:{comment_id}"，field存内容、时间等。评论列表用Sorted Set，key为"comment_list:article:{article_id}"，member为comment_id，score为时间戳倒序。高并发下，点赞用INCR原子命令，Lua脚本防止超卖：if redis.call('GET',KEYS[1]) <= 0 then return 0 end; redis.call('DECR',KEYS[1]); return 1。数据一致性：写Redis+异步写MySQL，读Redis兜底MySQL， canal监听binlog同步Redis。

来源2

Redis存储评论列表采用ZSET，score=time*-1实现时间倒序。用户评论详情用Hash。分页查询zrevrangebyscore 0 9223372036854775807 withscores limit offset count。高并发点赞用Pipeline批量HINCRBY。多级缓存：L1 Redis评论列表，L2 MySQL。双写一致：先写MySQL后Redis，失败回滚用MQ补偿。查询效率：布隆过滤器防穿透，随机过期时间防雪崩。

来源3

评论存储：List适合顺序追加，但分页差，用ZSET member=comment_id:reply_id score=timestamp。回复评论用ZSET嵌套。点赞用String INCR "like:{comment_id}"。高并发：Lua脚本原子扣库存 if(tonumber(redis.call('get', KEYS[1])) <= 0) then return 0 end redis.call('decr', KEYS[1])。一致性：Redis+DB最终一致，写DB发MQ，consumer更新Redis。查询：热点数据local cache，穿透用setnx互斥锁。

来源4

采用Redis ZSet存储评论ID列表，按时间score排序，实现高效分页。高并发下点赞用HINCRBYFIELD原子命令。数据一致性方案：1.先写MySQL后写Redis，Redis失败忽略最终一致；2.使用分布式锁Lua脚本确保原子性。查询效率：预聚合评论统计到Redis Hash，Pipeline批量加载用户详情，减少RTT。

来源5

评论存储结构：zset:article:{aid}:comments score=-time member=cid。详情hash:comment:{cid}。高并发点赞：redis.call('HINCRBY','like:cid','uid',1) in Lua。一致性：TCC模式，先Try Redis占位，Commit/ Cancel同步MySQL。查询：用SCAN渐进式遍历大key，zrangebyscorebyscore高效范围查询。

来源6

用zset存评论排序，score为时间戳。回复链用zset score层级+时间。高并发：pipeline提交多命令减网络。缓存一致：延迟双删，先删Redis再操作DB 1s后删Redis。查询优化：只缓存前N页，深页从DB查。

FAQ
Q: Redis评论分页怎么实现？
A: 用ZSET zrevrange 0 20 limit 0 20，按score时间倒序。
Q: 点赞高并发怎么防重复？
A: Lua脚本检查HSETNX已赞再INCR。
Q: 数据丢失怎么处理？
A: Redis AOF持久化+MySQL主库备份。
Q: 大量评论key太多怎么优化？
A: 分片到多个zset，如按时间分月key。