业务场景——热点数据

热点数据解决思路

识别热点

1.在代码层面做预热识别，比如给某个接口判断入参是否为热点数据的规则（比如redis过期时间1s，调一次+1但不更新过期时间，若增长量>5则判为热数据），这种方法能更快速的识别热数据，但缺点是业务逻辑复杂，且由于写死在代码中无法扩展

2.通过收集日志>分析日志>下发热数据通知，再由消费方实现业务逻辑。这种方式应用较为广泛，但识别需要一定时间

隔离热点

除了访问层面隔离(不同项目，不同接口)外，主要讲下缓存和数据层如何隔离

热点数据特点是数量少，访问频次高，处理热点数据三个方案：热点散列，多级缓存，热点库

热点库：就是将redis急群中单独划出一些实例库存热点数据，当热点数据可预知时，这个方案是最合适的，也是最稳定可控的

多级缓存：本地缓存+redis，如果对象过大，可考虑把jvm缓存改为堆外缓存

热点散列：相当于分布式版本的二级缓存，把集群每个redis实例的内存区域划分为普通区域+hot zone区域，区别在于普通实例只存放属于自己的数据，而所有实例的hotzone都可存放热数据，即对于普通数据，redis集群是分片存储的，hotzone数据不分片，访问hostzone数据时压力由集群所有实例承担，如图