一、什么是热点key？
1、广义的热点key
热点key通常指的是当前社会、媒体或互联网上引起广泛关注和讨论的关键词或话题。这些关键词或话题往往是与时事、娱乐、体育、科技等领域相关的，具有较高的热度和话题性。热点key可以是突发事件、社会现象、明星八卦、科技创新、流行文化等各种话题，根据不同的时间和地域，热点key会有所变化。
热点key通常是大众关注的焦点，吸引了媒体的报道和社交媒体的热议。它们可以在新闻报道中频繁出现，成为社交媒体上的热门话题，也可以引发公众对相关问题的讨论和辩论。热点key往往具有一定的时效性，会随着时间的推移而逐渐淡化，被新的热点所取代。
了解和了解热点key对于跟上时事、社会潮流以及了解公众关注点是非常有帮助的。人们可以通过关注热点key来获取信息、参与讨论和扩大自己的知识面。
2、redis等缓存层面的热点key定义
热点key指的是被频繁访问的缓存键（key）。==当一个缓存键被大量的读取请求或写入请求所集中访问时，它就成为了热点key==。
简单理解，在Redis中，我们也可以把访问频率高的key，称为热点key。
3、热点key是怎么产生的呢？
-
用户消费的数据远大于生产的数据，如秒杀、热点新闻等读多写少的场景。
-
请求分片集中，超过单 Redi 服务器的性能，比如固定名称 key，Hash 落入同一台服务器，瞬间访问量极大，超过机器瓶颈，产生热点 Key 问题。
4、在日常开发中，如何识别到热点 key 呢？
在日常开发中，可以采取以下方法来识别热点key：
识别热点key的方法
|
├─ 监控工具
|
├─ 日志分析
|
├─ 业务分析
|
├─ 数据库查询分析
|
└─ 实时监控和统计
4.1、监控工具
使用监控工具来实时监测Redis的性能指标。这些指标包括命中率、内存使用率、连接数、读写延迟等。通过监控工具，可以观察到是否存在某些key的访问频率异常高，从而判断是否有热点key存在。
4.2、日志分析
通过分析应用的访问日志，可以了解到具体的key访问情况。可以查看日志中的访问频率、访问量、数据变动情况等信息。通过观察日志，可以发现一些频繁访问的key，从而识别热点key。
4.3、业务分析
根据业务逻辑和需求，分析哪些数据在业务中具有高频访问的特点。这些数据往往有可能成为热点key。例如，某些热门商品的库存、用户登录状态等。
4.4、数据库查询分析
如果应用程序与数据库交互，可以通过数据库的查询分析功能来了解哪些查询语句中的key访问频率较高。通过分析数据库的查询日志或使用数据库性能分析工具，可以发现一些热点key。
4.5、实时监控和统计
在应用程序中添加统计代码，实时记录各个key的访问次数或频率。可以通过这些统计信息来判断哪些key具有高频访问的特征，从而识别热点key。
二、热点key在Redis中可能会导致什么问题？
热点key在Redis中可能会导致一些问题，其中最常见的问题是热点key的访问压力过大，导致Redis性能下降甚至发生故障。
当许多请求同时针对同一个热点key进行读取或写入操作时，会引发大量的并发访问，造成Redis服务器的负载过高，可能导致响应时间延迟或请求被拒绝。
如果某一热点key 的请求到服务器主机时，由于请求量特别大，可能会导致主机资源不足，甚至宕机，从而影响正常的服务。
下面具体展开说说：
热点key在Redis中可能会导致的问题
|
├─ 性能瓶颈
|
├─ 响应时间延迟
|
├─ 单点故障
|
└─ 缓存不一致
1、性能瓶颈
当一个热点key被大量的读取请求或写入请求所集中访问时，会导致Redis服务器的性能瓶颈。由于热点key集中了大量的请求，Redis需要处理大量的并发操作，可能导致响应时间延迟或请求被拒绝。
2、响应时间延迟
由于热点key的访问压力过大，Redis可能无法及时响应所有的请求，导致请求的响应时间增加。这会对系统的整体性能产生不利影响，特别是对于需要低延迟的应用场景。
3、单点故障
当一个热点key集中在单个Redis节点上时，如果该节点发生故障或需要维护，将会导致该热点key无法访问或性能下降。这会对整个系统的可用性产生影响。
4、缓存不一致
当热点key被大量写入请求更新时，如果缓存中的数据与后端数据源不同步，可能导致缓存数据与实际数据不一致的情况发生。这可能引发数据一致性问题，并且可能需要额外的操作来保证数据一致性。
三、为了应对热点key问题，可以采取哪些缓解措施
为了应对热点key问题，可以采取以下缓解措施：
缓解措施
|
├─ 缓存分片
|
├─ 缓存预热
|
├─ 设置合理的过期时间
|
├─ 使用LRU算法
|
├─ 引入缓存失效策略
|
└─ 使用二级缓存
1、缓存分片
将热点key均匀地分散到多个Redis实例或节点上，以减轻单个Redis节点的负载压力。通过将热点key分散到多个节点上，可以提高系统的横向扩展能力，同时降低单点故障的风险。
2、缓存预热
在系统启动或低峰期，提前加载热点key的数据到缓存中，避免系统上线后瞬时流量导致的热点key访问压力过大。通过预先将热点key加载到缓存中，可以减少对后端数据源的直接访问，提高系统的响应速度和吞吐量。
3、设置合理的过期时间
对于热点key，可以根据业务需求设置适当的过期时间。过期时间可以根据热点key的访问频率和数据变动频率来确定。合理的过期时间可以避免热点key长时间占据缓存空间，给其他数据访问带来困扰。
4、使用LRU算法
使用Redis的LRU（Least Recently Used）淘汰策略，让较少使用的热点key被淘汰出缓存，给更频繁访问的key腾出空间。LRU算法会优先淘汰最近最少使用的数据，保留最常访问的数据，从而有效地管理缓存空间。
5、引入缓存失效策略
针对热点key，可以引入一些缓存失效策略，例如定时刷新、基于事件驱动的刷新等。通过及时刷新热点key的缓存数据，可以保持缓存数据的最新性，并且降低缓存数据与后端数据源不一致的风险。
6、使用二级缓存（强烈建议）
使用二级缓存，即 JVM 本地缓存,减少 Redis 的读请求。
graph LR
A[应用程序] --> B(查询数据)
B --> C{二级缓存中存在数据?}
C -- 是 --> D(从二级缓存获取数据)
C -- 否 --> E(从一级缓存获取数据)
E --> F{一级缓存中存在数据?}
F -- 是 --> G(返回一级缓存数据)
F -- 否 --> H(从数据库获取数据)
H --> I(将数据存入一级缓存和二级缓存)
I --> J(返回数据给应用程序)
J --> B
四、如何确定哪些是热点key？
确定热点key的方法可以根据具体的应用场景和需求进行选择。以下是一些常用的确定热点key的方法：
确定热点key的方法
|
├─ 访问频率
|
├─ 命中率
|
├─ 响应时间
|
├─ 业务需求
|
├─ 日志分析
|
└─ 数据变动分析
-
访问频率：通过监控和统计每个key的访问频率，可以识别出经常被访问的key。访问频率高的key很可能是热点key。
-
命中率：通过监控缓存的命中率，即缓存命中的次数与总访问次数的比例，可以识别出被频繁命中的key。命中率高的key可能是热点key。
-
响应时间：监控每个key的访问响应时间，如果某些key的响应时间明显较长，可能表示这些key的访问压力较大，可能是热点key。
-
业务需求：根据业务需求和业务逻辑，确定哪些数据对系统性能和用户体验影响较大，可以将这些数据标识为热点key。
-
日志分析：通过分析访问日志，可以发现经常被访问的key。可以根据访问次数、访问者信息、访问时间等进行分析，识别出热点key。
-
数据变动分析：观察数据的变动情况，如果某些数据频繁发生变动，可能表示这些数据是热点key。
