100 万请求同时从 Redis 取相同的 Key，如何优化(热点key的问题)

背景

其实这是一个很常见的场景

1. 我们单台redis的承载是有上限的
2. 业务场景中经常会有这种，比如热点商品抢购场景，热搜等，都会出现同时搜索同一个key的场景。
3. 哪怕部署了集群，通过一致性hash之后，这些请求还是会打到一个机子上，因为是一个key。

如何发现热点数据

主要针对的是C端，B端的话一是不会有这么高的并发，二是也能够预测中哪些是热点key。
即便是C端，其实有些业务场景也是能够预测出热点key的，比如在做某些电商活动的时候，可以给一些热销商品做一个提前缓存。
某些无法预测的，只能实时去处理，比如热搜。
当然，实时处理的有很多办法，redis自带的一些参数，或者是客户端自己统计收集一些信息等。

如何解决

主要是两个思路

1. 本地缓存也就是二级缓存。把热点key缓存到JVM中，当请求到来时，如果是热点key，直接在JVM中取，不走redis，就避免了打垮redis。毕竟应用服务器是有很多台的嘛，可以负载。
2. 复制热点key到多个redis实例上，但是这种方法不推荐，维护起来不方便。

什么时候缓存热点key？

我们最理想的场景，当然是程序可以自己去实时的判断一个key是否有成为热点key的趋势或者说已经是一个热点key，当确认的时候，就把他缓存到jvm中，下次有请求来就直接去jvm拿。
实现思路也有几种。

1. 本地实现一个sdk，这个sdk就是来做一个流量分析，类似于redis自带的那个工具，只不过放在了应用这边。
2. 或者是利用kafka之类的，做一个异步的流量统计，发送到一些流量计算系统，然后发现是热点数据的时候，就推给应用层，应用层及时的缓存起来。