用Redis缓存高频查询结果可将响应从几十毫秒降至1毫秒内，关键点：键带业务前缀如user:profile:12345、设合理过期时间（如30分钟）、更新DB时先删缓存再操作并延时双删防脏读。
用Redis缓存高频查询结果，减少数据库压力
很多Web接口响应慢，根源不在代码逻辑，而在反复查数据库。比如用户个人资料页每次访问都查一次MySQL，QPS上去后数据库就成瓶颈。把这类稳定、读多写少的数据（如用户基础信息、配置项、热门商品列表）缓存到Redis里，能直接跳过DB，响应从几十毫秒降到1毫秒内。
关键点有三个：缓存键设计要带业务前缀和唯一标识（如user:profile:12345），避免冲突；设置合理过期时间（比如30分钟），防止数据长期不一致；更新数据库时同步删或更新对应缓存（推荐“先删缓存，再更DB”，配合延时双删防脏读）。
利用Redis原子操作实现计数与限流
点赞数、阅读量、接口调用频次这些场景，不适合每次请求都去DB update，容易产生并发覆盖或锁表。Redis的INCR、DECR、EXPIRE组合就能安全高效搞定。
例如统计某文章阅读量：
– 请求进来先执行 INCR article:views:789
– 同时用 EXPIRE article:views:789 86400 设置一天过期（防内存堆积）
– 每小时异步把Redis里的值批量回写到MySQL做持久化即可
限流也类似，用INCR + EXPIRE实现滑动窗口，比如限制用户每分钟最多调用10次API：键设为rate:limit:user_6789:20250520_14（含分钟级时间戳），每次INCR后检查值是否超限。
序列化选型与连接管理直接影响性能
Python连Redis默认用redis-py，但默认序列化是字符串，传复杂结构（如字典、列表）得自己json.dumps/json.loads，既啰嗦又慢。建议统一用msgpack——体积比JSON小30%~50%，序列化/反序列化速度快2~5倍，且天然支持bytes、datetime等类型。
连接不能每次请求都新建：
– 用ConnectionPool复用连接，设置max_connections=20防耗尽
– Flask/FastAPI中初始化一次pool，全局复用
– 避免用redis.Redis(host=...)这种短连接写法
缓存穿透、雪崩、击穿不是理论问题，得提前防
真实线上环境这三类问题天天发生：
- 穿透：恶意查大量不存在的ID（如user:profile:-123456），缓存没命中，请求全打到DB。解决方案：对空结果也缓存（如set user:profile:999999 "null" ex 60），或用布隆过滤器前置拦截
-
雪崩：大量key在同一时刻过期，缓存集体失效，流量瞬间压垮DB。对策：过期时间加随机偏移（如 ex 3600 + random(0,
300)），或用永不过期+后台异步更新value - 击穿：单个热点key（如首页banner）过期瞬间被高并发请求同时重建。用Redis分布式锁（SET key value EX 10 NX）或本地互斥锁（如functools.lru_cache）控制重建入口
300)），或用永不过期+后台异步更新value不复杂但容易忽略。
