分片集群：横向扩展
简单来讲，如果一个实例扛不住写压力，我们是否可以部署多个实例，然后把这些实例按照一定的规则组织起来，作为一个整体对外提供服务，这样就可以解决集中写一个实例的瓶颈问题了。
问题转化为：如何组织多个实例
规则：
- 每个节点各自存储一部分数据，所有节点的数据之和才是全量数据
- 制定一个路由规则，对于不同的key，路由到固定的一个实例上进行读写
而分片集群根据路由规则所在的位置不同，还可以分为两类： - 客户端分片：key的路由规则放在客户端来做。缺点是客户端需要维护这个路由规则，需要耦合道业务代码里。还可以把路由规则封装为一个模块，当需要使用的时候，集成这个模块，这就是Redis Cluster采用的方案。
服务端分片：在客户端和服务端之间增加一个中间代理层，也就是我们经常听到的proxy，数据的路由规则放在proxy层维护。proxy层会把请求根据规则转发到对应的Redis节点上，而且当集群横向扩容的时候，客户端也是无感的。
String类型
基础的键值对类型 key表示名字 value表示值用法：
- SET key value ：设置指定key的值为value，存在的话就更新值
- GET key：获取key的值
- DEL key：删除key
- INCR key：将key中的数值增加1，初始值为0
- DECR key：将key中的数值减少1
业务场景
缓存
背景：
用于缓存经常访问的数据，比如数据库查询到的结果、网页的内容等，提高访问速度并降低数据库压力
具体案例：
比如在app里，用户个人主页的信息，如头像、昵称等数据通常不会频繁变动，但是会被频繁的查询。每次用户访问个人主页或是查看其他用户个人主页的时候，都直接从数据库里查询信息会导致不必要的数据库负载
优点：
- 快速数据访问：Redis是内存数据库，读写能力高，大幅度降低了数据访问延迟，提高用户体验
- 减轻数据库压力：缓存频繁访问的静态数据，显著减少数据库查询，从而保护数据库资源，延长数据库寿命
- 高并发支持：处理大量用户的同时访问，保证系统在溜了高峰期的稳定性
- 灵活的缓存策略：易于实现缓存数据的更新和失效，结合适当的缓存过期合数据同步机制，保证数据的实时性和一致性
具体方案：
以商城的商品信息为例，当商品信息更新时，相应的缓存也更新或失效。
这里延伸出的一个问题是如何保持数据一致性
