1. 读访问量高（万级别及以上），读访问远大于写访问

    这种情况典型的业务场景之一就是存储配置信息，配置信息一般数据量较小，更新频率低，但读访问量高。这种场景有两种方法优化：

         a. 对同一个key存储多个备份，随机读取，分散读的访问压力。

         b.使用本地缓存。本地缓存基本能挡住大部分的访问，真正落到cache系统上的读访问量就很少了。但本地缓存有个问题：数据的同步问题。解决方案可以定期更新本地缓存（每隔n秒更新一次）。

2. 写访问量高（万级别及以上），写访问远大于读访问
      这种情况典型的业务场景之一是计数统计，例如对某页面进行pv统计。这种场景的优化方法为：将单个key统计拆分为多个key统计，假设key为A，那么可以将A拆分为A1，A2...A100，incr时随机选择一个key，读取总量时再批量读取所有的key，再进行合并统计。当然，这种方式放大的读操作，但基于读本身访问量不高，这样的增加对集群并不会产生较大的影响。

分布式缓存系统热点key解决方案