面试题：缓存设计之Redis基础应用

使用哈希（Hash）结构存储商品信息：
- Redis的哈希结构可以将商品的各个属性作为字段（field），属性值作为值（value）存储。例如，对于商品ID为123的商品，使用如下方式存储：
```
HSET product:123 id 123
HSET product:123 name "示例商品"
HSET product:123 price 99.99
HSET product:123 description "这是一个示例商品的描述"
```
- 优点：这种结构便于对商品的各个属性进行单独的读写操作，同时也能在一次操作中获取商品的所有信息（使用HGETALL product:123），减少了网络开销。

实时更新：
- 当商品信息在数据库中发生变化时，立即更新Redis缓存。例如，在商品价格更新的业务逻辑中，先更新数据库中的价格，然后紧接着更新Redis中的价格字段：
```
# 假设使用Python和Redis-py库
import redis

r = redis.Redis(host='localhost', port=6379, db = 0)
# 更新数据库价格逻辑
#...
# 更新Redis缓存
r.hset('product:123', 'price', new_price)
```
异步更新：
- 可以使用消息队列（如RabbitMQ、Kafka等）。当商品信息变化时，先将更新消息发送到消息队列，然后由一个独立的消费者服务从队列中取出消息并更新Redis缓存。这种方式可以减少主业务逻辑的延迟，提高系统的整体响应速度。

布隆过滤器（Bloom Filter）：
- 在查询商品时，先通过布隆过滤器判断商品ID是否存在。布隆过滤器可以使用Redis的BF.ADD和BF.EXISTS命令。在商品入库时，将商品ID添加到布隆过滤器中：
```
BF.ADD product_ids_bloom_filter 123
```
- 当查询商品时：
```
if not r.execute_command('BF.EXISTS', 'product_ids_bloom_filter', product_id):
    return "商品不存在"
```
- 优点：布隆过滤器可以在空间效率很高的情况下，快速判断一个元素是否在集合中，极大减少了对Redis和数据库的无效查询。但要注意布隆过滤器存在误判率，不过可以通过合理设置参数来降低误判率。
空值缓存：
- 当查询一个不存在的商品ID时，在Redis中设置一个空值缓存（例如SET product:不存在的ID null EX 60，设置60秒过期）。这样下次查询同样的不存在的ID时，直接从Redis获取空值，避免查询数据库。但要注意空值缓存的过期时间设置，过长可能导致新商品上架后，短时间内无法查询到。

星途面试题库