当 MySQL 中有 2000 万条数据，而 Redis 仅能容纳约 20 万条数据时，你会采用什么策略来确保 Redis 中缓存的数据始终是热点数据？请阐述具体方案。

回答思路

1. 【回答框架 1】核心思路是结合数据访问频率统计与缓存淘汰策略。首先，通过应用层记录每个 key 的访问计数，可以采用 LRU（最近最少使用）或 LFU（最不经常使用）算法，Redis 内置了近似 LRU 和 LFU 淘汰策略，开启 maxmemory 并设置 allkeys-lfu 或 volatile-lfu 策略，让 Redis 自动淘汰低频数据。
2. 【回答框架 2】更精确的热点识别可以在应用层维护热点 key 列表，例如使用 Redis 的 zset 按访问次数排序，定期更新热点集合，然后预热这些热点数据到 Redis。同时，淘汰时优先淘汰非热点数据，可以设置不同的过期时间，热点数据不过期或更长过期时间。
3. 【回答框架 3】数据加载层面，采用缓存穿透保护（布隆过滤器）、缓存击穿保护（互斥锁或逻辑过期）和缓存雪崩保护（过期时间随机化），确保在热点数据重建时系统稳定。
4. 【回答框架 4】监控和调整：通过 Redis 的 INFO 命令统计命中率，根据命中率动态调整热点判定阈值和缓存容量分配，结合访问日志分析，持续优化热点数据集合。
5. 【关键点 1】使用 Redis 的 LRU/LFU 淘汰策略作为基础保障
6. 【关键点 2】通过访问计数或 zset 维护热点 key 列表，主动管理热点数据
7. 【关键点 3】结合过期时间策略和预热机制，保证热点数据常驻缓存
8. 【关键点 4】监控命中率并动态调整热点判定逻辑
9. 【易错点 1】不能仅依赖 Redis 的近似 LRU，需结合业务访问模式精确识别热点
10. 【易错点 2】频繁更新热点列表可能带来额外开销，需控制频率
11. 【易错点 3】避免缓存穿透导致热点数据频繁加载数据库，需配合布隆过滤器等防护