数据使用场景
缓存
搭配持久化存储使用，缓解后端存储服务的压力。随着用户对应用延迟的容忍度越来越低，基于磁盘的随机数据访问性能却没有革命性的提升，数据访问性能成为产品性能短板。使用分布式缓存服务可以将有效访问数据放在缓存，缓存与后端的磁盘存储系统通过同步或异步的机制保持数据一致，大部分的数据访问请求可以直接命中缓存，提供比磁盘访问降低好几个数量级的响应时间，当数据访问请求缓存不命中时，需要访问磁盘存储系统并更新缓存。
键值存储
在需要快速响应的业务中可以将分布式缓存单独使用。随着缓存服务可靠性越来越高，使用越来越方便，当某些产品的数据不需要很强的事物支持、强一致的时候，通过弱化对事务、数据一致性的支持，用户的所有数据全部存放在缓存中，键值存储能够提供丰富的数据存储模式，在互联网场景下对业务更为友好，而且获取到了更高的扩展能力、性能和可靠性。
行业应用场景
Feed 流行业应用
Feed 流行业中存在对 Redis 大量使用，比如可以使用 Redis 过滤用户的下发历史，使用户获取的 Feed 流推荐不重复；Feed 流中各种点赞和评论也可以放在 Redis 中来存储，实现用户和 Feed 流的快速交互。
金融行业应用
在金融行业的风控场景中大量使用 Redis 存储风控的检查项，能实现秒级用户画像；在绑卡流程中，用户的身份信息存储在 Redis 中，达到很好的用户反馈。
AI 行业应用
在各种 AI 对话式服务中，机器人和用户的对话 Session 常存储在 Redis 缓存中，AI 应用能通过 Session 的多次处理实现多轮交互，达到更高水平的智能对话。
访问计数
可利用 Redis 的原子计数, INCR, INCRBY 等命令实现最典型的 Redis 应用，支持过期配置过期策略，并有批量操作支持，可以保证系统拥有高性能。
Profile
借助内置的 Hash 或 List 等数据结构，用于存储个人 Profile，该类数据有读写量大，每条数据长度不大，并且经常会对特定字段更新操作。
排行榜
有关排名或拉链等业务，有排序需求，并且支持实时更新，避免排序逻辑放置在业务代码带来的性能损失。
Cache
相对其他 Cache 类服务，Redis 独有多数据结构支持，高效快捷。Redis 引擎内部支持多种数据淘汰算法。
缓冲队列
可以使用 List 实现简单的数据队列缓存，给系统提供高性能支持。
分布式锁 DLM
对于分布式加锁的业务，Redis 可以提供高性能的分布式锁服务。如：秒杀，全局递增 ID 等。
