Redis在Python项目中的核心价值在于配合业务设计缓存策略、保障高可用、防御穿透击穿雪崩及合理管理连接。需冷热分离、分层过期、禁永不过期；用连接池复用、禁盲目重连；读写分离兜底、故障自动剔除、一致性异步补偿；穿透用空值缓存+布隆过滤器，击穿用setnx双检，雪崩用随机TTL。

Redis 在 Python 项目中不只是“存键值”，它真正发挥价值的地方在于：如何配合业务设计缓存策略、应对节点故障、避免雪崩穿透、支撑高并发读写。下面从实战出发，讲清楚几个关键环节。

缓存策略不是选 LRU 就完事

很多项目一上来就配置 maxmemory-policy allkeys-lru，但实际效果常打折扣。真正要关注的是：

• 冷热分离：高频访问的用户会话、商品基础信息用 Redis 存；低频变动的运营文案、日志归档别硬塞进来
• 过期时间分层：登录 token 设 30 分钟（带自动续期逻辑）；首页推荐列表设 5 分钟；配置类数据设 1 小时并配合主动更新钩子
• 不盲目设置永不过期：哪怕用 setex 写入也要带 TTL，否则内存泄漏风险随上线时间指数增长

Python 客户端连接不是 new 一个 client 就能跑

用 redis-py 时常见误区是每次请求都新建连接或没配连接池：

• 用 ConnectionPool 复用连接，生产环境建议 max_connections=20 起步，根据 QPS 和超时调优
• 禁用 health_check_interval 以外的自动重连（比如 retry_on_timeout=True），否则网络抖动时可能堆积大量重试请求
• 在 FastAPI/Flask 启动时初始化 pool，全局复用，别放在视图函数里临时创建

高可用不能只靠哨兵或 Cluster 模式

Redis 官方高可用方案只是底座，业务层必须补足三件事：

• 读写分离兜底：主从架构下，从节点故障时，读请求自动降级到本地内存缓存（如 lru_cache）或直接查 DB，避免级联失败
• 故障发现+自动剔除：用 redis-py 的 sentinel.discover_master() + 自定义心跳检测，10 秒内识别不可用节点并从 pool 中移除
• 数据一致性补偿：更新 DB 后，删缓存失败要进异步队列重试（比如用 Celery 或简单 Redis List + worker），别只打日志了事

缓存穿透、击穿、雪崩不是理论名词

线上真会出问题，得有对应代码级防御：

• 穿透：对 null 结果也缓存（如 setex key 60 "NULL"），再加布隆过滤器预检非法 ID（用 pybloom-live 或自研轻量版）
• 击穿：热点 key 过期瞬间大量请求打穿，用 setnx 加锁 + 双检机制重建缓存，锁过期时间必须短于业务重建耗时
• 雪崩：批量 key 设置相同 TTL 是大忌，改用随机偏移（如 ttl = base_ttl + random.randint(0, 300)）

缓存不是银弹，而是需要和业务节奏对齐的中间件。每加一层缓存，就要多想一步“它挂了怎么办”、“它脏了怎么清”、“它慢了怎么切”。