缓存的粒度越小，更新频率低，命中率会越高。
举个实际的例子说明：当缓存单个对象的时候（譬如单个用户信息），只有当该对象对应的数据发生变化时，才需要更新或者移除缓存。
而当缓存一个集合的时候（譬如所有用户数据），其中任何一个对象对应的数据发生变化时，都需要更新或移除缓存。
清除策略对于持续运行的服务器来说， 服务器需要定期对自身的资源和状态进行必要的检查和整理，清理掉无用的缓存，垃圾比重也是影响缓存的命中率的一个因素。
三种清除策略如下：
（1）立即清理。在设置键的过期时间时，创建一个回调事件，当过期时间达到时，由时间处理器自动执行键的删除操作。
（2）惰性清理。键过期了就过期了，不管。当读/写一个已经过期的key时，会触发惰性删除策略，直接删除掉这个过期key
（3）定期清理。每隔一段时间，对expires字典进行检查，删除里面的过期键。
业务场景缓存适合“读多写少”的业务场景，反之使用缓存的意义不大，命中率会很低。
缓存时间越长，时效性要求越低，就越适合缓存。
缓存容量缓存的容量有限，则容易引起缓存失效和被淘汰。
缓存故障缓存节点故障，也会引起缓存失效，业内比较典型的做法就是通过一致性Hash算法，或者用节点冗余的方式。
redis缓存命中率如何计算/home/pubsrv/redis-2.8.12/src/redis-cli -p 6379 -h 192.168.11.13 -a ZTZmZDc4ODAwMjMx
192.168.11.14:6379> info
缓存命中率 =keyspace_hits / (keyspace_hits + keyspace_misses)
