1.  需求

业务会产生海量的数据时，就需要高效数据管理策略，尤其是如何存储和维护这些海量的数据。对于如何存储和维护这些海量的数量，那么就需要对其做一个界限的划分，通常可以用冷、热的分层数据存储服务描述。

冷和热主要是根据数据对业务的重要性以及访问频率来决定了，经常需要访问查询的数据，表明是热点数据，需要存储在容易“快速查询”的区域，而对于那些不常访问的数据，可能半个月甚至是一两个月都用不到的数据（具体视业务而定），表明是冷数据，可以存储在磁盘。划分的目的是不占用热点数据的区域，加快数据的查询，那么如何实现冷热数据的存储设计是非常重要的。

2.  总体架构

总结架构设计如图1所示，access作为代理层，接受来自客户端的请求，redis集群存储热数据，其中RocksDb为针对KV数据存储的高性能嵌入式数据库，内核数据结构基于LSM树实现的，LSM结构树的特点是: 写入速度快，读取速度慢。(阿里混合存储和腾讯云Tendis也是采用RocksDb作为底层存储引擎)

                                                                                                       图1  缓存冷热存储架构设计

3.  存储模型

全量总数据=内存(全量keys+热values)+磁盘(冷values)

4.  线程模型

使用单IO+多WORKER模型

单IO: 单线程，负责处理用户请求、socket数据解析等。

多Worker: 多个独立的IO线程负责与磁盘进行交互读写数据，IO线程读写数据时，主线程仍可继续响应其它用户请求。

与redis6.0的模型差别：
redis6.0采用多IO+单worker模型。
多IO:读写socket、命令解析使用多线程。
单worker:执行命令请求使用master单线程。

5.  数据降冷、预热策略