热点数据发现
1.发现静态热点数据：静态热点数据的发现相对简单些，是可以提前预估预测的数据。比如：秒杀活动商品、降价促销商品、节假日的火车票机票、热门电影门票、明星发布新专辑，以及大数据分析流行趋势预测热点。
2.发现动态热点数据：创建异步监控统计服务和热点数据服务。异步监控统计服务在一个周期内对Key进行请求统计，在达到请求量级后将热点Key发送到热点数据服务收集，然后热点数据服务对这些热点Key进行聚合分析，最后推送到业务系统。
热点数据处理
1.缓存热点数据，放入LRU队列淘汰替换。
2.对请求限制、限流，加入验证、防刷机制，对单一Key限流。
3.熔断降级处理，返回一个固定值。
4.热点数据隔离，防止影响其他业务。
热点数据更新
热点数据写数据库会造成大量的线程来竞争锁，会严重影响数据库的响应时间。
1.将请求放入消息队列，顺序将更新请求发送到数据库执行。
2.优化数据库存储引擎，对单行记录并发排队写。（淘宝的数据库团队开发了针对MySQL的InnoDB层上的patch，可以做到数据库层上对单行记录做到并发排队。InnoDB内部的死锁检测以及MySQL Server和InnoDB的切换会比较耗性能，淘宝的MySQL核心团队还做了很多其他方面的优化，如COMMIT_ON_SUCCESS和ROLLBACK_ON_FAIL的patch，配合在SQL里面加hint，在事务里不需要等待应用层提交COMMIT而在数据执行完最后一条SQL后直接根据TARGET_AFFECT_ROW结果提交或回滚，可以减少网络的等待时间）
3.在数据库层面对SQL限流，thread_running达到阈值拒绝执行。
4.修改数据库innodb_thread_concurrency并发线程数配置，限制并发线程的数量，会造成大量连接等待。
5.热点数据的动态迁移到单独数据库，实现难度大。
6.将热点数据在缓存更新，定时同步到数据库，一定时间内会出现数据不一致。