当 Redis 实例出现内存溢出时，你会采取怎样的应对措施？请详细说明你的排查步骤和解决策略。

回答思路

1. 【回答框架 1】先确认内存溢出的具体表现，如报错信息、可用内存趋势和 Redis 的 maxmemory 配置，同时观察是否触发了内存淘汰策略，如 noeviction、allkeys-lru 等，并检查 key 的 TTL 设置。
2. 【回答框架 2】使用 redis-cli 的 info memory 查看 used_memory、used_memory_human、mem_fragmentation_ratio 等指标，结合监控工具分析内存增长曲线，定位是数据量增长还是内存碎片问题。
3. 【回答框架 3】排查大 key 和热点 key，通过 redis-cli --bigkeys 或自定义扫描找出占用大量内存的键，评估是否可以通过拆分、压缩或删除来释放空间，同时检查是否存在未设置过期时间的 key 导致内存持续增长。
4. 【回答框架 4】根据业务场景调整 maxmemory 策略和淘汰算法，例如使用 volatile-lru 或 allkeys-lru，并优化数据存储结构，如使用 hash 代替 string 的批量字段，或对缓存数据做序列化压缩。
5. 【回答框架 5】若内存碎片严重，考虑重启实例或使用 memory purge 命令整理碎片；若数据量持续增长，需要规划集群扩容或迁移至内存更大的实例，并评估持久化配置是否导致内存峰值。
6. 【关键点 1】排查步骤遵循：确认表现、查看监控、定位大 key、检查配置、调整策略。
7. 【关键点 2】内存溢出多与 maxmemory 设置过小、数据无过期、大 key 或内存碎片有关。
8. 【关键点 3】解决方案包括调整内存淘汰策略、优化数据结构、拆分大 key、以及扩容或迁移。
9. 【关键点 4】需结合业务场景平衡内存使用和命中率，不能盲目删除数据。
10. 【易错点 1】只关注调整 maxmemory 而不排查具体数据增长根源，导致问题反复出现。
11. 【易错点 2】忽略内存碎片和持久化对内存的影响，可能错误认为是数据量过大。
12. 【易错点 3】在未评估业务影响的情况下直接执行 flushall 或删除数据，造成可用性风险。