要确保Redis中只存储热点数据，你可以采取以下策略：
数据筛选:
在将数据插入MySQL之前，先通过某种算法或策略判断这条数据是否是热点数据。
可以基于数据的访问频率、时间戳或其他相关属性来决定是否将数据存储到Redis中。
LRU策略:
使用Redis的LRU（Least Recently Used）缓存淘汰策略。当Redis的存储空间不足时，会自动淘汰最久未使用的数据。
内存索引:
使用如Redis的Bitmap、Hash或Sorted Set等数据结构，根据某些条件（如时间戳、访问频率等）来索引和存储数据。
缓存预热:
在应用启动或数据更新时，预先将热点数据加载到Redis中。
数据同步:
使用消息队列（如RabbitMQ、Kafka等）或数据库触发器，实时或近实时地将MySQL中的新数据同步到Redis。这样，Redis始终保持与MySQL的最新数据同步，同时确保只有热点数据被存储。
监控和告警:
使用如Prometheus、Grafana等工具监控Redis的使用情况，当接近或超过阈值时发送告警。
数据归档和清理:
定期清理Redis中的冷数据，并将其移至其他存储系统（如冷存储或归档数据库）。
使用缓存分区:
如果使用的是Redis集群，可以考虑使用缓存分区功能，将热点数据存储在特定的分区中。这样可以在不影响性能的前提下更好地管理热点数据。
使用缓存代理:
使用如Twemproxy之类的代理，可以更细粒度地控制哪些数据存储在Redis中。Twemproxy允许你为每个应用程序或每个数据库查询定义不同的缓存策略。
应用层优化:
在应用层面，使用合适的查询优化和缓存策略，减少对非热点数据的查询。例如，使用适当的索引、避免N+1查询问题等。
数据冗余和复制:
如果某些数据在多个地方被频繁访问，考虑在Redis中存储冗余数据副本，以提高检索速度。但要注意避免浪费内存空间。
使用缓存模拟分析工具:
使用如Simian或Cache-sim等工具模拟和分析Redis中的缓存命中率，并根据分析结果调整策略。
版本控制:
对于需要频繁更新的热点数据，考虑使用Redis的版本控制功能，如WATCH, MULTI 和 EXEC 命令组合使用实现事务操作。这样可以在更新数据时确保操作的原子性，并减少因并发更新导致的数据不一致问题。
定期健康检查:
定期检查Redis的健康状况和性能指标，确保其高效运行并满足业务需求。
扩展性考虑:
如果业务规模持续增长，考虑Redis的横向扩展能力，如使用Redis集群来分担负载和提高可扩展性。这有助于确保即使在大量数据下也能保持高性能。通过合理配置和管理，结合上述策略和实践建议，你可以有效地确保Redis中只存储热点数据，并提高应用的性能和响应速度。
在实际应用中最多使用的是缓存淘汰策略，限定 Redis 占?的内存，Redis 会根据??数据淘汰策略，留下热数据到内存。所以，计算?下 20w 数据?约占?的内存，然后设置?下
Redis 内存限制即可，并将淘汰策略为volatile-lru或者allkeys-lru。