人工智能 人脸识别 基础模块的缓存层

项目后面需要支持监狱，学校，这种业务场景，需要支持捉拍，推送消息，支持安防，门禁系统的数据汇总，因此后面肯定要使用redis集群对业务数据高可用，访问高效，开始搭建redis集群的时候，考虑到需要把这个缓存层抽取到一个基础模块处理，提供以后其他服务公用，比如虹膜，声纹等扩展的服务，但是redis的集群并不是越多越好，毕竟它里面对集群里面的通信使用的是ping，meet，pong，fail，等发送，而这些的通信头给的大小只是2k，因此集群里面的通信数据是有限的，而且集群里面的通信的频率大概是10/per ，如果集群规模太大，就会影响到整个基础模块的通信数据体量，以及交互，网上看到一遍对redis集群原理的介绍,里面提到了集群的通信新加入节点，失败 通信后的处理原理介绍比较详细。
但是这里抽取出一个缓存模块来支持各个服务的调用，这就需要考虑到几点，
1.各个服务之间的依赖的代码是否冗余
2.是否是主线的业务服务所依赖，缓存模块如果出了问题，如何进行熔断处理
3.gateway如何支持缓存层的数据过滤，权限访问