一、Redis的键值设计
1.1key的结构
Redis的Key在自定义时，最好遵循以下三个规则：
- 基本格式：[业务名称]：[数据名]：[id]
- 长度不超过44字节
- 不包含特殊字符
如：登录业务，保存用户信息的key 定义为 login：user：10（ [业务名称]：[数据名]：[id] ）
优点：
-
可读性强
-
避免key冲突
-
方便管理（使用可视化工具显示的是 层级结构 清晰明了）
-
更节省内存：key是string类型，底层编码包含int、embstr和raw三种。embstr在小于44字节使用，采用连续内存空间，内存占用更小
1.2 BigKey问题
BigKey通常以key的大小和key中成员的数量来综合判定，如：
- key本身的数据量过大：一个string类型的key，它的值为5MB
- key中成员数过多：一个ZSET类型的key，它的成员数量为10000个
- key中成员的数据量过大：比如一个Hash类型的key，它的成员数量可能不多，但是每个成员的value数据量大
推荐值：
- 单个key的value小于10KB
- 对于集合类型的key，建议元素数量小于1000
1.BigKey的危害
-
网络阻塞
对BigKey执行读请求时，少量的QPS就可能导致带宽使用率被占满，导致Redis实例甚至物理机变慢 -
数据倾斜
BigKey所在的Redis实例内存使用率远超其他实例，无法使数据分片的内存资料达到均衡 -
Redis阻塞
对元素较多的hash、list、zset等做运算会耗时较久，使主线程被阻塞 -
CPU压力
对BigKey的数据序列化和反序列化会导致CPU的使用率飙升，影响Redis实例和本机其他应用
2.查找BigKey
-
redis-cli -a 密码 --bigkeys
利用redis客户端提供的参数，可以遍历分析所有的key，并返回key的整体统计信息与每个数据类型的Top1 的big key
（每种数据类型的Top1可能是bigKey也可能不是，因为可能这种数据类型的key使用的数量少，而一些使用频率高的数据类型可能Top2也是BigKey，因此统计的并不完整） -
scan
自己编程，利用scan扫描Redis中的所有key，利用strlen、hlen等命令判断key的长度
scan 是对所有key分成多个部分进行扫描，避免在千万数量级key下 扫描所有key 影响主线程性能 -
第三发工具
利用第三方工具，如Redis-Rdb-Tools分析RDB快照文件，全面分析内存使用情况 -
网络监控
自定义工具，监控Redis的网络数据，超出预警值时主动告警 （一般使用云服务中的工具分析如：阿里云）
3.删除BigKey
使用 unlink 异步删除 （Redis 4.0以后）
4.避免BigKey
例1： 比如在存储一个User对象，有三种存储方式：
由图可知，当存储User对象这类数据时，最好选择hash结构进行存储，空间占用小，且可以灵活访问对象的任意字段（hash结构存储注意数据类型转化）
例2： 假如hash类型的key，有100万对field和value，这个key有什么问题？如何优化？
存在的问题：
- hash的entry数量超过500时，会使用哈希表而不是ZipList，内存占用多
- 可以通过
hash-max-ziplist-entries配置entry上限。但是如果entry过多就会导致BigKey问题
string类型占用内存太高，且批量获取数据麻烦，没有hash结构的关联性
注： 一些短期使用的key或者不经常使用的key设置过期时间，这样就不会出现BigKey问题
二、批处理优化
2.1 Pipeline
1.批处理的优势
单个命令的执行流程
一次命令的响应时间 = 1次往返的网络传输耗时+1次Redis执行命令耗时
网络传输耗时： ms毫秒级别 Redis执行命令耗时：us微秒级别
如果执行N条命令，那么N次网络传输往返的耗时将被扩大N倍，而执行命令的耗时可以忽略不记，此时执行N条命令耗时很长，会影响Redis的性能
如果一次网络传输就执行N次命令，那么就可以解决批量数据操作耗时长问题，提高了效率
Redis提供了很多批处理命令，可以实现批量插入数据，例如：
msethmset
注： 不要在一次批处理中传输太多命令，否则单次命令占用带宽过多，会导致网络阻塞
由于mset只能对string类型的数据进行批处理，而hmset只能对hash类型的数据进行操作，如果对复杂数据类型处理可以使用 Pipeline
Pipeline类似于一个管道，将命令放入管道中进行传输。
Pipeline的多个命令之间不具备原子性，可能会出现多线程插队等待耗时问题。
2.2 集群下的批处理
如 mset 或Pipeline这样的批处理需要在一次请求中携带多条命令，而此时如果Redis是一个集群，那批处理命令的多个key必须落在一个插槽中，否则就会导致执行失败。
解决方案：
由于hash_tag容易出现数据倾斜，在集群模式下数据倾斜可能会造成单点问题，因此常用并行slot方式实现集群下批处理。在spring整合的redis包中 stringRedisTemplate 有封装好的用法，底层实现时异步的管道传输模式。
例如：stringRedisTemplate.opsForValue().multiSet();
三、服务端优化
3.1持久化配置
Redis的持久化虽然保证数据安全，但也会带来很多额外的开销，因此持久化一般遵守以下建议：
- 用来做缓存的Redis实例尽量不要开启持久化功能 （开多个Redis实例分别复杂不同的业务）
- 建议关闭RDB持久化功能，使用AOF持久化
- 利用脚本定期在slave节点做RDB，实现数据备份
- 设置合理的rewrite阈值，避免频繁的bgrewrite
- 配置
no-appendfsync-on-rewrite = yes，禁止在rewrite期间做AOF，避免因AOF引起的阻塞 （可能出现数据丢失）
Redis持久化详情
部署相关建议：
- Redis实例的物理机要预留足够内存，应对fork和rewrite
- 单个Redis实例内存上限不要太大，例如4G或8G。可以加快fork的速度、减少主从同步、数据迁移压力
- 不要与CPU密集型应用部署在一起 （fork时比较耗CPU）
- 不要与高硬盘负载应用一起部署。例如：数据库、消息队列
总结就是 redis最好独占一个服务器 hh
3.2 慢查询
在Redis执行时耗时超过某个阈值的命令，称为慢查询。
由于Redis是单线程执行命令，所以执行一个命令会放入队列中，排队等待执行，此时若一个慢查询耗时较久，队列中等待的命令可能因等待超时出错
阈值 的配置：
slowlog-log-slower-than:慢查询阈值，单位微秒。默认10000，建议1000
慢查询会被放入慢查询日志中，日志的长度有上限，可以通过配置指定：slowlog-max-len: 慢查询日志（本质是一个队列）的长度。默认是128，建议1000
查看慢查询日志列表：slowlog len: 查询慢查询日志长度slowlog get [n]读取n条慢查询日志slowlog reset:清空慢查询列表
可以使用桌面客户端RESP
3.3 内存安全和配置
当Redis内存不足时，可能导致key频繁被删除、响应时间变长、QPS不稳定等问题。当内存使用率达到90%以上时就需要警惕，并快速定位到内存被占用的原因。
查看Redis目前的内存分配状态
info memorymemory xxx
内存缓冲区配置
- 复制缓冲区:主从复制的
repl_backlog_buf，如果太小可能导致频繁的全量复制，影响性能。通过repl-backlog-size来设置，默认1mb - AOF缓冲区:AOF刷盘之前的缓存区域，AOF执行rewrite的缓冲区。无法设置容量上限
- 客户端缓冲区:分为输入缓冲区和输出缓冲区，输入缓冲区最大1G且不能设置。输出缓冲区可以设置
3.4 集群的问题
1.数据完整性问题
在Redis的默认配置中，如果发现任意一个插槽不可用，整个集群都会对外停止服务
2.带宽问题
集群节点之间会不断的互相Ping来确定集群中其它节点的状态。每次Ping携带的信息至少包括:
- 插槽信息
- 集群状态信息
集群中节点越多，集群状态信息数据量也越大，10个节点的相关信息可能达到1kb,此时每次集群互通需要的带宽会非常高。
解决途径：
- 避免大集群，集群节点数不要太多,最好少于1000，如果业务庞大，则建立多个集群。
- 避免在单个物理机中运行太多Redis实例
- 配置合适的
cluster-node-timeout值
3.数据倾斜问题
BigKey或批处理时，使用相同的hash_tag来保证所有key落在同一个插槽slot，会导致某些结点数据量远大于其他节点
4.客户端性能问题
当使用客户端连接Redis集群时，需要进行节点选择、插槽slot判断、读写判断，会影响客户端性能
5.命令的集群兼容性问题
比如批处理 mset 在集群模式如果不能落在相同的插槽slot上就会报错。
6.lua和事务问题
多个命令的key必须在同一个slot，如果不在就会报错。因此集群模式下就不能使用lua和事务
单体Redis（主从Redis）已经能达到万级别的QPS，并且也具备很强的高可用性。如果主从能满足业务需求，那么就尽量不搭建Redis集群
参考学习：黑马Redis入门到实战