Redis缓存策略与热点键优化

概述Redis 在高并发场景下常用于读多写少的热点数据缓存。本文围绕缓存命中率、内存策略与热点治理给出实战建议，并明确关键参数与验证方法，确保优化可量化与复现。核心策略分层缓存：本地（L1）+ Redis（L2）；避免所有请求都击中远端。Key 设计：包含业务维度与版本号；合理分桶，减少热点集中在单个键。TTL 策略：在稳定性与准确性之间平衡；核心数据使用随机 TTL（抖动）降低雪崩风险。内存与逐出策略（已验证）`maxmemory`：限制实例可用内存，避免 OOM。`maxmemory-policy`：`allkeys-lru`：按最近最少使用淘汰；常用通用策略。`allkeys-lfu`：按使用频率淘汰；对热点识别更稳健。`volatile-ttl`：优先淘汰 TTL 更短的键（仅限有过期的键）。热点与穿透治理热点拆分：将单个超热点键拆分为多个分片键；或使用局部缓存（如本地 LRU）。缓存穿透：为不存在的资源写入短 TTL 的空值或使用布隆过滤器。缓存雪崩：过期时间加入随机抖动；限流与降级兜底。性能实践Pipeline：批量读写降低 RTT；按 100–500 条为一批次（结合业务验证）。Lua 原子操作：在服务端合并计数/校验逻辑，减少往返与竞态。连接与线程：合理连接池与 I/O 线程配置，避免阻塞。示例Pipeline 读写# 以客户端为例（伪代码）： pipeline.set(k1, v1).expire(k1, 600) pipeline.set(k2, v2).expire(k2, 600) pipeline.exec() Lua 热点防击穿（伪代码）local v = redis.call('GET', KEYS[1]) if v then return v end redis.call('SET', KEYS[1], ARGV[1], 'EX', ARGV[2]) return ARGV[1] 验证与监控命中率：观测 `keyspace_hits`/`keyspace_misses`；分业务/接口统计。内存与逐出：`used_memory`、`evicted_keys`；在压测与高峰期关注变化。端到端指标：P95/P99 延迟、限流触发率；对热点接口建独立告警。常见误区TTL 过短导致频繁回源；过长造成陈旧数据。所有键共享同一过期时间，易发生雪崩。未区分冷热数据，导致内存浪费与逐出不合理。结语通过合理的 Key 设计、逐出策略选择与热点治理手段，结合监控与压测闭环，Redis 可在高并发场景下稳定提升吞吐与体验。