键值设置
key名设置
- （1）【建议】：可读性和可管理性
以业务名(或数据库名)为前缀(防止key冲突)，用冒号分隔，比如业务名:表名:id
trade:order:1
- （2）【建议】：简洁性
保证语言的前提下，控制key的长度，当key较多时，内存占用也不容忽视，例如
user:{uid}:friends:message:{mid} 简化为 u:{uid}:fr:m:{mid}
- （3）【强制】：不要包含特殊字符
反例：包含空格、换行、单双引号以及其他转义字符
value设计
- （1）【强制】：拒绝bigkey(防止网卡流量、慢查询)
在 Redis 中，一个字符串最大512MB，一个二级数据结构(例如hash、list、set、zset)可以存储大约40亿个(2^32-1)个元素，但实际中如果下面两种情况，我就会认为它是bigkey- 1、字符串类型：它的big体现在单个value值很大，一般认为超过10KB就是bigkey
- 2、非字符串类型：哈希、列表、集合、有序集合，它们的big体现在元素个数太多
一般来说，string类型控制在10KB以内，hash、list、set、zset元素个数不超过5000。
反例：一个包含200万个元素的list
非字符串的bigkey，不要使用del删除，使用hscan、sscan、zscan方式渐进式删除，同时要注意防止bigkey过期时间自动删除问题(例如一个200万的zset设置1小时过期，会触发del操作，造成阻塞)
bigkey的危害
I、导致redis阻塞
II、网络阻塞
bigkey也就意味着每次获取要产生的网络流量很大，假设一个bigkey为1MB，客户端每秒访问量为1000，那么每秒产生1000MB的流量，对于普通的千兆网卡(按照字节算是128MB/s)的服务器来说简直是灭顶之灾，而且一般服务器会采用单机多实例的方式来部署，也就是说一个bigkey可能会对其他实例造成影响，其后果不堪设想
III、过期删除
有个bigkey，它安分守己(只执行简单的命令，例如hget、lpop、zscore等)，但它设置了过期时间，当它过期后，会被删除，如果没有使用Redis4.0的过期异步删除(lazyfree-lazy-expire yes)，就会存在阻塞redis的可能性
bigkey的产生：
一般来说bigkey的产生都是由于程序设计不当，或者对于数据规模预料不清楚造成的，来看几个例子：
a.社交类：粉丝列表，如果某些明星或者大V不经心设计下，必是bigkey
b.统计类：例如按天存储某项功能或者网站的用户集合，除非没几个人用，否则必是bigkey
c.缓存类：将数据从数据库load出来序列化放到redis里，这个方式非常常用，但是有两个地方需要注意，第一，是不是有必要把所有字段都缓存；第二，有没有相关关联的数据，有的同学为了图方便把相关数据都存一个key下，产生bigkey
如何优化bigkey：
A.拆
big list：list1、list2、list3...listN
big hash：可以将数据分段存储，比如说一个大的key，假设存了1百万的用户数据，可以拆分成200个key，每个key下面存放5000个用户数据
B.如果bigkey不可避免，也要思考一下要不要每次把所有元素都取出来(例如有时候仅仅需要hmget，而不是hgetall)，删除也是一样，尽量使用优雅的方式来处理
- （2）【推荐】：选择适合的数据类型
例如：实体类型(要合理控制和使用数据结构，但也要注意节省内存和性能之间的平衡)
反例：
set user:1:name tom
set user:1:age 19
set user:1:favor football
正例：
hmset user:1 name tom age 19 favor football
- （3）【推荐】：控制key的生命周期，redis不是垃圾桶
建议使用expire设置过期时间(条件允许可以打散过期时间，防止集中过期)
命令使用
-
（1）【推荐】：O(N)命令关注N的数量
例如hgetall、lrange、smembers、zrange、sinter等并非不能使用，但是需要明确N的值。有遍历的需求可以使用hscan、sscan、zscan代替 -
（2）【推荐】：禁用命令
禁止线上使用keys、flushall、flushdb等，通过redis的rename机制禁掉命令，或者使用scan的方式渐进处理 -
（3）【推荐】：合理使用select
redis的多数据库较弱，使用数字进行区分，很多客户端支持较差，同时多业务用多数据库实际还是单线程处理，会有干扰 -
（4）【推荐】：使用批量操作提高效率
原生命令：例如mget、mset
非原生命令：可以使用pipeline提高效率
但要注意控制一次批量操作的元素个数(例如500以内，实际也和元素字节数有关)
注意两者不同：
1.原子命令时原子操作，pipeline是非原子操作
2.pipeline可以打包不同的命令，原生命令做不到
3.pipeline需要客户端和服务端同时支持
- （5）【建议】：redis事务功能较弱，不建议过多使用，可以用 lua 替代
客户端使用
-
1.【推荐】：避免多个应用使用一个redis实例
正例：不相干的业务拆分，公共数据做服务化 -
2.【推荐】：使用带有连接池的数据库，可以有效控制连接，同时提高效率，标准使用方式
JedisPoolConfig jedisPoolConfig = new JedisPoolConfig();
jedisPoolConfig.setMaxTotal(5);
jedisPoolConfig.setMaxIdle(2);
jedisPoolConfig.setTestOnBorrow(true);
JedisPool jedisPool = new JedisPool(jedisPoolConfig, "192.168.0.60", 6379, 3000, null);
Jedis jedis = null;
try {
jedis = jedisPool.getResource();
//具体的命令
jedis.executeCommand()
} catch (Exception e) {
logger.error("op key {} error: " + e.getMessage(), key, e);
} finally {
//注意这里不是关闭连接，在JedisPool模式下，Jedis会被归还给资源池。
if (jedis != null)
jedis.close();
}
连接池参数含义:
优化建议：
a）maxTotal：最大连接数，早期的版本叫maxActive
实际上这个问题很难回答，考虑的因素比较多
- 业务希望Redis并发量
- 客户端执行命令时间
- Redis资源：例如 nodes(例如应用个数) * maxTotal 是不能超过redis的最大连接数maxclients。
- 资源开销：例如虽然希望控制空闲连接(连接池此刻可马上使用的连接)，但是不希望因为连接池的频繁释放创建连接造成不必靠开销。
以一个例子说明，假设
一次命令时间（borrow|return resource + Jedis执行命令(含网络) ）的平均耗时约为1ms，一个连接的QPS大约是1000
业务期望的QPS是50000
那么理论上需要的资源池大小是50000 / 1000 = 50个。但事实上这是个理论值，还要考虑到要比理论值预留一些资源，通常来讲maxTotal可以比理论值大一些。
但这个值不是越大越好，一方面连接太多占用客户端和服务端资源，另一方面对于Redis这种高QPS的服务器，一个大命令的阻塞即使设置再大资源池仍然会无济于事。
b）maxIdle和minIdle
maxIdle实际上才是业务需要的最大连接数，maxTotal是为了给出余量，所以maxIdle不要设置过小，否则会有new Jedis(新连接)开销。
连接池的最佳性能是maxTotal = maxIdle，这样就避免连接池伸缩带来的性能干扰。但是如果并发量不大或者maxTotal设置过高，会导致不必要的连接资源浪费。一般推荐maxIdle可以设置为按上面的业务期望QPS计算出来的理论连接数，maxTotal可以再放大一倍。
minIdle（最小空闲连接数），与其说是最小空闲连接数，不如说是"至少需要保持的空闲连接数"，在使用连接的过程中，如果连接数超过了minIdle，那么继续建立连接，如果超过了maxIdle，当超过的连接执行完业务后会慢慢被移出连接池释放掉。
如果系统启动完马上就会有很多的请求过来，那么可以给redis连接池做预热，比如快速的创建一些redis连接，执行简单命令，类似ping()，快速的将连接池里的空闲连接提升到minIdle的数量。
连接池预热示例代码:
List<Jedis> minIdleJedisList = new ArrayList<Jedis>(jedisPoolConfig.getMinIdle());
for (int i = 0; i < jedisPoolConfig.getMinIdle(); i++) {
Jedis jedis = null;
try {
jedis = pool.getResource();
minIdleJedisList.add(jedis);
jedis.ping();
} catch (Exception e) {
logger.error(e.getMessage(), e);
} finally {
//注意，这里不能马上close将连接还回连接池，否则最后连接池里只会建立1个连接。。
//jedis.close();
}
}
//统一将预热的连接还回连接池
for (int i = 0; i < jedisPoolConfig.getMinIdle(); i++) {
Jedis jedis = null;
try {
jedis = minIdleJedisList.get(i);
//将连接归还回连接池
jedis.close();
} catch (Exception e) {
logger.error(e.getMessage(), e);
} finally {
}
}
总之，要根据实际系统的QPS和调用redis客户端的规模整体评估每个节点所使用的连接池大小。
-
3.【建议】：高并发下建议客户端添加熔断功能(例如sentinel、hystrix)
-
4.【推荐】：设置合理的密码，如有必要可以使用SSL加密访问
-
5.【建议】
Redis对于过期键有三种清除策略：
被动删除：当读/写一个已经过期的key时，会触发惰性删除策略，直接删除掉这个过期key
主动删除：由于惰性删除策略无法保证冷数据被及时删掉，所以Redis会定期(默认每100ms)主动淘汰一批已过期的key，这里的一批只是部分过期key，所以可能会出现部分key已经过期但还没有被清理掉的情况，导致内存并没有被释放
当前已用内存超过maxmemory限定时，触发主动清理策略
主动清理策略在Redis 4.0 之前一共实现了 6 种内存淘汰策略，在 4.0 之后，又增加了 2 种策略，总共8种：
A) 针对设置了过期时间的key做处理：
volatile-ttl：在筛选时，会针对设置了过期时间的键值对，根据过期时间的先后进行删除，越早过期的越先被删除。
volatile-random：就像它的名称一样，在设置了过期时间的键值对中，进行随机删除。
volatile-lru：会使用 LRU 算法筛选设置了过期时间的键值对删除。
volatile-lfu：会使用 LFU 算法筛选设置了过期时间的键值对删除。
B) 针对所有的key做处理：
allkeys-random：从所有键值对中随机选择并删除数据。
allkeys-lru：使用 LRU 算法在所有数据中进行筛选删除。
allkeys-lfu：使用 LFU 算法在所有数据中进行筛选删除。
C) 不处理：
noeviction：不会剔除任何数据，拒绝所有写入操作并返回客户端错误信息"(error) OOM command not allowed when used memory"，此时Redis只响应读操作。
LRU 算法（Least Recently Used，最近最少使用）
淘汰很久没被访问过的数据，以最近一次访问时间作为参考。
LFU 算法（Least Frequently Used，最不经常使用）
淘汰最近一段时间被访问次数最少的数据，以次数作为参考。
当存在热点数据时，LRU的效率很好，但偶发性的、周期性的批量操作会导致LRU命中率急剧下降，缓存污染情况比较严重。这时使用LFU可能更好点。
根据自身业务类型，配置好maxmemory-policy(默认是noeviction)，推荐使用volatile-lru。如果不设置最大内存，当 Redis 内存超出物理内存限制时，内存的数据会开始和磁盘产生频繁的交换 (swap)，会让 Redis 的性能急剧下降。
当Redis运行在主从模式时，只有主结点才会执行过期删除策略，然后把删除操作”del key”同步到从结点删除数据。