【redis】缓存设计规范

本文是 Redis 键值设计的 14 个核心规范与最佳实践，按重要程度分层说明：

---

一、通用数据类型选择

这里我们先给出常规的选择路径图。

以下是对每个步骤的分析：

1. 是否需要排序？：
   • zset（有序集合）用于排序的唯一值，而list用于排序的重复值。
2. 数据是否唯一？：
   • set用于存储唯一的值。
3. 是否需要存储对象？：
   • Hash适合存储对象或具有多个字段的结构。
4. 考虑操作频率？：
   • String和Hash`都是Redis中最常用的数据类型，适用于高频读写操作。
5. 数据大小和内存占用大？：
   • Bitmap适合存储大量数据，同时占用较少的内存。
6. 消息队列？：
   • stream是Redis用于实现消息队列的数据类型。
7. 原子操作和数据过期？：
   • lua脚本可以用于实现原子操作，而Redis的过期机制可以用于数据过期。

---

二、键设计规范（Key Design）

1. 命名规范

   • 格式：业务模块:数据维度:唯一标识（例：user:profile:10001）
   • 强制要求：禁止包含空格、换行符、不可见字符
   • 建议：长度控制在 100 字节以内（内存敏感场景）

2. 大Key规避

   • 单Key值大小限制：
     • String 类型 ≤ 10KB
     • Hash/List/Set/Zset 元素数 ≤ 5000
   • 超标处理方案：
     • 数据分片（例：user:10001:cart_page1）
     • 启用压缩（客户端压缩 + LZF Redis压缩）

3. 过期策略

   • 必须设置过期时间（包括持久化数据，建议 30 天兜底）
   • 不同过期时间策略：

     -- 使用随机过期时间避免批量过期导致的毛刺
     local expire_time = 86400 + math.random(0, 3600)
     redis.call('EXPIRE', KEYS[1], expire_time)
     

---

三、值设计规范（Value Design）

4. 数据结构选择原则

   • 按使用频率选择：

     高频读写 → String/Hash
     范围查询 → ZSET
     去重计算 → Set/HLL
     关系查询 → RedisGraph（需 4.0+）
     

   • 禁止将 Redis 当关系型数据库使用（避免复杂关联查询）

5. JSON序列化陷阱

   • 推荐方案：
     • 高频字段拆解为 Hash 字段
     • 保留完整 JSON 作为 fallback 方案
   • 优化案例：

     HMSET user:10001 name "John" age 30 
     SET user:10001:full '{...}' EX 3600
     

6. 计数器设计

   • 必须使用 INCR/DECR 代替 GET+SET
   • 集群环境推荐使用 INCRBY float 代替整数运算

---

三、高级优化策略

7. 内存优化技巧

   • Hash 使用 ziplist 编码：

     redis.conf 配置：
     hash-max-ziplist-entries 512
     hash-max-ziplist-value 64
     

   • 使用 SSCAN/ZSCAN 替代 SMEMBERS/ZRANGE

8. 热点Key治理

   • 检测方法：redis-cli --hotkeys
   • 解决方案：
     • 本地缓存 + 异步刷新
     • Key 分片（例：hotkey_v1 → hotkey:{shard_id}:v1）

9. 事务与管道

   • 管道(pipeline)批量操作控制在 100 命令/批次
   • Watch 事务中避免包含耗时操作

---

四、集群与持久化

10. 集群规范

    • 单个分片内存 ≤ 10GB（AWS 内存优化型实例）
    • 跨槽操作使用 Hash Tag 需满足：
      • 相关Key必须使用相同{}内容
      • 示例：{user10001}.orders, {user10001}.profile

11. 持久化策略

    • AOF 配置：

      appendfsync everysec
      auto-aof-rewrite-percentage 100
      auto-aof-rewrite-min-size 64mb
      

    • RDB 快照周期 ≥ 15 分钟

---

五、避坑指南

12. 危险命令禁用

    rename-command FLUSHALL ""
    rename-command KEYS "internal_KEYS"
    

13. 慢查询防御

    • 设置超时阈值：

      slowlog-log-slower-than 5000 # 5ms
      

    • 定期分析：SLOWLOG GET 50

14. 连接池配置

    // Jedis 最佳配置示例
    JedisPoolConfig config = new JedisPoolConfig();
    config.setMaxTotal(500);         // 最大连接数
    config.setMaxIdle(100);          // 最大空闲连接
    config.setMinIdle(20);           // 最小空闲连接
    config.setMaxWaitMillis(2000);   // 最大等待时间
    

---

六、案例

以下通过 6个高频场景的对比案例 说明 Redis 键值设计的核心规范，帮助直观理解：

---

案例1：用户信息存储设计

❌ 错误做法

# 大JSON直接存储String类型，无过期时间
SET user_10001 '{name:"John",age:30,address:"...20个字段...",lastLogin:...}'

问题：

• Key无业务含义，易冲突
• Value超10KB违反大Key规范
• 高频读取时需全量解析JSON

✅ 正确方案

# 模块化Key命名 + Hash分字段存储 + 过期时间
HMSET user:profile:10001 name "John" age 30 address "..." lastLogin 1717040000
EXPIRE user:profile:10001 2592000  # 30天过期

优化点：

• 键结构清晰：业务模块:数据维度:ID
• 高频字段独立存取，减少网络传输
• 兜底过期避免数据堆积

---

案例2：电商购物车设计

❌ 错误做法

# 用List存储所有商品ID（可能产生大Key）
LPUSH cart:10001 "sku_123:5" "sku_456:3" ...(5000+商品)

问题：

• 超出5000元素的大Key阈值
• 分页查询困难

✅ 正确方案

# Hash分片存储 + 计数器
HMSET cart:10001:page1 sku_123 5 sku_456 3
HMSET cart:10001:page2 sku_789 2 ...

# 获取商品数量（原子操作）
HINCRBY cart:10001:page1 sku_123 1 

优化点：

• 分片控制单个Key元素数量
• 利用Hash字段的原子计数特性

---

案例3：秒杀库存热点Key

❌ 错误做法

# 集中式库存计数器（产生热点Key）
SET stock:sku_8888 1000
DECR stock:sku_8888  # 所有请求集中访问此Key

问题：

• 单Key承受极高QPS
• 集群模式下无法分散压力

✅ 正确方案

# 库存分片设计
SET stock:sku_8888:shard1 200
SET stock:sku_8888:shard2 200
...
SET stock:sku_8888:shard5 200# 客户端随机选择分片扣减
DECR stock:sku_8888:shard{random(1-5)}

优化点：

• 通过分片分散热点
• 结合本地缓存减少Redis访问

---

案例4：页面访问计数器

❌ 错误做法

# 非原子操作导致计数不准
count = redis.GET('page_view:home')
redis.SET('page_view:home', count+1)

问题：

• 并发场景下数据不一致
• 频繁GET/SET产生大量请求

✅ 正确方案

# 使用INCR原子操作
INCR page_view:home# 按小时滚动存储（避免单Key过大）
INCR page_view:home:2024052715

优化点：

• 原子操作保证准确性
• 时间分片控制Key规模

---

案例5：用户消息通知列表

❌ 错误做法

# 用String存储JSON数组（频繁全量读写）
SET msg:10001 '[{id:1,content:"..."}, {...1000条数据}]'

问题：

• 大Value导致网络阻塞
• 修改任意消息需全量更新

✅ 正确方案

# 使用ZSET按时间排序存储
ZADD msg:10001 1717040000 '{"id":1,"content":"..."}'
ZADD msg:10001 1717040001 '{"id":2,"content":"..."}'# 分页查询最新消息
ZREVRANGE msg:10001 0 9 WITHSCORES

优化点：

• 天然支持按时间排序和分页
• 单个消息的增删不影响整体

---

案例6：社交关系存储

❌ 错误做法

# 用String存储用户粉丝列表（大JSON数组）
SET followers:10001 "[20001,20002,...50000个用户ID]"

问题：

• 50000个ID超过大Key限制
• 判断是否关注需全量扫描

✅ 正确方案

# 使用Set存储关系 + 分页控制
SADD following:10001 20001 20002 ...  # 最多5000元素/Key
SADD following:10001:page2 20003 ...  # 分片存储# 检查关注关系
SISMEMBER following:10001 20001

优化点：

• 分片规避大Key
• 使用原生集合操作提升效率

---

总结技巧

1. Key设计三要素：业务线明确（user）、数据类型清晰（profile）、标识唯一（10001）
2. Value选择原则：
   • 优先使用 Hash 替代 String 存储对象
   • 需要排序用 ZSET，去重用 Set，队列用 List
3. 性能压测公式：

   # 模拟高并发场景
   redis-benchmark -h 127.0.0.1 -p 6379 -n 100000 -c 100 -t set,get