Redis缓存详解及常见问题解决方案

一、Redis核心特性与架构

1. Redis核心优势

• 内存存储：数据存储在内存中，读写性能极高（10万+ QPS）
• 丰富数据结构：支持String、Hash、List、Set、SortedSet等
• 持久化支持：RDB快照和AOF日志两种方式
• 高可用：支持主从复制、哨兵模式和集群模式
• 原子操作：单线程模型保证命令原子性
• 发布订阅：支持消息的发布/订阅模式
• Lua脚本：支持执行原子性Lua脚本

2. Redis架构模式对比

模式	特点	适用场景
单机模式	简单部署，无高可用	开发测试环境
主从复制	读写分离，数据冗余	读多写少的业务场景
哨兵模式	自动故障转移	对可用性有要求的业务
Cluster集群	数据分片，水平扩展	大数据量高并发场景

二、Redis持久化机制

1. RDB（Redis Database）

​原理​：定时生成内存快照

# redis.conf配置示例
save 900 1      # 900秒内至少1个key变化
save 300 10     # 300秒内至少10个key变化
save 60 10000   # 60秒内至少10000个key变化

​优点​：

• 紧凑的二进制文件，恢复速度快
• 适合灾难恢复
• 最大化Redis性能

​缺点​：

• 可能丢失最后一次快照后的数据
• 大数据量时fork过程可能阻塞服务

2. AOF（Append Only File）

​原理​：记录所有写操作命令

# redis.conf配置示例
appendonly yes
appendfsync everysec  # 每秒同步
# appendfsync always # 每个命令同步
# appendfsync no     # 由操作系统决定

​优点​：

• 数据安全性更高（最多丢失1秒数据）
• AOF文件易于理解和解析
• 后台重写不会影响客户端请求

​缺点​：

• 文件体积通常比RDB大
• 恢复速度比RDB慢

3. 混合持久化（Redis 4.0+）

# redis.conf配置
aof-use-rdb-preamble yes

结合RDB和AOF优势，先使用RDB格式存储快照，后续增量使用AOF格式

三、Redis集群方案

1. 主从复制架构

​特点​：

• 读写分离：主节点写，从节点读
• 数据冗余：从节点备份数据
• 故障需手动切换

2. 哨兵模式（Sentinel）

# sentinel.conf配置示例
sentinel monitor mymaster 127.0.0.1 6379 2
sentinel down-after-milliseconds mymaster 5000
sentinel failover-timeout mymaster 60000

​功能​：

• 监控：持续检查主从节点状态
• 通知：通过API发送故障警报
• 自动故障转移：主节点故障时选举新主
• 配置提供者：客户端查询获取当前主节点地址

3. Cluster集群模式

​数据分片​：

• 16384个哈希槽（slot）

• 每个节点负责部分slot

• 支持自动重分片（resharding）

  集群节点通信端口比数据端口大10000

  redis-cli --cluster create 127.0.0.1:7000 127.0.0.1:7001
  127.0.0.1:7002 127.0.0.1:7003 127.0.0.1:7004 127.0.0.1:7005
  --cluster-replicas 1

​优势​：

• 自动数据分片
• 部分节点不可用时继续工作
• 支持线性扩展

四、Redis常见问题解决方案

1. 缓存雪崩

​场景​：大量key同时过期，请求直接打到数据库

​解决方案​：

// 1. 随机过期时间
jedis.setex("key", 3600 + new Random().nextInt(600), "value");

// 2. 多级缓存
// 本地缓存(Caffeine) -> Redis -> DB
LoadingCache<String, Object> localCache = Caffeine.newBuilder()
    .maximumSize(10_000)
    .expireAfterWrite(5, TimeUnit.MINUTES)
    .build(key -> getFromRedisOrDB(key));

// 3. 熔断降级
CircuitBreaker circuitBreaker = CircuitBreaker.ofDefaults("redis");
Supplier<Object> supplier = CircuitBreaker.decorateSupplier(circuitBreaker, 
    () -> getFromRedis(key));

2. 缓存穿透

​场景​：大量查询不存在的数据

​解决方案​：

// 1. 布隆过滤器
BloomFilter<String> filter = BloomFilter.create(
    Funnels.stringFunnel(Charset.defaultCharset()), 
    1000000, 
    0.01);

if(!filter.mightContain(key)) {
    return null;
}

// 2. 缓存空值
Object value = jedis.get(key);
if(value == null) {
    jedis.setex("null_"+key, 300, "");
    return null;
}

3. 缓存击穿

​场景​：热点key突然失效，大量并发请求数据库

​解决方案​：

// 1. 互斥锁
String value = jedis.get(key);
if(value == null) {
    if(jedis.setnx("lock_"+key, "1") == 1) {
        jedis.expire("lock_"+key, 10);
        try {
            value = db.query(key);
            jedis.setex(key, 3600, value);
        } finally {
            jedis.del("lock_"+key);
        }
    } else {
        Thread.sleep(100);
        return getFromCache(key);
    }
}

// 2. 永不过期+后台刷新
jedis.set(key, value);
// 后台线程定期更新
scheduler.scheduleAtFixedRate(() -> {
    String newValue = db.query(key);
    jedis.set(key, newValue);
}, 30, 30, TimeUnit.MINUTES);

4. 数据一致性

​场景​：数据库更新后缓存未同步

​解决方案​：

// 1. 双写策略
@Transactional
public void updateUser(User user) {
    userDao.update(user);
    redisTemplate.opsForValue().set("user:"+user.getId(), user);
}

// 2. 延迟双删
public void updateProduct(Product product) {
    redisTemplate.delete("product:"+product.getId());
    productDao.update(product);
    executor.schedule(() -> {
        redisTemplate.delete("product:"+product.getId());
    }, 1, TimeUnit.SECONDS);
}

// 3. Canal监听binlog
@CanalEventListener
public class RedisUpdateListener {
    @UpdateListenPoint
    public void onUpdate(User user) {
        redisTemplate.opsForValue().set("user:"+user.getId(), user);
    }
}

5. 大Key问题

​场景​：单个Key存储数据过大（>1MB）

​解决方案​：

// 1. 拆分大Key
// 原始大Hash -> 多个小Hash
Map<String, String> bigMap = new HashMap<>();
for(int i=0; i<10000; i++) {
    bigMap.put("field"+i, "value"+i);
}
// 拆分为10个Hash
for(int i=0; i<10; i++) {
    Map<String, String> part = new HashMap<>();
    for(int j=0; j<1000; j++) {
        part.put("field"+(i*1000+j), "value"+(i*1000+j));
    }
    redisTemplate.opsForHash().putAll("bigHash:part"+i, part);
}

// 2. 使用SCAN替代KEYS
String cursor = "0";
do {
    ScanResult<String> scanResult = jedis.scan(cursor, 
        new ScanParams().match("user:*").count(100));
    cursor = scanResult.getCursor();
    List<String> keys = scanResult.getResult();
    // 处理keys
} while(!cursor.equals("0"));

6. 热Key问题

​场景​：某些Key访问量远超其他Key

​解决方案​：

// 1. 本地缓存热Key
LoadingCache<String, Object> localCache = Caffeine.newBuilder()
    .maximumSize(1000)
    .expireAfterWrite(10, TimeUnit.SECONDS)
    .build(key -> jedis.get(key));

// 2. Redis集群分片+副本
// 对热Key增加副本
jedis.set("hotKey:1", value);
jedis.set("hotKey:2", value); // 相同值的副本

// 3. 使用Redis代理中间件
// 如Twemproxy或Redis Cluster自动分片

五、Redis性能优化

1. 内存优化

# redis.conf关键配置
hash-max-ziplist-entries 512  # Hash元素数量≤512使用ziplist
hash-max-ziplist-value 64     # Hash元素值大小≤64字节使用ziplist
list-max-ziplist-entries 512
list-max-ziplist-value 64
set-max-intset-entries 512
zset-max-ziplist-entries 128
zset-max-ziplist-value 64

2. 网络优化

# 1. 使用pipeline批量操作
Pipeline p = jedis.pipelined();
p.set("key1", "value1");
p.set("key2", "value2");
p.sync();

# 2. 避免大Value（超过1MB）
# 3. 使用连接池
JedisPool pool = new JedisPool(new JedisPoolConfig(), "localhost");
try (Jedis jedis = pool.getResource()) {
    // 操作Redis
}

3. 命令优化

• 使用MGET/MSET替代多次GET/SET

• 使用SCAN替代KEYS

• 使用DEL异步删除大Key（Redis 4.0+）

  redis-cli --bigkeys # 查找大Key
  redis-cli --memkeys # 分析内存使用
  redis-cli --latency-history # 监控延迟

六、Redis监控与运维

1. 关键监控指标

指标	说明	健康值参考
used_memory	已用内存	< 80% maxmemory
mem_fragmentation_ratio	内存碎片率	1.0-1.5
instantaneous_ops_per_sec	每秒操作数	根据业务特点
keyspace_hits	缓存命中数	越高越好
keyspace_misses	缓存未命中数	越低越好
connected_clients	客户端连接数	< 10000
rejected_connections	拒绝的连接数	0

2. 常用运维命令

# 内存分析
redis-cli info memory
redis-cli --bigkeys

# 性能测试
redis-benchmark -t set,get -n 100000 -q

# 慢查询分析
redis-cli slowlog get 10
config set slowlog-log-slower-than 10000  # 设置慢查询阈值(微秒)

# 持久化监控
redis-cli info persistence

七、Redis应用场景示例

1. 分布式锁

public boolean tryLock(String key, String value, long expireTime) {
    return "OK".equals(jedis.set(key, value, "NX", "PX", expireTime));
}

public boolean unlock(String key, String value) {
    String luaScript = "if redis.call('get', KEYS[1]) == ARGV[1] then " +
                       "return redis.call('del', KEYS[1]) else return 0 end";
    Object result = jedis.eval(luaScript, Collections.singletonList(key), 
                              Collections.singletonList(value));
    return result.equals(1L);
}

2. 限流器

public boolean isAllowed(String key, int max, int intervalSec) {
    String luaScript = "local current = redis.call('incr', KEYS[1])\n" +
                       "if current == 1 then\n" +
                       "    redis.call('expire', KEYS[1], ARGV[1])\n" +
                       "end\n" +
                       "return current <= tonumber(ARGV[2])";
    Object result = jedis.eval(luaScript, Collections.singletonList(key),
                             Arrays.asList(String.valueOf(intervalSec), 
                                         String.valueOf(max)));
    return (Long)result <= max;
}

3. 排行榜

// 添加分数
jedis.zadd("leaderboard", 100, "user1");
jedis.zadd("leaderboard", 200, "user2");

// 获取排名
Set<Tuple> topUsers = jedis.zrevrangeWithScores("leaderboard", 0, 9);

八、Redis版本特性

Redis 6.0+

• 多线程I/O：提高网络IO性能（执行命令仍单线程）
• 客户端缓存：服务端辅助的客户端缓存
• ACL：更完善的访问控制
• SSL：支持加密连接

Redis 7.0+

• Function：支持服务端脚本（替代部分Lua使用场景）
• Multi-part AOF：AOF文件分块存储
• Sharded Pub/Sub：分片发布订阅

总结

Redis作为高性能的内存数据库，在缓存、会话存储、排行榜等场景有广泛应用。合理使用Redis需要：

1. 根据业务特点选择合适的数据结构
2. 设计合理的过期策略和缓存更新机制
3. 针对雪崩、穿透、击穿等问题实施防御措施
4. 做好监控和容量规划
5. 及时升级版本获取新特性

通过以上最佳实践，可以充分发挥Redis的性能优势，同时避免常见的陷阱和问题。