Redis那个过期删除策略,差点让我线上崩了

凌晨三点,告警炸了

那是一个用户画像项目,Redis 里缓存了 3000W+ 的 user tags,每个 key 设置了 24h 过期时间。上线一周风平浪静,直到某天凌晨突然 CPU 飙到 90%,Redis 响应延迟突破 2s------而我们的 SLA 是 99% 请求 <100ms。

  • 你可能会问*:"Redis 不是有惰性删除和定期删除吗?怎么会突然拖垮性能?" 这就是最讽刺的地方:我们以为的"自动过期"机制,在特定场景下会变成定时炸弹。

根因:过期删除的"三角博弈"

Redis 处理过期 key 有三种策略:

  1. 惰性删除(访问时检查)
  2. 定期删除(随机抽查+删除)
  3. 主动淘汰(内存不足触发)

问题出在定期删除的配置耦合性上。我们来看默认配置(redis.conf):

conf 复制代码
hz 10  # 每秒执行10次定期删除
maxmemory-samples 5  # 每次随机检查5个key

这意味着:

  • 每秒最多检查 10 * 5 = 50 个 key
  • 对于 3000W key 的实例,平均要 7 天才能扫描完一轮
  • 但真实世界是幂律分布的*:我们的业务在凌晨集中过期 40% 的 key(用户每日签到重置)。当海量 key 同时过期时:
  1. 惰性删除被动挨打,请求量低时根本处理不过来
  2. 定期删除像拿牙签通下水道,完全跟不上节奏

最终结果:过期 key 堆积占用内存,触发主动淘汰,而淘汰过程是单线程阻塞的------这就是那 2s 延迟的真相。

从"翻车"到"救火"的代码实录

错误姿势:暴力全量设置相同TTL

java 复制代码
// 批量导入用户标签(问题代码)
public void loadUserTags(Map<String, String> tags) {
    tags.forEach((userId, tag) -> {
        // 所有key在相同时间点过期!
        redisTemplate.opsForValue().set(
            "user:tag:" + userId, 
            tag, 
            24, TimeUnit.HOURS  // 固定24小时
        );
    });
}

正确解法:TTL时间随机化

java 复制代码
// 优化版本:打散过期时间
public void loadUserTags(Map<String, String> tags) {
    Random random = ThreadLocalRandom.current();
    tags.forEach((userId, tag) -> {
        // 基础24h + 随机0~6h
        int ttl = 24 + random.nextInt(6); 
        redisTemplate.opsForValue().set(
            "user:tag:" + userId,
            tag,
            ttl, TimeUnit.HOURS
        );
    });
}
  • 效果对比 *(相同数据量下): | 方案 | 内存占用峰值 | P99延迟 | 主动淘汰触发频率 |
    |---------------|--------------|---------|------------------|
    | 固定TTL | 38GB | 2200ms | 15次/分钟 |
    | 随机TTL | 29GB (-24%) | 90ms | 0次 |

资深工程师的避坑清单

  1. 永远不要集中过期

    • 业务层面:像优惠券、session等场景,TTL建议加上随机数(比如±10%)
    • 运维层面:监控 expired_keys 指标突增
  2. 调整定期删除力度

    conf 复制代码
    hz 100  # 适当调高(CPU密集型业务慎用)
    maxmemory-samples 20  # 增加采样数量

    但要注意:hz超过100可能占用30%以上CPU

  3. 警惕内存驱逐风暴

    • 当 used_memory > maxmemory 时,Redis会同步执行淘汰策略(LRU/LFU等)
    • 实测:500W key的LFU淘汰可能阻塞800ms
  4. 别指望惰性删除

    如果你的服务有低峰期(比如夜间),堆积的过期key就像未爆弹

现在,轮到你了

这次事故后,我们给 Redis 加了两道保险:

  1. 接入实时监控,对 expired_stale_perc(过期key占比)设置告警
  2. 所有批量操作强制TTL随机化
  • 你在项目中是怎么处理Redis过期的?遇到过更诡异的坑吗?* 欢迎在评论区聊聊你的实战经历。
相关推荐
jianqiang.xue12 分钟前
Espressif-IDE进入维护模式:乐鑫把ESP32开发的宝押给VS Code
前端·css·ide
ServBay15 分钟前
Cursor披露恶意扩展,怎么守住本地 API Key
后端·ai编程·cursor
阿里云大数据AI技术28 分钟前
AI 原生大数据服务 ADA 快速入门:完成首次对话式数据分析
大数据·人工智能
特创数字科技34 分钟前
纯本地离线运行的文档脱敏工具(技术分享)
前端·驱动开发·python
字节跳动开源36 分钟前
小红书/抖音图文排版利器——一个杂志风skill
人工智能·开源·设计
Bacon37 分钟前
我把 Codex 塞进了 Touch Bar:一个 30pt 高的额度与对话面板
人工智能
AndreaYYmm38 分钟前
多台设备共享一个 NFS,怎么保证压力测试不同时跑?一把互斥锁的设计与最简验证
后端
心之语歌1 小时前
uni-app uts原生插件开发:uts 与 Kotlin 交互踩坑实录(附解决方案)
前端·后端