一、需求背景

1.1背景

项目历史悠久，迭代多年，经过众多同事接手。对于缓存的使用存在许多不合理之处，导致了许多keys冗余：

• 编码层面：序列化方式不统一、数据结构使用不合理造成存储空间冗余、用户数据膨胀导致数据堆积产生的大key、没有设置过期时间的key等等。

• 业务层面：历史需求、运营活动等，存在一批已经停止使用但一直存储在实例中的key。

1.2优化的原因

1.2.1昂贵的费用

目前项目采用了128G的集群，八台实例，平均内存占用70-80G，大概2亿个key。Redis的费用非常昂贵，贴一张阿里云相近规格收费的图。

1.2.2大key存在的隐患

大key会带来的问题如下：

1、集群模式在slot分片均匀情况下，会出现数据和查询倾斜情况，部分有大key的Redis节点占用内存多，QPS高。

2、大key相关的删除或者自动过期时，会出现qps突降或者突升的情况，极端情况下，会造成主从复制异常，Redis服务阻塞无法响应请求。

基于以上原因，需要对项目的缓存进行优化。

二、优化思路

2.1分析key的使用情况

谈到缩容，最直接的方法肯定是分析出占用内存最大的key，对其进行优化。从此处开始，文章中提到的大key不单指单个大key，类似几百万数据的hash集合；也包含了一类key的占用了较大的空间，例如实例存在1000万个 user:info:{userid} 的string类型的key，我们也将它称为大key。

2.1.1key的采集与分析

列举分析常用的样本采集方案

方案	优缺点	是否选用
bigkeys命令	优点：使用简单 缺点：耗时较长，只能统计五种基础数据，无法对一类key名称进行匹配，只能找出单个大key	否
在单台实例执行bgSave，dump下来对应的RDB文件，使用对应的分析工具进行分析。我们使用的是rdb_bigkeys	优点：对业务不造成影响，本地数据，随时可以进行分析 缺点：时效性较弱	是
扫描脚本，使用scan命令配合扫描整台实例的keys	优点：支持任意数据类型，时效性高 缺点：虽然scan命令不阻塞主线程，但是大范围扫描keys还是会加重实例的IO，可以闲时再执行。	否

分析keys的使用，对于时效性要求肯定是不高的，所以选用了方案2，分析RDB文件，并定位key的影响范围。截取部分分析结果图：

2.1.2优化方案

分析出了大key后，就可以按keys的占用空间来排序，从前往后按优先级归纳需要优化的keys。项目中keys存在的问题在最开始已经总结过。

对于不合理的keys，我们分为两类：

• 需要优化改进的keys
• 可以直接删除的keys

一、需要优化改进的keys

这就需要针对业务场景做针对性处理了，只能给出一些典型例子的建议：

• 选择合理的过期时间，结合业务能短尽量短。

• 选择合适的数据结构：例如我们现在设计一个key用于存储一些信息。假定key和value的大小用了16个字节，但是由于RedisObject32b(元数据 8b+SDS指针8b+16b key value数据)、dictEntry 32b(三个指针24b，jellmoc分配出32b)。导致一个string的key需要存64b，冗余了很多数据。

  优化方式：将每个Key取hash code，然后按照业务对指定的业务分成n片，用hash code对n取模。此时我们使用hset info:{hash code%n} {key} {value}存储，通过修改hash-max-ziplist-entries(用压缩列表保存时哈希集合中的最大元素个数)和hash-max-ziplist-value(用压缩列表保存时哈希集合中单个元素的最大长度)来控制hash使用ziplist存储，节省空间。 这样可以节省dictEntry开销，剩下32b的空间。

  具体详情可以阅读 Redis核心技术实战 的第11章，讲得非常清晰。

• 使用一定的序列化方式压缩存储空间，例如protobuf。

二、可以直接删除的keys

对于可以直接删除的keys，建议使用scan命令+unlink命令删除，避免主线程阻塞。我们采用的删除方式是：scan轮流扫描各个实例，匹配需要删除的Keys。

风险点：

大家都知道对于客户端命令的执行，Redis是单线程处理的，所以存在一些阻塞主线程的操作风险：

• 对于一个占用内存非常大的key，不可直接使用del命令。

  解决方案：Redis4.0以上支持unlik命令异步删除。如果Redis版本小于4.0，建议对集合类采用hscan、zscan等命令分段删除。直接删除耗时可以参考：

• Redis具有定时清理过期keys的策略，若有大批key在同一时间过期，会导致每次采样过期的keys都超过采样数量的25%，循环进行删除操作，影响主线程性能。可参考：定期删除策略

  解决方案：避免对大量key使用expiret加指定过期时间，需要将过期时间+随机数打散过期时机；由于我们的集群使用5.0版本，定位到定时清除过期Keys的代码serverCron()->databasesCron()->activeExprireCycle()→dbSyncDelete() ，内部删除方式采用unlink异步删除，不影响主线程。

• 评估删除了keys对业务的影响

  解决方案：需要结合业务进行风险点评估；做好数据监控，例如异常告警、MySQL的QPS等。

三、优化了许多keys，内存占用还是很高，怎么回事？

Redis日常的使用是会存在内存碎片的，可在客户端执行info memory命令。如果mem_fragmentation_ratio值大于1.5，那么说明内存碎片超过50%，需要进行碎片整理了

解决方案：

• 重启Redis实例，暴力解决，不推荐

• 使用 config set activedefrag yes 命令，调整以下参数进行自动清理

三、优化成果

删除掉一批弃用的keys后，Redis内存占用已经减少了10G。代码上的优化由于业务需求，有些key零散地设置了2-3个月的过期时间，两三个月过后刚好又迎来了淡季，无法准确预估优化了多少空间，但是总归还是有一定的成果。过程的思路和方案仅供参考。