在工作中Redis已經成為必備的一款高性能的緩存數據庫，但是在實際的使用過程中，我們常常會遇到兩個常見的問題，也就是文章標題所說的大 key與熱 key。

一、定義

1.什么是大key

大 key 指的是一個鍵中包含了大量的數據。（總結一個字就是大）

• 占用空間：大key 通常指的是一個鍵包含了大量的數據，使得該鍵對應值的占用的內存超出了正常范圍。這個大小的閾值并不是固定的，而是相對于 Redis 實例的可用內存而言。當一個鍵的大小超出了 Redis 實例可用內存時，就可以認為它是一個大key。
• 操作耗時：如果對一個 key 的操作所需的時間過長，導致性能下降或者影響其他請求的處理速度，也可以說這個 key 是 大key 。因為這種情況通常是由于該 key 下包含了大量的數據。

2.什么是熱key

熱 key 指的是頻繁訪問的鍵。(總結就是熱，訪問頻繁。)

• 頻繁訪問：在某一段時間內被頻繁訪問的 key 就是 熱key 。
• 業務方面：比如商城促銷的場景下，某個商品的緩存可能就會成為 熱key。這種情況下 熱key 反應的不僅是該鍵的訪問頻率高，還反映了用戶對某個業務功能的熱度。
• 性能方面：熱key 的頻繁訪問造成 Redis 的 CPU 占用率過高，造成響應時間延長或者請求阻塞，從而造成系統崩潰。

key 的大與不大，熱與不熱要根據自己的業務，從實際情況進行評估。

二、影響

1.大 key 的影響

• 內存消耗：在進行緩存時降低緩存的效率，占用大量的內存空間，使得 Redis 的內存消耗急劇增加，還可能導致 Redis 實例的內存資源不足，甚至出發內存淘汰策略，從而影響系統的正常運行。
• 性能下降：處理大的 key，會耗費更多的 CPU 時間以及帶寬，導致 Redis 性能下降。由于 Redis 還是單線程的，處理 大key 的操作進而會阻塞其他請求的處理，從而影響系統性能。
• 持久化效率降低：在進行持久化操作時，AOF與RDB都會因為該 大key 耗費更多的時間，從而延遲持久化時間，分布式環境下甚至會造成緩存不一致。
• 網絡傳輸延遲：大key 在進行網絡傳輸時會增加網絡傳輸的延遲，在分布式環境下進行數據同步時可能會造成數據的不一致。

2.熱 key 的影響

• CPU占用率高：因為是 熱key，所以 CPU 一直占用，進而導致Redis實例的CPU負載增加。
• 請求阻塞：如果 key 有訪問優先級，熱key 的存在可能導致請求隊列中其他的請求被阻塞。
• 響應時間延長：因為 熱key ，其他的請求被阻塞了造成響應時間延長。
• 性能不均衡：流量訪問造成突刺，系統性能的不均衡。

3.小結

大key 與 熱key 都會給 Redis 實例造成一系列的影響，如內存占用過高，CPU 負載增加，持久化時間變長，性能下降等。

三、原因分析

1.大 key 產生的原因

產生 大key 的原因有很多種，下面咱就一起看一下工作中經常遇到的這幾種。

(1) 存儲大量數據

存儲了大量數據也是我們經常遇到 大key 的最多的原因了。

比如 String 類型直接保存了一個大的文本或者二進制數據；Hash 結構中存儲大量的鍵值對。

• String

SET zuiyu_large_text_key "very large text content..."

• Hash

HMSET zuiyu_large_hash_key field1 value1 field2 value2 ... fieldN valueN

(2) 緩存時間設置不合理

緩存時間設置不合理這個造成 大key 的原因大概是個隱藏挺深的老 bug，有的業務場景，使用 Redis 緩存數據，業務是定時往該 key 上寫數據，由于該 key 是沒有設置緩存時間的造成這個 key 隨著時間的流逝，占用的內存越來越多，對于該點，只需要設置一個合理的過期時間即可。

前提是多次寫入不是覆蓋，而是追加才會有該問題。

SETEX zuiyu_key_with_expiry value 3600  # 設置過期時間為3600秒

(3) 數據結構使用不當

在使用 List 數據結構存儲數據時，重復的添加數據，造成該 key 越來越大，實際上業務是不需要有重復的數據存在的。

List

LPUSH zuiyu_large_list_key value

(4) 小結

大key 的產生根本原因就是在一個 key 下面存儲的數據多了。

2.熱 key 產生的原因

(1) 熱門數據

熱key 的產生一般意味著系統訪問火爆了，但是火爆的只是其中一個點或者n個點。類似微博中某個明星的瓜，當上頭條的時候，大量的人去訪問，造成了該明星所對應的 key 成為 熱key。

(2) 頻繁的更新

某些業務場景，單位時間內一直頻繁的對 key 進行更新，該 key 也會成為 熱key。

(3) 熱門搜索

類似于第一中的熱門數據，產生了熱門數據，該數據對應的熱門關鍵詞也被大量的用戶去搜索，造成該關鍵詞被頻繁訪問，最終導致該 key 也稱為 熱key。

(4) 小結

熱key 的產生無外乎熱門數據，熱門數據產生的熱門關鍵詞以及對同一個 key 在某段時間內的頻繁訪問。

四、解決方案

1.大key的解決方案

• 合理的數據結構
• 合理的緩存時間
• 大key 進行拆分為多個 小key
• 定期對 大key 進行清理

2.熱key的解決方案

• 合理的緩存淘汰策略
• 熱點數據分片：將熱點數據分散到不同的Redis實例，提升系統的吞吐量。
• 緩存預熱：在系統啟動或者活動高峰開啟之前進行緩存預熱，提前將需要的數據加載到緩存，減少熱點數據首次訪問的時間。
• 隨機緩存失效時間：避免大量的key同一時間批量失效，造成緩存雪崩與緩存穿透。
• 緩存穿透：使用布隆過濾器進行緩存請求過濾，防止無效請求進入到緩存層。

五、總結

針對 大key 我們要盡可能的避免同一個 key 下大量的數據。針對 熱key 我們要合理設置過期時間，增加布隆過濾器等技術實現無效請求過濾，對即將到來的數據進行緩存預熱、熱點數據分片處理。