Redis 缓存实战指南

Redis 是高并发系统的核心组件。掌握正确的缓存设计，能让系统承载 10 倍流量。

为什么用 Redis？

对比 MySQL：

特性	MySQL	Redis
类型	关系型	Key-Value
速度	毫秒级	微秒级
QPS	~1000	~10 万
适用	持久化存储	缓存/队列

典型场景：

• 热点数据缓存
• 会话存储
• 分布式锁
• 消息队列
• 排行榜

核心数据结构

1. String（字符串）

# 基础操作
SET user:1:name "张三"
GET user:1:name

# 计数器（原子操作）
INCR page:views
INCRBY order:count 10

# 过期时间
SET user:1:token "abc123" EX 3600  # 1 小时过期

应用场景： 缓存对象、计数器、分布式锁

2. Hash（哈希）

# 存储对象
HSET user:1 name "张三" age 25 email "zhang@test.com"
HGET user:1 name
HGETALL user:1
HDEL user:1 age

# 批量操作
HMSET user:2 name "李四" age 30
HMGET user:2 name age

应用场景： 存储对象（比 String 更灵活）

3. List（列表）

# 消息队列
LPUSH queue:tasks "task1"
LPUSH queue:tasks "task2"
RPOP queue:tasks  # 消费者获取任务

# 栈操作
PUSH stack:ops "op1"
POP stack:ops

应用场景： 消息队列、最新列表

4. Set（集合）

# 去重
SADD tags:article:1 "python" "redis" "python"
SMEMBERS tags:article:1  # 自动去重

# 交集/并集
SINTER set1 set2  # 交集
SUNION set1 set2  # 并集

应用场景： 标签、好友关系、抽奖

5. ZSet（有序集合）

# 排行榜
ZADD leaderboard:game1 100 "player1"
ZADD leaderboard:game1 200 "player2"
ZADD leaderboard:game1 150 "player3"

# 获取排名
ZREVRANGE leaderboard:game1 0 9  # 前 10 名
ZREVRANK leaderboard:game1 "player1"  # 玩家排名
ZSCORE leaderboard:game1 "player1"  # 玩家分数

应用场景： 排行榜、优先级队列

缓存设计模式

1. Cache-Aside（旁路缓存）

def get_user(user_id):
    # 先查缓存
    data = redis.get(f"user:{user_id}")
    if data:
        return json.loads(data)
    
    # 缓存未命中，查数据库
    data = db.query("SELECT * FROM users WHERE id = ?", user_id)
    
    # 写入缓存
    redis.setex(f"user:{user_id}", 3600, json.dumps(data))
    
    return data

优点： 简单，缓存失败不影响数据库 缺点： 首次查询慢

2. Write-Through（写穿透）

def update_user(user_id, data):
    # 同时更新缓存和数据库
    db.update("users", user_id, data)
    redis.setex(f"user:{user_id}", 3600, json.dumps(data))

优点： 缓存始终一致 缺点： 写入延迟高

3. Write-Behind（写回）

def update_user(user_id, data):
    # 只更新缓存，异步写数据库
    redis.setex(f"user:{user_id}", 3600, json.dumps(data))
    async_queue.push("sync_to_db", user_id, data)

优点： 写入快 缺点： 可能丢数据

缓存问题解决方案

1. 缓存穿透

问题： 查询不存在的数据，缓存不命中，直接打到数据库

解决：

def get_user(user_id):
    data = redis.get(f"user:{user_id}")
    if data is None:
        # 查询数据库
        data = db.query(user_id)
        if data is None:
            # 缓存空值，防止重复查询
            redis.setex(f"user:{user_id}", 60, "")
            return None
        redis.setex(f"user:{user_id}", 3600, json.dumps(data))
    return json.loads(data) if data else None

2. 缓存击穿

问题： 热点 key 过期，大量请求同时打到数据库

解决：

def get_hot_data(key):
    data = redis.get(key)
    if data is None:
        # 分布式锁，只让一个请求查数据库
        if redis.set(f"lock:{key}", "1", nx=True, ex=10):
            try:
                data = db.query(key)
                redis.setex(key, 3600, json.dumps(data))
            finally:
                redis.delete(f"lock:{key}")
        else:
            # 等待其他请求完成
            time.sleep(0.1)
            return get_hot_data(key)
    return json.loads(data)

3. 缓存雪崩

问题： 大量 key 同时过期，数据库压力激增

解决：

# 过期时间加随机值
base_expire = 3600
random_expire = random.randint(0, 600)
redis.setex(key, base_expire + random_expire, value)

性能优化

1. 批量操作

# ❌ 逐个操作
for i in range(1000):
    redis.set(f"key:{i}", value)

# ✅ 管道批量
pipe = redis.pipeline()
for i in range(1000):
    pipe.set(f"key:{i}", value)
pipe.execute()

2. 大 Key 处理

# 查找大 key
redis-cli --bigkeys

# 拆分大 hash
HSET user:1:part1 field1 value1
HSET user:1:part2 field2 value2

3. 内存优化

# 设置最大内存
CONFIG SET maxmemory 2gb

# 淘汰策略
CONFIG SET maxmemory-policy allkeys-lru

监控与运维

# 查看内存使用
INFO memory

# 查看命令统计
INFO stats

# 慢查询监控
SLOWLOG GET 10

# 实时监控
MONITOR  # 生产环境慎用

Redis 是高性能系统的必备技能，深入理解能帮你设计更优秀的架构！