前言
本篇会从内存、数据存储、持久化、过期策略、集群、部署、业务等多个维度思考对redis的优化
写博客是自己对知识梳理，目前是写给自己看，算是自己学习后的作业，也是为了养成一个良好的习惯。
一、数据存储优化
1. 控制key的长度
在保证key在简单、清晰的前提下，尽可能把key定义得短一些来控制key的长度，如 uerOreder:0001 缩写为uo:0001。
建议：做好key规范管理的文档，定义好每个key缩写的含义。
如按以上规范来做当redis中有大量的key时也会节约redis大量的内存空间，使其性能更高。
建议规范。
2. 控制元素的大小
在决定使用redis建议强制规定元素的大小，推荐规范如下：
1. String类型数据的值控制在10K以下；
2. List/Hash/Set/ZSet数据类型的元素要控制在1W以内。
以上的是杜绝bigkey有效措施，在bigkey对redis的性能影响是最为致命的。
强制规范。
3. 存储合适数据类型
除非业务的强要求，建议选择合适的数据类型来优化内存，具体如下：
1. String、Set：尽可能存储 int 类型数据；
2. Hash、ZSet：存储的元素数量控制在转换阈值之下，以压缩列表存储，节约内存。
建议规范。
关于具体原因的可以参考下面这篇博客：
redis数据类型
4. 设置过期key
强制要求所有的key必须设置过期时间，以优化redis内存。
强制规范。
5. 冷热分离
热key需要单独存放并分配合理的资源，防止大流量下直接冲垮整个缓存系统。
强制规范。
6. 数据压缩
可以采用snappy、gzip 等压缩算法来先将数据压缩后再存入缓存中，来节约redis的内存空间，
但这种方法会使客户端在读取时还需要解压缩，在这期间会消耗更多CPU资源，你需要根据实际情况进行权衡。
建议，只是在redis匮乏时的一种方案。
二、内存淘汰优化
杜绝使用默认的内存淘汰策略，避免在业务扩展下Redis的内存持续膨胀，需要根据你的业务设置对应内存淘汰策略。
强制规范。
三、过期策略优化
由于redis采用的是定期删除+懒加载删除策略，且这个过程在redis 6.0之前是在主线程上执行的，
建议所有key的过期时间用随机数打散，杜绝大批量的数据同时过期，拉胯redis的性能和造成缓存雪崩。
强制规范。
关于过期策略的具体的细节请参考我之前博客：
redis过期策略
四、持久化优化
除非业务的强要求，否则不要开启AOF，避免写磁盘拖垮redis的性能。
如果有业务要求开启AOF，建议配置为 appendfsync everysec 把数据持久化的刷盘操作，
放到后台线程中去执行，尽量降低 Redis 写磁盘对性能的影响。
强制规范！
关于redis持久化的细节可以参考我之前写的博客：
redis持久化
五、部署优化
1. 物理机部署
Redis在做数据持久化时，采用创建子进程的方式进行（ 会调用操作系统的 fork 系统 ），而 虚拟机环境执行 fork 的耗时，要比物理机慢得多。
强制规范！
2. 内网部署
Redis集群有做副本数据同步，为了解决网络问题建议整个集群都部署在同一个局域网中。
强制规范！
六、集群优化
1. 只使用db0
具体原因如下：
1.在一个连接上操作多个db数据时，每次都会先执行查询，有额外开销；
2.建议不同业务数据尽量存储到不同的实例中而不是存放在不同db中；
3.redis cluster只支持db0。
强制规范！
2. 架构优化
读写分离能最大限度提高redis的性能，其中主库负责数据写入，从库负责数据读取；分片集群是解决超大量数据导致性能瓶颈方案，如rediscluster。
以上是在大流量下提高redis性能在架构上的优化。
建议规范！
3. 实例内存优化
Redis集群有做副本数据同步，如果redis的内存过大，那么在做持久化或数据同步时，
磁盘IO和网络IO会拉垮redis性能，导致卡顿。
建议redis每一个实例都不要超过8G，要从业务上解耦，不同的业务用不同的redis实例，
杜绝所有业务都使用同一个redis实例。
强制规范！
七、其他优化
1. lazy-free机制
在redis4.0+中支持，开启lazy-free机制后，由主线程删除bigkey，而较耗时的内存释放会在后台线程中执行，不会影响到主线程。
强制规范！
2. 批量命令
尽量减少客户端和服务端之间来回的io次数，建议string/hash使用mget/mset代替get/set，
hmget/hmset代替hget/hset;其他数据类型使用pipeline。
建议规范！
3. 避免复杂度过高命令
redis是单线程模型处理请求，在执行复杂度过高的命令（消耗更多cpu资源）时后面的请求会排队导致延迟，
如 SORT、SINTER、SINTERSTORE、ZUNIONSTORE、ZINTERSTORE 等聚合类命令。
建议规范！
4. 注意容器类型数据
1. 容器类型数据查询
ist、hash、set、zset类型数据在查询时要先确认元素的数量，元素非常多时需要分批查询（ LRANGE/HASCAN/SSCAN/ZSCAN ），
否则大量数据会导致延迟（如网络传输问题等）。
2. 容器类型数据删除
建议分批删除，如list执行多次lpop/rpop；hash/set/zset先执行hscan/sscan/scan查询元素，
再执行hdel/srem/zrem,不关注元素的数量直接del会有大量内存释放，拖垮主线程性能。
建议规范！
|