*Redis 最佳实践

Redis 的配置没有一套适合所有业务的固定答案。以下建议围绕键设计、数据类型、安全、持久化、高可用和缓存使用展开;实际部署时应结合数据量、延迟目标和可接受的数据丢失范围验证。

*键设计

*使用稳定、可读的命名

可以用冒号表达业务层级,并带上环境或租户边界:

prod:shop:cart:user:1001
prod:shop:product:1001
prod:shop:session:abc123

键名应便于识别责任方和数据用途,但不要写入密码、令牌或不必要的个人信息。名称过长也会增加内存和网络开销,不必为了层级而重复无意义的前缀。

*为临时数据设置生命周期

SET session:abc123 "user:1001" EX 3600
SET cache:product:1001 "{...}" EX 300

缓存、会话和验证码都应明确过期策略。永久保存的数据需要纳入容量规划和备份,而不是默认“以后再说”。

*不用固定数字定义所有大键

“字符串不能超过 10 KB”或“集合不能超过 5000 个成员”都不是通用规则。是否成为问题取决于命令复杂度、返回值大小、内存、删除方式和延迟目标。

应定期检查:

redis-cli MEMORY USAGE cache:product:1001
redis-cli --bigkeys

发现大键后,优先考虑拆分、分页读取、缩短生命周期或改用更合适的数据类型。删除时可根据版本和对象大小评估 UNLINK,详见性能优化指南。

*数据类型选择

需求 常用类型或命令 注意事项
缓存一段序列化数据 String、GET/SET 明确序列化格式、过期时间和缓存失效方式
保存对象的可变字段 Hash、HSET/HGET 字段很多或值很大时仍需评估内存和读取范围
按顺序记录并限制长度 List、LPUSH/LTRIM 适合简单队列;复杂消费语义可评估 Stream
去重和集合运算 Set、SADD/SINTER 大集合运算和全量读取可能耗时
排行榜和分数范围 Sorted Set、ZADD/ZRANGE 分数相同时按成员字典序排列
消息确认和消费者组 Stream、XREADGROUP 必须设计 XPENDING、XCLAIM 和失败恢复流程
独立访客等基数估算 HyperLogLog、PFADD/PFCOUNT 结果是近似值,不适合精确计数
坐标和附近查询 Geo 命令 Geo 数据实际由有序集合保存

选择类型时先看操作和复杂度,再看内存。不要为了“节省内存”把不适合的数据强行塞进哈希或字符串。

*安全配置

*先限制网络访问

Redis 不应无保护地暴露在公网。至少应配置防火墙和安全组,只让明确的应用网段或地址访问,并使用 bind 监听必要接口。认证不能替代网络隔离。

*使用 ACL 限制权限

Redis 6 及以上版本可以为应用创建独立用户:

ACL SETUSER app_read on '>use-a-long-random-secret' '~cache:*' '+@read' '+ping'

示例用户只能读取匹配 cache:* 的键并执行 PING。实际规则还应检查命令类别是否包含不需要的操作;密码请通过安全配置或密钥管理系统提供,不要写入代码仓库。

requirepass 本质上是为 default 用户设置密码,不能替代按应用划分权限。rename-command 也不应作为主要安全边界;应使用 ACL 禁止危险或管理命令。

跨不可信网络传输时,应启用 Redis 支持的 TLS 或受控加密隧道,并同时保护复制、哨兵和集群通信。

*持久化与备份

*按数据容忍度选择持久化

  • 可以重建、允许丢失最近数据的缓存,可以关闭持久化或只使用 RDB。
  • 需要定期备份和较快恢复时,可以使用 RDB。
  • 希望缩小故障时的数据丢失窗口时,可以启用 AOF,常见配置为 appendfsync everysec。
  • 对数据安全和恢复都有要求时,通常组合使用 RDB 与 AOF,并保留独立备份。

AOF、RDB 和复制都不是绝对的数据不丢失保证。应明确恢复点目标(RPO)和恢复时间目标(RTO),并验证真实恢复流程。

*备份要离机并定期恢复

备份文件不应只保存在同一台机器。至少应做到:

  1. 将备份复制到独立存储或其他故障域。
  2. 监控备份时间、大小、校验和以及任务失败。
  3. 在隔离环境定期恢复,并核对键数量、抽样数据和应用可用性。
  4. 保留明确的保留周期,避免无限增长或过早删除。

*高可用与容量

*监控复制而不只是角色

主从复制正常不等于副本数据始终最新。应监控复制连接状态、偏移差、复制延迟和副本只读状态。读取副本的应用必须接受异步复制可能带来的旧数据。

哨兵和集群故障转移也需要测试网络分区、主节点不可用和副本提升等场景。仅启动哨兵进程并不能证明业务能够正确切换;客户端库同样必须支持相应的发现和重连机制。

*预留峰值与后台任务空间

容量规划不能只按当前数据集大小计算,还应考虑:

  • 数据增长和峰值写入。
  • RDB/AOF fork 期间的写时复制。
  • 复制积压和客户端输出缓冲区。
  • 内存碎片和进程其他开销。
  • 集群扩容、槽迁移和故障后的承载能力。

cluster-require-full-coverage no 等配置会改变部分槽不可用时的服务行为,不能仅为减少告警而开启或关闭,必须理解其可用性影响。

*缓存设计

*缓存空值要区分“不存在”和“失败”

缓存穿透防护可以缓存短期空标记,但数据库超时、权限错误和真实空结果不能混为一谈:

value = redis.get(f"cache:item:{item_id}")
if value is not None:
    return decode(value)

item = load_item(item_id)  # 数据库异常应向上抛出或按失败策略处理
if item is None:
    redis.set(f"cache:item:{item_id}", NULL_MARKER, ex=30)
    return None

redis.set(f"cache:item:{item_id}", encode(item), ex=300)

空标记的过期时间通常应较短,并确保写入方会使缓存失效。

*热点重建需要限制并发

热点键失效时,可使用单航班(singleflight)、请求合并或带唯一所有者的锁限制重建并发。简单使用 SETNX 而不校验锁的所有者,可能误删其他进程的锁。

锁至少应包含唯一值和过期时间:

SET lock:item:1001 "process-unique-token" NX PX 10000

释放锁时必须用脚本核对唯一值后再删除。锁并不能自动解决所有一致性问题,详见分布式锁文档。

*过期时间可加入随机量

大量键在同一时刻过期可能形成集中回源。可以在业务允许范围内加入随机量:

import random

ttl = 300 + random.randint(0, 60)
redis.set(key, value, ex=ttl)

随机过期只能分散时间,不能替代限流、降级、热点重建控制和数据源容量保护。

*监控与告警

建议持续记录以下指标,并根据历史基线和业务目标设置告警:

  • 可用性、连接失败和命令错误率。
  • 客户端与服务器端延迟、慢查询和延迟事件。
  • 内存使用量、RSS、淘汰量和碎片情况。
  • 缓存命中与未命中、回源量和数据源压力。
  • RDB/AOF 状态、fork 耗时和磁盘空间。
  • 复制状态、复制延迟和故障切换事件。
  • 备份新鲜度及恢复演练结果。

“内存超过 80%”或“复制延迟超过 1 秒”只能作为示例,不能直接套用到所有业务。告警应指向可执行的排查动作,并避免只报阈值、不带上下文。

*上线与变更检查

每次重要变更前至少确认:

  • 配置与目标 Redis 版本匹配,弃用参数已有替代方案。
  • 数据备份可用,恢复步骤经过验证。
  • 客户端超时、重试、连接池和集群发现配置正确。
  • 压测使用接近真实的数据大小、命令组合和网络环境。
  • 变更可回滚,并有人观察延迟、错误率和内存指标。

相关阅读:生产环境最佳实践文章、缓存一致性方案、性能优化、持久化、安全、运维管理。