前言

一、前言

Redis在现在开发中已经成为了一个不可或缺的组件，很多项目都会依赖Redis进行开发，当数据量和请求量以及Redis本身访问率不高的情况下，Redis不会成为性能瓶颈，但是如果本身处于高并发海量数据这些情况下，即便是Redis，也会成为性能瓶颈中的一环，本文就是基于Redis已经成为我项目中的一个性能瓶颈之后，深入研究后产生的，另外本文主要是针对开发过程中如何降低Redis内存使用率以及整体提升代码性能，不涉及到Redis集群搭建相关性能调优

二、降低内存占用

a)减少key长度

首先key本身也是存在redis内存中的，每条数据增加2个字节的长度，成百上千万数据加起来，就占用了不少的内存了，所以需要尽可能的缩减key的长度，能保证key唯一性就好，没有必要把一些前缀设置很长或者使用英文全称

b)合理的缓存有效期

让缓存在不被使用时尽快过期，避免占用内存，如果有大量缓存在业务中不会被使用，或者缓存从生效到不被使用只有1小时，但是缓存有效期却设置的1天，那么就会导致大量无用缓存占用大量内存，所以一定要合理评估每一个缓存的生命周期。当内存资源明显紧张超过CPU等资源时，可以采取主动删除明确不使用的缓存，或者针对热点周期进行缓存生命周期配置，并配置好合理的恢复缓存机制

示例：

1.主动删除缓存

假如有以下场景：某商城，下单订单时需要先预览订单，并且生成订单逻辑复杂，且订单量大，所以预览订单时会先生成订单缓存，创建订单后，因为某些业务还需要快速访问订单，如发起支付时获取金额信息以及验证等，并且支付有效期有1天，也就是如果没有支付，一天内发起支付的可能性较大，需要快速获取相关信息。 如果用固定有效期1天的话，那么其实在订单支付之后，访问订单详情概率变很低，也就是说一旦订单支付完成，订单详情基本上不访问，那么就可以采取主动删除缓存的方式。首先创建缓存的时候，设置缓存有效期是1天，同时订单真正创建时候时候，更新缓存为1天（支付有效期1天），在订单被支付之后，则主动删除缓存（如果还有跳转页面并且需要通过缓存获取订单详情的，则设置一个接口完全可以获取到时间）。这样如果订单没有支付，那么一天内还是可以快速访问到这个订单的缓存信息，如果被支付，因为基本上不访问了，缓存也能尽快过期避免占用内存

2.热点周期模式

假设还是上面商城，场景稍作变换，订单支付完成之后，其实很多人会很习惯的关注订单进度（会查看订单详情），但是有些人其实不关心，买完就不管，而查看的正常来说每天会关注几次，知道收货之后，那我们可以模拟TTI的方式（Redis本质上是没有TTI的），在我们每次通过Redis获取到缓存之后，重新设置缓存有效期为1天，这样可以让热点数据一直处于相对有效，当没有获取到数据时，就从数据库等其他地方查询并缓存

c)合理的结构

存放在Redis的数据结构尽可能缩减，避免无用字段进入缓存，比如常见的直接用数据库对应实体类对象直接存放到Redis，导致很多无用字段也进行了缓存，如一些乐观锁、创建时间等字段，精简缓存到满足业务需求即可。尽可能保证每个字段都是业务能用上的

d)合理的序列化

业务中常见的是把对象缓存到Redis中，而缓存对象，就会涉及到序列化，常见的序列化方式有json、默认序列化、kryo等，选择合适的序列化不仅能提升程序运行速度，还能降低内存占用，当然不同的结构也会影响不同的序列化对于内存占用的影响比例，所以具体选择那种序列化也需要根据自己实际情况做选择，但是通常情况下，加入对象中有10个字段，那么大概率内存占用是Java默认序列化 > json > kryo，但是不同的序列化也会产生很多其他问题，比如可读性和通用性，如果这个Redis缓存并不只是一种语言的程序会访问，那么就要考虑采用多种语言都能序列化的方式了

e)数据压缩

很多缓存数据可能本身只是一个字符串，或者因为通用性问题最终选择了json格式的序列化，那么也可以通过压缩来降低内存占用，但是目前redis本身是不支持压缩的，所以只能是在客户端进行压缩和解压操作，但是压缩和解压会带来额外的CPU消耗

三、提升性能

a)选择合适的客户端

常见的有Jedis、Lettuce（现在Spring的默认客户端）、Redisson，每个客户端都有自己的优劣，可以根据实际情况进行选择

b)合适的序列化

不同序列化方式也是有差异的，虽然差异很小，但是如果是海量操作，哪怕很小的差异，也是能提升不小的时间成本的，但是序列化也会影响内存占用，并且如果访问量很大的情况下，通常缓存的key也不会小，所以要在内存和性能中做平衡，但是相对来说，序列化本身是在客户端实现的，而客户端的CPU资源相对来说更容易扩展，所以大部分情况下序列化还是考虑内存占用为主

c)合理的压缩和缩减数据

首选Redis是以服务形式存在的，并且正常来说Redis是会有专门的服务器，所以如果访问量很大，并且数据本身也不少的话，网络IO也会成为性能瓶颈的一环，所以如果保存的内容越小，传输也会更快，更不容易造成网络阻塞

d)批量操作

批量操作包括批量保存和批量获取以及一些其他条件性的保存等，如果业务可以通过批量操作的方式来实现，尽可能使用批量操作，首先批量保存和获取是常用客户端已经支持的操作，同时如果是一些原子性的操作或者有条件判断的，可以利用lua脚本来实现，目前常用的客户端也是支持lua脚本的操作的，比如常见的判断某个key1是否存在，如果存在则保存key2的数据，如果不存在则删除key1的数据这些都可以通过lua脚本实现，这样不仅降低了网络占用，同时还能保证当前不会有并发问题，比如判断key1的时候，key1的确不存在，但是当你写入key2的时候，key1却存在了，但是使用lua脚本就不会有这种问题