Redis缓存如何提升网站性能?缓存命中率与热点数据优化方法

一个典型的动态页面,从接收到请求到返回 HTML,中间往往要执行十几条 SQL、调用两三个内部接口、再做模板渲染,总耗时 200-500 毫秒,其中数据库占了大头。而同样的请求,如果结果已经在 Redis 里,取出来只需要 0.5-2 毫秒——相差两到三个数量级。这就是为什么缓存是性能优化里性价比最高的一步:它不改变任何业务逻辑,只是把"重新算一遍"变成"直接取出来"。但缓存也是最容易用错的技术之一:命中率上不去、缓存挂了全站雪崩、热点 key 把单实例打满,这些问题几乎都不是 Redis 的问题,而是用法的问题。本文从命中率的度量开始,讲清楚缓存该怎么配、怎么用、怎么防崩。

一、命中率:唯一值得盯的缓存指标

缓存做得到底好不好,不看"有没有用 Redis",而看命中率。命中率的含义很简单:所有查询请求中,有多少比例直接从缓存拿到了结果。

Redis 内置了计数,通过 INFO stats 查看:

# 查看缓存命中与未命中的累计计数
redis-cli INFO stats | grep -E 'keyspace_hits|keyspace_misses|expired_keys|evicted_keys'

# 输出示例:
# keyspace_hits:8523417
# keyspace_misses:912304
# expired_keys:231045
# evicted_keys:12033

命中率的计算公式:

命中率 = keyspace_hits / (keyspace_hits + keyspace_misses)

以上述数字为例:
8523417 / (8523417 + 912304) = 8523417 / 9435721 ≈ 90.3%

几个字段的含义与判断标准:

  • keyspace_hits:累计命中次数。持续增长说明缓存正常工作。
  • keyspace_misses:累计未命中次数。如果它的增速与 hits 相当,说明缓存基本没起作用。
  • expired_keys:因 TTL 到期而被删除的 key 数量。数量大是正常的,但如果它接近写入量,说明 TTL 设得太短。
  • evicted_keys:因内存达到 maxmemory 而被淘汰的 key 数量。这个值持续大于 0 是危险信号,说明内存不足,缓存正在被强制丢弃,命中率必然下降。

实用的判断基准:一般业务站点命中率应做到 90% 以上,热点数据(如首页、热门商品)应做到 98% 以上;低于 80% 说明缓存设计有明显问题,需要排查 key 设计、TTL 和内存容量。

要注意,INFO stats 是实例级累计值。要看"最近一段时间"的命中率,需要在两个时间点各取一次,用差值计算:

# 取两次快照,用增量计算区间命中率
redis-cli INFO stats | grep -E 'keyspace_hits|keyspace_misses' > /tmp/s1.txt
sleep 60
redis-cli INFO stats | grep -E 'keyspace_hits|keyspace_misses' > /tmp/s2.txt

# 计算 60 秒内的命中率
paste /tmp/s1.txt /tmp/s2.txt | awk -F'[: \t]+' '{
  h=$4-$2; m=$8-$6;
  printf "hits=%d misses=%d hitrate=%.2f%%\n", h, m, h/(h+m)*100
}'

二、内存配置:maxmemory 与淘汰策略

Redis 是内存数据库,内存用满之后的行为完全由 maxmemory 和 maxmemory-policy 决定。这两个参数配错,是命中率低的头号原因。

maxmemory 必须显式设置。如果不设置(默认 0),在 64 位系统上 Redis 会一直用内存直到被 OOM Killer 杀掉,这是最糟糕的情况。建议值:如果 Redis 独占一台机器,设为物理内存的 60%-70%,留出余量给 fork(RDB 持久化时 copy-on-write 需要额外内存)、客户端缓冲区和系统本身。

# 运行时查看
redis-cli CONFIG GET maxmemory
redis-cli CONFIG GET maxmemory-policy

# 运行时修改(立即生效)
redis-cli CONFIG SET maxmemory 4gb
redis-cli CONFIG SET maxmemory-policy allkeys-lru

# 持久化到配置文件 /etc/redis/redis.conf
maxmemory 4gb
maxmemory-policy allkeys-lru

Redis 6 及以上版本支持 maxmemory-clients(默认 0 表示不限制客户端输出缓冲区总量),可防止大量慢客户端把内存吃光,这是新版本值得开启的一项保护。

淘汰策略的选择是核心决策,常见几种如下:

策略淘汰范围算法适用场景
noeviction不淘汰写满后返回错误Redis 作为存储而非缓存,数据不可丢
allkeys-lru全部 key最近最少使用纯缓存,最常用,推荐默认
volatile-lru仅设置了 TTL 的 key最近最少使用需要区分持久数据与缓存数据
allkeys-lfu全部 key最不经常使用有明显的长期热点,如爆款商品
volatile-lfu仅设置了 TTL 的 key最不经常使用混合用途 + 热点明显
allkeys-random全部 key随机访问分布均匀,无所谓淘汰谁
volatile-ttl仅设置了 TTL 的 key剩余寿命最短希望尽快过期旧数据

选型判断标准很直接:如果 Redis 里全是缓存数据,用 allkeys-lru;如果同时放了不容丢失的业务数据(必须不设 TTL),用 volatile-lru;如果存在长期稳定的爆款热点(比如某个商品长期占 30% 流量),用 allkeys-lfu——LFU 能记住访问频次,避免偶发的大量访问把真正的长期热点挤掉。

LRU 与 LFU 的区别值得单独说明:LRU 只看"最后一次访问时间",一个被批量扫描一次的历史数据可能把真热点挤掉;LFU 看"访问频率",对偶发的冷数据不敏感,更适合有明显长尾热点的业务。Redis 的 LRU/LFU 都是采样近似实现,通过 maxmemory-samples(默认 5)控制采样数量,调大到 10 会更精确但消耗更多 CPU。

三、三个经典故障:穿透、击穿、雪崩

缓存的绝大多数线上事故,都可以归到这三类里。它们的成因不同,对策也不同,必须分清。

3.1 缓存穿透:查一个根本不存在的数据

成因:请求查询的 key 在数据库中也不存在(比如恶意构造的 id=-1、不存在的商品 ID)。缓存查不到、数据库也查不到,所以结果不会被写入缓存,每一个请求都会穿透到数据库。如果有人用脚本遍历不存在的 ID,数据库会被直接打垮。

对策:

  • 缓存空值:数据库查不到时,仍向 Redis 写入一个空标记,并设置较短的 TTL(如 60 秒)。下次同样的请求直接在缓存层返回,不会打到数据库。缺点是要占用内存存空 key,且 TTL 内真实数据写入前会短暂不一致。
  • 布隆过滤器(Bloom Filter):在系统启动时把所有有效 ID 载入布隆过滤器,请求进来先过过滤器,不存在就直接返回,连 Redis 都不查。优势是内存占用极小(每个元素约 10 bit 级别),代价是存在误判率(说"存在"的不一定真存在,说"不存在"的一定不存在),且不支持删除(需要删除时用 Counting Bloom Filter 或 Cuckoo Filter)。Redis 4.0+ 可通过 RedisBloom 模块提供 BF.ADD / BF.EXISTS 命令。
  • 接口层校验:对 ID 做格式与范围校验,拦截明显的非法参数。

3.2 缓存击穿:一个热点 key 失效的瞬间

成因:某个被高频访问的热点 key(比如首页头条、爆款商品详情)在某一刻过期,此时成千上万的请求同时发现缓存不存在,全部涌向数据库去重建缓存。与穿透的区别是:这个数据是真实存在的,只是缓存恰好失效了。

对策:

  • 互斥锁(mutex lock):缓存失效时,先尝试获取分布式锁(Redis 的 SET key value NX PX 10000),只有拿到锁的线程去查数据库并重建缓存,其他线程等待或返回旧值。缺点是拿不到锁的线程需要重试或阻塞。
  • 逻辑过期(提前续期):不给 key 设置物理 TTL,而是在 value 里存一个逻辑过期时间。请求发现逻辑过期时,先返回旧值,同时触发一个后台线程异步重建。用户永远不等待,也永远不会拿到空。
  • 热点 key 永不过期:对极少数确定的热点直接不设 TTL,由后台定时任务或数据变更事件主动更新。

3.3 缓存雪崩:大批 key 同时失效

成因:大量 key 在同一时刻集中过期(常见于系统启动批量预热缓存时用了相同的 TTL),或者 Redis 实例整体宕机。结果是数据库瞬间承受全部流量,压力远超日常峰值数倍,直接崩溃。

对策:

  • TTL 加随机抖动:设置过期时间时在基础值上加一个随机偏移,写成 基础TTL + random(0, 300) 秒。这是成本最低、效果最明显的手段,能把集中过期打散到一个时间窗口内。
  • 多级缓存:本地缓存(Caffeine/Guava)+ Redis 分布式缓存组合,Redis 挂了本地缓存还能顶一段时间。
  • Redis 高可用:主从 + 哨兵(Sentinel)或集群(Cluster)保证实例故障时能自动切换。
  • 熔断降级:缓存与数据库都不可用时,返回兜底数据或友好提示,而不是让请求堆积拖垮整个系统。
  • 提前预热:在流量高峰到来前(如大促开始前)主动加载热点数据,避免冷启动。
问题关键特征数据是否存在首选对策
穿透大量请求查不存在的 key不存在布隆过滤器 / 空值缓存
击穿单个热点 key 失效瞬间高并发存在互斥锁 / 逻辑过期
雪崩大批 key 同时失效或实例宕机存在TTL 随机化 / 多级缓存 / 高可用

四、热点数据优化:key 设计与内存效率

命中率之外,另一个影响性能的是 Redis 的内存效率和单线程吞吐。Redis 处理命令是单线程的,一个耗时的命令会阻塞所有后续请求,这是必须记住的前提。

几条实践经验:

  1. 避免大 key。单个 key 的 value 不宜超过 10KB,集合类元素数量不宜超过 5000。大 key 在网络传输、序列化、删除(DEL 一个百万元素的集合会阻塞数百毫秒)时都会造成明显卡顿。用 redis-cli --bigkeys 定期扫描。
  2. 禁用高危命令。KEYS * 在生产环境是禁用的,它会遍历全部 key 并长时间阻塞;改用 SCAN 游标式遍历。同理,对大集合慎用 SMEMBERS、HGETALL、LRANGE 0 -1。
  3. 使用 Hash 结构聚合小对象。把一个用户的多个字段存成一个 Hash,比存成多个独立 String 节省大量内存(省去每个 key 的元数据开销)。
  4. 启用 pipeline 批量操作。批量写入或读取时,用 pipeline 把多条命令合并成一次网络往返,吞吐通常能提升 5-10 倍。
  5. key 命名要有前缀和层次,如 biz:module:id:field,并用数据库编号隔离(SELECT 1)。注意 Cluster 模式不支持多库,只有 db0。
# 扫描大 key(只读,安全)
redis-cli --bigkeys

# 安全遍历(替代 KEYS *)
redis-cli --scan --pattern 'user:*' --count 1000

# 查看内存详情与 key 数量分布
redis-cli INFO memory | grep -E 'used_memory_human|used_memory_peak_human|mem_fragmentation_ratio'
redis-cli INFO keyspace
redis-cli DBSIZE

# 查看慢日志(默认记录执行超过 10ms 的命令)
redis-cli SLOWLOG GET 10
redis-cli CONFIG GET slowlog-log-slower-than

# 实时观察命令执行压力
redis-cli --stat
redis-cli MONITOR | head -100

mem_fragmentation_ratio(内存碎片率)的判断标准:在 1.0-1.5 之间属正常;大于 1.5 说明碎片较多,可考虑开启 activedefrag yes(Redis 4.0+)进行主动碎片整理;小于 1.0 说明发生了 swap,内存不足,必须立刻扩容或清理。

五、缓存更新的正确顺序

最后一个高频踩坑点:数据变了,缓存怎么更新?

推荐的做法是 Cache Aside 模式,并且顺序有讲究:

  • 读流程:先读缓存 → 命中则返回 → 未命中则读数据库 → 写入缓存 → 返回。
  • 写流程:先更新数据库,再删除缓存(不是更新缓存)。

为什么是"删除"而不是"更新"?因为如果两个并发写操作顺序颠倒,更新缓存会导致缓存里存的是旧数据;而删除缓存最多造成一次未命中,下次读取会重新加载正确数据,代价小得多。

为什么先更新数据库再删缓存?反过来(先删缓存再更新数据库)存在一个窗口:删除缓存后、数据库更新完成前,另一个读请求会把旧数据重新写进缓存,造成长期不一致。先更新数据库虽然也有理论上的不一致窗口,但这个窗口极短(删缓存是很快的操作),实际风险低得多。

为了进一步降低风险,可以采用延迟双删:更新数据库 → 删除缓存 → 休眠几百毫秒 → 再删一次缓存。第二次删除用于清理第一个窗口期内被写入的脏数据。

小结

Redis 提升网站性能的原理很简单——把毫秒级的数据库访问替换成微秒级的内存访问;但把它用好不容易,关键在四件事:盯住命中率(keyspace_hits/(hits+misses),目标 90%+)、配好内存与淘汰策略(显式设置 maxmemory,纯缓存用 allkeys-lru,有长尾热点用 allkeys-lfu)、防住穿透击穿雪崩(布隆过滤器与空值缓存防穿透、互斥锁与逻辑过期防击穿、TTL 随机化与多级缓存防雪崩)、避免大 key 与慢命令(单线程模型下一次阻塞影响全部请求)。

避坑清单:

  • 不设 maxmemory 就上线,等于等着被 OOM 杀掉。
  • 看到 evicted_keys 持续增长却不去扩容,命中率只会越来越低。
  • 批量预热缓存时用固定 TTL,等于人为制造雪崩,务必加随机抖动。
  • 生产环境执行 KEYS *、FLUSHALL 这类命令,等同于制造一次线上事故,应该在配置里用 rename-command 禁用或重命名。
  • 把 Redis 当持久化存储用又不做持久化配置,重启后数据全丢、流量瞬间打穿数据库。
  • 缓存与数据库更新顺序颠倒,导致长期数据不一致,且这类问题极难排查。

本文命令基于 Redis 5.0/6.x,BF.ADD 等命令需 RedisBloom 模块,maxmemory-clients 需 Redis 6.0+。生产环境操作前请先备份 redis.conf 并在预发环境验证。