Redis性能优化：全网最全的一篇
硬件CPU
[*]选择高性能的多核 CPU：Redis 是单线程处理惩罚哀求的，性能取决于单个核心的处理惩罚本事。选择高主频（3 GHz 以上）的 CPU 能有效提高 Redis 的单实例性能。然而，多个 Redis 实例可以并行运行在不同的 CPU 核心上，因此多核 CPU 仍旧有助于提高团体的吞吐量。
[*]避免超线程（Hyper-Threading）：在高负载下，超线程技能可能会导致 CPU 争用和缓存冲突，从而影响性能。在 BIOS 中禁用超线程，确保 Redis 实例运行在物理核心上。
内存
[*]足够的内存容量：Redis 完全在内存中运行，所有数据集、缓存和内存快照都需要斲丧内存。建议内存容量至少是数据集大小的 1.5 到 2 倍，确保有足够的内存空间处理惩罚数据并预留给操作系统和其他服务。
[*]利用 ECC 内存：Redis 是内存麋集型应用，ECC（Error-Correcting Code）内存可以检测和修复内存中的单比特错误，提供更高的可靠性和稳固性，特殊是在大规模摆设中。
磁盘
[*]利用 NVMe SSD：虽然 Redis 是内存数据库，但持久化操作（如 RDB 快照和 AOF 持久化）需要磁盘 I/O。NVMe SSD 提供了极高的读写性能，能够显著收缩持久化操作的时间，减少 Redis 因持久化导致的壅闭。
[*]磁盘 RAID 配置：为了提升 I/O 性能和数据可靠性，建议利用 RAID 0 或 RAID 10 配置磁盘阵列。RAID 0 提供最高的性能，但没有冗余；RAID 10 兼顾性能和数据安全。
网络
[*]高带宽低延长网络：Redis 对网络性能要求较高，特殊是在主从复制和集群模式下。利用低延长、高带宽的网络（如 10GbE 或更高），减少网络传输时延，确保数据同步和集群通信的高效性。
[*]优化网络配置：调解 TCP 参数（如tcp_nodelay、tcp_keepalive 等）以减少网络延长和带宽斲丧。在 Linux 系统上，可以在 /etc/sysctl.conf 中进行配置，比方：
net.core.somaxconn = 1024
net.ipv4.tcp_max_syn_backlog = 2048
操作系统
操作系统的配置对 Redis 的性能影响显著。通过合理配置操作系统，可以充分发挥硬件性能，提升 Redis 的处理惩罚本事。
内存锁定与交换
[*]锁定内存：防止 Redis 利用的内存被操作系统交换到磁盘，以免影响性能。在 Redis 配置文件 redis.conf 中启用内存锁定：
maxmemory-policy noeviction
[*]禁用交换（swap）：Redis 需要始终在内存中进行操作。设置操作系统的交换分区策略为最低（保举设置为vm.swappiness = 1
），防止 Redis 被交换到磁盘。在 /etc/sysctl.conf 中配置：
vm.swappiness = 1
文件系统和磁盘I/O优化
[*]文件系统选择：保举利用 ext4 或 xfs 文件系统。ext4 是 Linux 默认文件系统，性能稳固；xfs 在处理惩罚大文件写入时性能更好，适合 AOF 持久化场景。
[*]文件形貌符限制：Redis 需要打开大量文件来进行数据操作，增大文件形貌符限制能避免 Too many open files 错误。编辑 /etc/security/limits.conf：
* soft nofile 65536
* hard nofile 65536
[*]设置 mmap counts：调解 vm.max_map_count 参数以支持更大的内存映射，减少 OOM（Out of Memory）错误：
vm.max_map_count = 262144
在 /etc/sysctl.conf 中设置后运行 sysctl -p 使配置见效。
网络参数调优
[*]增加 TCP 参数：调解 TCP 相关参数，减少延长，优化网络传输性能。比方：
net.ipv4.tcp_fin_timeout = 15
net.ipv4.tcp_keepalive_time = 300
Redis实例调优
Redis 配置优化直接影响 Redis 的性能体现。合理配置 Redis 参数，可以提高读写效率，减少壅闭和瓶颈。
内存管理
[*]设置最大内存利用策略：根据应用场景选择合适的内存镌汰策略，如volatile-lru、allkeys-lru、volatile-random、allkeys-random等。一般环境下，利用allkeys-lru可以在内存不敷时优先镌汰近来最少利用的键。
[*]配置内存碎片整理：定期实行内存碎片整理，减少内存碎片，提高内存利用率。可以利用 MEMORY PURGE
命令主动清理内存碎片。
持久化配置
[*]合理设置 AOF 和 RDB：Redis 支持两种持久化方式：AOF（Append Only File）和 RDB（Redis Database）。AOF 记载每次写操作，适合需要高数据安全的场景；RDB 快照是定期生存数据的快照文件，适合性能要求高的场景。根据应用场景选择合适的持久化方式，或两者联合利用。
[*]优化 AOF 刷盘策略：设置 appendfsync 参数决定 AOF 的刷盘策略：
[*]always：每次写操作后都同步刷盘，数据安全性高但性能最差。
[*]everysec：每秒刷盘一次，性能与安全性平衡。
[*]no：操作系统自行决定刷盘时间，性能最好但数据丢失风险高。
[*]减少 RDB 快照频率：假如不需要频繁的持久化，可以减少 RDB 快照的频率，减少磁盘 I/O 操作。可以在 redis.conf 中调解 save 参数，比方：
save 900 1
save 300 10
save 60 10000
网络优化
[*]最大化并发毗连数：调解 maxclients 参数以支持更多的并发毗连数。可以在 redis.conf 中设置：
maxclients 10000
[*]优化复制配置：在主从复制场景下，配置 repl-diskless-sync 选项为 yes 可以减少同步过程中的磁盘 I/O 操作，提升复制性能。
Schema设计优化
选择合适的数据类型
[*]利用 String 存储简单键值对：String 是 Redis 最简单、最基本的数据类型，适用于存储简单的键值对。对于计数器、缓存等场景，可以利用 INCR、DECR 等命令进行高效的原子操作。
[*]利用 Hash 存储对象：当需要存储一个对象的多个字段时，利用 Hash 可以节流内存，提高内存利用率。比方，用户配置或产品信息等场景中，每个对象的多个字段可以利用一个 Hash 存储，减少内存斲丧。
[*]利用 Set 和 Sorted Set 进行聚集操作：假如需要存储不重复的聚集数据，可以利用 Set 数据结构；假如需要对聚集中的元素进行排序，可以利用 Sorted Set，并通过权重（score）进行排序管理，比方排行榜、评分系统等场景。
[*]利用 List 实现队列和栈操作：List 是 Redis 中的双向链表，适用于需要按照插入次序读取的场景，比方消息队列、任务队列等。可以利用 LPUSH、RPUSH、LPOP、RPOP 等命令实现先进先出（FIFO）或先进后出（LIFO）的队列操作。
减少键的大小
[*]利用紧凑的键名：键名的大小会影响 Redis 内存占用，建议利用紧凑的键名，同时保持可读性。避免利用冗长的定名，特殊是在大规模数据存储时，小键名可以显著减少内存占用。
利用 Hash 数据类型来压缩存储
Redis 的 Hash 适合存储多个字段的对象，当字段较少且值较短时，利用 Hash 可以显著减少内存占用。Redis 会将小型 Hash 以 ziplist（压缩列表）的情势存储，这样可以减少内存占用。
[*]优化方法：将多个相关的 String 键值对归并到一个 Hash 中。比方，将用户信息（如姓名、年龄、地址等）存储在一个 Hash 中，而不是利用多个 String 键。
[*]配置参数：调解 hash-max-ziplist-entries 和 hash-max-ziplist-value 参数，增大它们的值，确保更多的 Hash 以压缩列表的情势存储。比方：
hash-max-ziplist-entries 512
hash-max-ziplist-value 64
利用压缩列表（ziplists）来存储小的 List 和 Set
对于小型的 List 和 Set，Redis 可以利用 ziplist（压缩列表）和 intset（整数聚集）来节流内存。压缩列表是一种更紧凑的存储格式，可以有效减少内存占用。
[*]优化方法：确保 List 和 Set 的大小和数据类型符合 ziplist 和 intset 的存储条件，调解相关参数。
[*]配置参数：调解 list-max-ziplist-entries 和 list-max-ziplist-value 参数，增大它们的值，使更多的 List 以压缩列表的情势存储。比方：
list-max-ziplist-entries 512
list-max-ziplist-value 64
[*]利用 Intset：对于只包含整数值的小型 Set，Redis 会自动利用 intset 结构，可以进一步减少内存占用。调解 set-max-intset-entries 参数，确保更多的 Set 利用整数聚集存储。
利用更紧凑的编码格式
利用 Sorted Set 的压缩格式：对于小型的 Sorted Set，可以利用 ziplist 来存储，减少内存占用。调解 zset-max-ziplist-entries 和 zset-max-ziplist-value 参数。比方：
zset-max-ziplist-entries 128
zset-max-ziplist-value 64
数据分片与集群优化
[*]利用 Redis 集群分片数据：在数据量凌驾单个 Redis 实例的内存限制时，可以利用 Redis 集群将数据分布到多个实例中。集群模式下，Redis 将数据按照哈希槽（Hash Slot）进行分片存储，每个分片对应一个或多个节点。根据数据访问模式和业务需求，合理规划分片数量，确保负载平衡和高可用性。
避免大键值对（Big Keys）
[*]避免大键值对：在 Redis 中存储大键值对会影响操作的性能。尽量将大对象分割成多个小对象存储，避免对大键进行操作。比方，将一个包含大量数据的 Hash 拆分为多个小的 Hash 或将大 List 拆分为多个小的 List。
减少内存占用
毕竟是内存，金贵
上面的数据结构优化
数据压缩
[*] 利用更紧凑的字符串编码： Redis 会自动选择得当的字符串编码方式（raw 或 int 编码）。假如某些字符串可以转换为整数，Redis 会利用更紧凑的 int 编码来存储它们。比方，字符串 "12345" 可以转换为整数 12345，Redis 会选择整数编码，减少内存利用
[*] 利用 LZF 压缩 AOF 文件： 假如启用了 AOF（Append Only File）持久化，可以选择利用 LZF 压缩 AOF 文件，减少磁盘和内存的利用。
在 redis.conf 中启用 AOF 压缩：
aof-use-rdb-preamble yes
[*]自界说数据压缩： 对于存储在 Redis 中的特定数据类型，可以考虑在应用层进行压缩，比方利用 gzip 或 snappy 等压缩算法。压缩后的数据可以存储为二进制格式（如字符串），这样可以在保持数据不变的环境下显著减少内存占用。在写入数据之前对数据进行压缩，读取数据时进行解压缩。
减少内存碎片
[*] 优化内存分配： Redis 内部利用 jemalloc 作为内存分配器，可以通过定期优化和整理内存分配来减少内存碎片
实行内存碎片整理：利用 MEMORY PURGE
命令主动清理未利用的内存，减少内存碎片。比方：
MEMORY PURGE
[*]调解 jemalloc 配置： 根据 Redis 的内存利用模式和工作负载，调解 jemalloc 的配置参数，优化内存分配策略，减少内存碎片。比方，可以调解 jemalloc 的垃圾回收频率、碎片归并策略等参数。
减少逾期键的内存占用
[*]利用逾期策略清理无用数据： 对于某些业务场景，可能会有大量逾期的键占用内存。通过设置键的逾期时间，可以自动清理无用的数据，开释内存。设置合理的逾期时间：利用 EXPIRE 命令为键设置合理的逾期时间，定期清理无用数据，开释内存。
[*]利用 TTL 和 Keyspace Notifications： 通过 Redis 的 TTL 命令和 Keyspace Notifications，可以监控键的逾期环境，实时清理和回收内存。
精简数据存储
● 归并重复的数据：对于存储结构相似或内容重复的数据，可以考虑利用更高效的存储方式来减少内存占用。比方，利用共享字符串（String Interning）或引用计数技能，避免冗余数据存储
● 利用 HyperLogLog 和 Bitmap：对于某些数据统计场景，可以利用 HyperLogLog 和 Bitmap 数据结构来替换传统的 Set 或 List 存储方式。这些数据结构具有更低的内存占用，可以在一定范围内提高数据存储的紧凑性。
○ HyperLogLog：适用于大规模去重计数的场景，比方 UV 统计。它利用概率算法，在牺牲部门精度的环境下，可以大幅减少内存利用。
○ Bitmap：适用于布尔值存储和二进制数据处理惩罚，比方位图索引、状态标志等场景
写入优化
写入性能是 Redis 性能优化的一个重要方面。通过优化写入策略，可以显著提高 Redis 的吞吐量和响应时间。
批量写入
[*]利用 Pipeline 批量写入：Pipeline 可以将多个命令批量发送给 Redis，减少网络往返时间，提升写入效率。在高并发写入场景下，利用 Pipeline 可以显著提高吞吐量。
异步写入
[*]利用异步写入模式：在一些非关键场景（如日志记载、数据收罗等），可以利用异步写入模式，避免同步写入导致的壅闭和延长。可以通过异步任务或多线程来实现异步写入，提高系统的响应速度和吞吐量。
减少写操作
[*]优化数据更新频率：尽量减少频繁的写操作，将多次更新归并为一次操作。比方，对于计数器或累加操作，可以利用批量累加的方式，避免频繁的原子操作，减少 Redis 的处理惩罚开销。
查询优化
优化查询性能是 Redis 性能优化的另一个关键环节。通过合理的查询策略和命令选择，可以显著提高 Redis 的查询效率。
利用命令的批量处理惩罚
[*]利用批量处理惩罚命令：对于需要处理惩罚大量数据的操作，利用批量处理惩罚命令（如MGET、MSET等），减少网络往返次数，提高查询性能。
合理利用缓存
[*]设置合理的逾期时间：根据业务需求设置缓存的逾期时间，避免频繁的缓存失效和重建，影响查询性能。可以利用 EXPIRE、TTL 等命令设置和查询键的逾期时间。
优化数据结构查询
[*]选择合适的数据结构：根据查询需求选择合适的数据结构和命令，避免利用复杂度高的命令（如SORT、ZRANGE等），减少CPU和内存开销。比方，利用HASH存储对象属性而不是用STRING存储 JSON 文本。
减少内存碎片
[*]定期实行内存整理：利用MEMORY PURGE
命令开释空闲内存，减少内存碎片，提高查询性能。可以利用 Redis 的 INFO 命令监控内存利用环境和碎片率，定期进行优化
监控与调优
性能监控
[*]利用监控工具：利用 Redis 提供的监控工具（如redis-cli、INFO命令、SLOWLOG等）监控 Redis 的性能和康健状态。也可以集成第三方监控工具（如 Prometheus、Grafana）进行更全面的监控。
参数调优
[*]根据负载调解参数：根据 Redis 的负载环境和业务需求，动态调解 Redis 的参数配置，如内存分配策略、线程池大小、命令超时等。合理设置maxmemory、maxclients、timeout等参数，优化系统性能。
慢查询优化
[*]分析和优化慢查询：利用SLOWLOG记载慢查询日志，分析和优化慢查询，减少查询延长，提高查询性能。可以设置合理的慢查询阈值，监控和优化查询性能瓶颈。
集群调优
[*]调解分片和副本数：根据查询模式和集群规模调解索引的分片和副本数量，以达到最佳查询性能。在集群模式下，合理规划节点和分片布局，确保数据负载平衡和高可用性。
大家在redis实例优化和schema设计优化有什么想法，欢迎评论
页:
[1]