一、Redis配置基础：核心参数解析

Redis的配置文件（redis.conf）是性能调优的起点，需重点关注以下参数：

1. 内存管理配置

内存是Redis性能的核心瓶颈，需通过maxmemory和maxmemory-policy控制内存使用：

maxmemory 4gb                # 设置最大内存限制
maxmemory-policy allkeys-lru # 内存溢出时采用LRU淘汰策略

• 淘汰策略选择：根据业务场景选择volatile-lru（淘汰过期键）、allkeys-lru（淘汰所有键）或noeviction（禁止写入）。电商场景推荐volatile-ttl，优先淘汰即将过期的商品缓存。
• 内存碎片整理：启用activedefrag yes并设置active-defrag-threshold-lower 10，当碎片率超过10%时自动整理，避免内存浪费。

2. 持久化策略优化

Redis提供RDB快照和AOF日志两种持久化方式，需根据数据安全性要求配置：

save 900 1      # 每900秒至少1次修改时触发RDB
save 300 10     # 每300秒至少10次修改时触发RDB
appendonly yes  # 启用AOF
appendfsync everysec # 每秒同步一次AOF

• RDB与AOF协同：RDB适合全量备份，AOF适合增量日志。建议生产环境同时启用，但需注意AOF文件可能膨胀，需定期执行BGREWRITEAOF重写。
• 无盘持久化：在SSD环境下可启用rdbcompression no和aof-use-rdb-preamble yes，减少磁盘I/O压力。

3. 网络与并发配置

tcp-backlog 511       # TCP连接队列长度
tcp-keepalive 300     # 保持连接间隔（秒）
maxclients 10000      # 最大客户端连接数

• 连接数优化：根据服务器资源调整maxclients，避免因连接过多导致OOM。可通过netstat -an | grep :6379 | wc -l监控实时连接数。
• 短连接复用：启用reuseport yes（Linux 3.9+）允许多个套接字监听同一端口，提升并发处理能力。

二、Redis性能优化：从单机到集群

1. 单机性能调优

• 数据结构选择：

  • Hash优化：存储对象时，将字段数控制在1000以内，避免HGETALL导致阻塞。例如用户信息缓存：

    HSET user:1001 name "Alice" age 30

  • ZSET排序优化：对范围查询频繁的场景，使用ZRANGEBYSCORE而非全量排序。

• 管道（Pipeline）与批量操作：

  # Python示例：使用pipeline批量设置
  import redis
  r = redis.Redis()
  pipe = r.pipeline()
  for i in range(1000):
      pipe.set(f"key:{i}", i)
  pipe.execute()

  管道可减少网络往返时间（RTT），吞吐量提升可达10倍。

2. 集群部署与高可用

• 主从复制配置：

  slaveof 192.168.1.100 6379  # 从节点配置
  replica-read-only yes         # 从节点只读

  • 读写分离：读操作分流到从节点，需注意主从同步延迟（通常<1ms）。
  • 无盘复制：启用repl-diskless-sync yes减少磁盘I/O，适合大内存实例。

• Redis Cluster部署：

  # 启动集群（3主3从）
  redis-cli --cluster create 192.168.1.100:6379 \
    192.168.1.101:6379 192.168.1.102:6379 \
    --cluster-replicas 1

  • 槽位分配：集群将16384个槽位均匀分配到主节点，需监控槽位迁移进度（CLUSTER SLOTS）。
  • 客户端重定向：使用支持集群的客户端（如JedisCluster），自动处理MOVED重定向错误。

3. 监控与故障排查

• 慢查询日志：

  slowlog-log-slower-than 10000  # 记录执行时间>10ms的命令
  slowlog-max-len 100            # 保留100条慢查询

  通过SLOWLOG GET分析耗时命令，优化KEYS *等全量扫描操作。

• INFO命令分析：

  redis-cli info memory | grep used_memory
  redis-cli info stats | grep instantaneous_ops_per_sec

  • 内存监控：used_memory_rss与used_memory的差值反映碎片率。
  • QPS计算：instantaneous_ops_per_sec显示实时吞吐量。

三、高级优化技巧

1. Lua脚本优化

• 原子操作：使用EVAL执行复杂逻辑，避免竞态条件。例如秒杀场景：

  -- 库存扣减脚本
  local key = KEYS[1]
  local stock = tonumber(redis.call('GET', key))
  if stock and stock > 0 then
      return redis.call('DECR', key)
  else
      return 0
  end

• 脚本缓存：通过SCRIPT LOAD预加载脚本，减少重复编译开销。

2. 布隆过滤器集成

• 误判率控制：使用Redis模块RedisBloom实现布隆过滤器，过滤不存在的键查询：

  # 安装RedisBloom
  redis-server --loadmodule /path/to/redisbloom.so

  BF.RESERVE myfilter 0.01 100000  # 误判率1%，容量10万
  BF.ADD myfilter "user:1001"

  可减少80%以上的缓存穿透攻击。

3. 混合存储方案

• 冷热数据分离：将热点数据存于Redis，冷数据归档到SSD：

  def get_data(key):
      value = r.get(key)
      if not value:
          value = fetch_from_ssd(key)  # 从SSD加载
          r.setex(key, 3600, value)    # 回填到Redis
      return value

  适用于用户画像等访问模式明显的场景。

四、最佳实践总结

1. 基准测试：使用redis-benchmark -t set,get -n 100000评估性能，调整hz（事件循环频率）参数。
2. 版本升级：Redis 6.0+支持多线程I/O，7.0+引入ACL和共享模块，建议升级至最新稳定版。
3. 容灾设计：跨机房部署集群，使用SENTINEL监控主节点故障，自动触发故障转移。

通过系统化的配置与优化，Redis可支撑每秒数十万级的请求，成为高并发场景下的核心缓存解决方案。实际部署中需结合业务特点持续调优，定期审查配置参数与监控指标。