企业官网建设流程全解析

11 内存管理与性能优化

🎯 学习要点

• 内存上限与淘汰策略
• 慢查询监控与采样
• 批量与管道优化

📖 名词解释

• maxmemory：Redis 允许使用的最大内存上限。
• 淘汰策略：在内存达到上限时选择哪些键被删除（LRU/LFU/TTL 等）。
• LRU：最近最少使用，优先淘汰最久未被访问的键。
• LFU：最不常用，优先淘汰访问频率低的键。
• SLOWLOG：慢查询日志，记录执行时间超过阈值的命令。
• Pipeline：批量发送命令减少往返时间，提高吞吐。
• 热 Key：访问异常频繁的键，可能成为性能瓶颈。
• 大 Key：体积或成员过大的键，影响内存与网络传输效率。
• 命中率：缓存命中次数与总请求次数的比例，衡量缓存有效性。

🧭 学习方案

• 设置maxmemory与淘汰策略为 LRU/LFU，观察命中率与内存变化。
• 开启慢查询日志并分析 Top 命令，优化操作与改用更合适的数据结构。
• 使用 Pipeline 进行批量写入与读取，对比单次调用的性能差异。
• 统计并治理大 Key 与热 Key，拆分结构或引入本地缓存降低压力。

🗺️ 应用场景说明

• 热门列表缓存：使用 LRU 淘汰保留常访问的数据，减少回源。
• 批量写入任务：用管道写 1000 条配置或字典，提高导入速度。
• 大促场景：监控热 Key（如热点商品详情），提前预热与分片。

⚠️ 注意事项

• 控制键与成员规模
• 避免序列化膨胀
• 关注网络与连接池参数

💾 内存与淘汰策略

maxmemory 4gb maxmemory-policy allkeys-lru

通俗说明

• 限制最大内存并设置淘汰策略，常用 LRU/LFU 保留热点数据。
• 淘汰发生在写入时，建议为缓存数据设置合理 TTL。

详细解释

• maxmemory控制上限，超出写入触发淘汰；策略如 LRU/LFU/TTL 等。
• 业务缓存应设置 TTL，避免长期占用导致频繁淘汰影响性能。
• 生产需监控命中率与淘汰次数，评估容量与策略是否合适。

速记口诀

• 口诀：设上限选策略，缓存要 TTL

配置文件修改步骤（maxmemory/淘汰策略）

• 文件位置：
  • Linux：/etc/redis/redis.conf或/usr/local/etc/redis/redis.conf
  • Windows：C:\redis\redis.conf
  • Docker（容器内）：/usr/local/etc/redis/redis.conf
• 修改内容（持久化到配置文件）：

  maxmemory 4gb maxmemory-policy allkeys-lru

• 运行时命令（临时生效，重启后需写入配置）：

  redis-cli CONFIG SET maxmemory4294967296redis-cli CONFIG SET maxmemory-policy allkeys-lru redis-cli CONFIG GET maxmemory redis-cli CONFIG GET maxmemory-policy redis-cli INFO memory

• 命令行编辑示例（Linux）：

  sudovi/etc/redis/redis.conf# 修改 maxmemory 与 maxmemory-policy 后保存退出sudosystemctl restart redis-server 或sudoserviceredis-server restart redis-cli CONFIG GET maxmemory redis-cli CONFIG GET maxmemory-policy

• 命令行编辑示例（Windows）：

  notepad C:\redis\redis.conf# 保存后重启进程Stop-Process-Name redis-server-ForceStart-Process"C:\redis\redis-server.exe"-ArgumentList"C:\redis\redis.conf"redis-cliCONFIG GET maxmemory redis-cliCONFIG GET maxmemory-policy

🐢 慢查询与阈值

slowlog-log-slower-than 10000 slowlog-max-len 256

通俗说明

• 超过阈值的命令会被记录到慢查询日志，便于定位性能问题。
• 保留一定长度的慢日志，结合采样与统计分析热点命令。

详细解释

• slowlog-log-slower-than以微秒为单位；设得过低会产生大量记录。
• 配合slowlog-max-len控制日志长度，定期导出分析。
• 慢日志结合业务监控，定位大 Key、长阻塞与高延迟来源。

配置文件修改步骤（慢查询）

• 文件位置与修改方式同上；写入以下配置并重启生效：

  slowlog-log-slower-than 10000 slowlog-max-len 256

• 运行时命令：

  redis-cli CONFIG SET slowlog-log-slower-than10000redis-cli CONFIG SET slowlog-max-len256redis-cli CONFIG GET slowlog-log-slower-than redis-cli CONFIG GET slowlog-max-len

• 操作示例：

  # 拉取慢日志样本redis-cli SLOWLOG GET10# 查看总量redis-cli SLOWLOG LEN# 导出 CSV 便于分析redis-cli --csv SLOWLOG GET128>slowlog.csv# 清空慢日志（谨慎操作）redis-cli SLOWLOG RESET

📊 查询与监控

# 通用指标redis-cli INFO redis-cli INFO memory redis-cli INFO stats# 延迟诊断redis-cli LATENCY DOCTOR# 内存诊断redis-cli MEMORY STATS redis-cli MEMORY DOCTOR# 大 Key/热 Key 采样（需新版本 redis-cli）redis-cli --bigkeys redis-cli --hotkeys

通俗说明

• INFO查看实例指标；SLOWLOG GET拉取慢日志样本。
• 结合监控告警与采样分析，持续优化热点与大 Key。

详细解释

• INFO包含内存、连接、命中率、持久化等多维指标。
• SLOWLOG GET N拉取最近 N 条慢日志，辅助定位问题命令。
• 指标与慢日志结合时间窗分析，制定优化计划与限流策略。

🚚 管道示例

importorg.springframework.beans.factory.annotation.Autowired;importorg.springframework.stereotype.Service;importorg.springframework.data.redis.core.RedisTemplate;importorg.springframework.data.redis.core.RedisCallback;importjava.util.List;@ServicepublicclassPipelinePerf{@AutowiredRedisTemplate<String,String>tpl;publicList<Object>writeMany(){// 执行管道批量写入，减少网络往返returntpl.executePipelined((RedisCallback<Object>)connection->{for(inti=0;i<1000;i++){// 逐条写入字符串键值connection.stringCommands().set(("k:"+i).getBytes(),("v:"+i).getBytes());}returnnull;});}}

通俗说明

• Pipeline 像“打包寄送”，把很多命令一起发出去，减少来回等待时间。
• 它不保证原子性，失败重试要在业务层处理，适合大量小写入的任务。
• 写入过多也会占用连接与内存，注意批次大小与限速。

详细解释

• 批量发送降低 RTT，但每批的大小需结合连接与内存限制设置。
• 非原子，遇到错误需记录并重试或补偿，避免数据不一致。
• 合理的批次与节流能显著提升吞吐并保持系统平稳。

系统环境操作示例（性能对比）

# 使用 redis-benchmark 测试基础吞吐（Linux/macOS）redis-benchmark -t set,get -n100000-q# 使用管道并发提升吞吐（-P 指定并发 pipeline 深度）redis-benchmark -tset-n200000-P50-q# 通过 --csv 输出便于分析redis-benchmark -t set,get -n100000-P20--csv>benchmark.csv

# Windows 使用 redis-benchmark.exe（路径按安装调整）&"C:\redis\redis-benchmark.exe"-tset,get-n 100000-P 50-q

# 使用 redis-cli --pipe 进行批量导入（Linux/macOS）seq1100000|awk'{print "SET k:"$1" v:"$1}'|redis-cli --pipe

小结

• LRU/LFU 淘汰策略适合缓存场景，需结合业务访问模式选择。
• 慢查询通过 SLOWLOG 采样与阈值定位问题命令，优化数据结构与批量写。
• 批量与管道减少网络往返，适合大量小写入；注意非原子性与失败重试策略。
• 降低序列化开销与对象大小，避免大 Key 影响内存与网络。

参数模板（可直接粘贴到 redis.conf）

# 小型生产环境（折中可靠性与性能） maxmemory 2gb maxmemory-policy allkeys-lru slowlog-log-slower-than 10000 slowlog-max-len 256 # 高吞吐环境（优先稳态吞吐） maxmemory 16gb maxmemory-policy allkeys-lfu slowlog-log-slower-than 5000 slowlog-max-len 1024