1、优雅的key结构
Redis的Key虽然可以自定义，但最好遵循下面的几个最佳实践约定：
- 遵循基本格式：[业务名称]:[数据名]:[id]
- 长度不超过44字节
- 不包含特殊字符
例如：我们的登录业务，保存用户信息，其key是这样的：
优点：
- 可读性强
- 避免key冲突
- 方便管理
- 更节省内存： key是string类型，底层编码包含int、embstr和raw三种。embstr在小于44字节使用，采用连续内存空间，内存占用更小
2、拒绝BigKey
BigKey通常以Key的大小和Key中成员的数量来综合判定，例如：
- Key本身的数据量过大：一个String类型的Key，它的值为5 MB。
- Key中的成员数过多：一个ZSET类型的Key，它的成员数量为10,000个。
- Key中成员的数据量过大：一个Hash类型的Key，它的成员数量虽然只有1,000个但这些成员的Value（值）总大小为100 MB。
推荐：
- 单个key的value小于10KB
- 对于集合类型的key，建议元素数量小于1000
1、BigKey的危害
- 网络阻塞
对BigKey执行读请求时，少量的QPS就可能导致带宽使用率被占满，导致Redis实例，乃至所在物理机变慢
- 数据倾斜
BigKey所在的Redis实例内存使用率远超其他实例，无法使数据分片的内存资源达到均衡
- Redis阻塞
对元素较多的hash、list、zset等做运算会耗时较旧，使主线程被阻塞
- CPU压力
对BigKey的数据序列化和反序列化会导致CPU的使用率飙升，影响Redis实例和本机其它应用
2、如何发现BigKey
-
redis-cli --bigkeys
利用redis-cli提供的–bigkeys参数，可以遍历分析所有key，并返回Key的整体统计信息与每个数据的Top1的big key
- scan扫描
自己编程，利用scan扫描Redis中的所有key，利用strlen、hlen等命令判断key的长度（此处不建议使用MEMORY USAGE）
- 第三方工具
利用第三方工具，如 Redis-Rdb-Tools 分析RDB快照文件，全面分析内存使用情况
- 网络监控
自定义工具，监控进出Redis的网络数据，超出预警值时主动告警
3、如何删除BigKey
BigKey内存占用较多，即便时删除这样的key也需要耗费很长时间，导致Redis主线程阻塞，引发一系列问题。
- redis 3.0 及以下版本：如果是集合类型，则遍历BigKey的元素，先逐个删除子元素，最后删除BigKey
- Redis 4.0以后：Redis在4.0后提供了异步删除的命令：unlink
3、恰当的数据类型
数据存储到Redis当中，如何选择恰当的类型呢？举例说明一下
例1：比如存储一个User对象，我们有三种存储方式：
- 方式一：json字符串
**优点：**实现简单粗暴
**缺点：**数据耦合，不够灵活
- 方式二：字段打散
user:1:name | Jack |
user:1:age | 21 |
**优点：**可以灵活访问对象任意字段
**缺点：**占用空间大、没办法做统一控制
- 方式三：hash
user:1 | name | Jack |
（其实第一列的单元格是合并的） | jack | 21 |
**优点：**底层使用ziplist，空间占用小，可以灵活访问对象的任意字段
**缺点：**代码相对复杂
PS：总的来说，还是哈希比较好一点，空间小且灵活，代码其实也复杂不到哪去，多那几行代码，一下就完事了
例2：假如有hash类型的key，其中有100万对field和value，field是自增id，这个key存在什么问题？如何优化？
方案一：hash存储
如果还使用hash来存储的话，会存在以下问题：
- hash的entry数量超过500时，会使用哈希表而不是ZipList，内存占用较多。
- 可以通过hash-max-ziplist-entries配置entry上限。但是如果entry过多就会导致BigKey问题
*
方案二：采用String类型存储，拆分为String
Key | value |
id:0 | value0 |
… | … |
id:999999 | value999999 |
存在的问题：
- string结构底层没有太多内存优化，内存占用较多。
- 想要批量获取这些数据比较麻烦
方案三：拆分为小的hash，将 id / 100 作为key， 将id % 100 作为field，这样每100个元素为一个Hash
采用小的hash结构之后，内存缩小了接近1/3。
4、总结
Key的最佳实践：
- 固定格式：[业务名]:[数据名]:[id]
- 足够简短：不超过44字节
- 不包含特殊字符
Value的最佳实践：
- 合理的拆分数据，拒绝BigKey
- 选择合适数据结构
- Hash结构的entry数量不要超过1000
- 设置合理的超时时间
