Redis使用中不规范的现象
redis 存储的key命名不规范，比较随意；
Redis 被当成存储库使用，存在数据丢失风险，且无重新加载方案；
Redis 缓存key，未设置过期时间， 缓存低频数据占用大量内存， 进而导致服务崩溃；
Redis 缓存大量big key, 应用获取时会占用大量网络带宽，删除也容易造成阻塞；
Redis 客户端使用不当，导致其它客户端连接timeout, 原因可能客户端密码错误，且没有使用连接池，大量连接重试导致系统端口资源耗光；
Redis 客户端命令使用不当，导致大量的慢查询，影响其它应用业务，比如在业务高峰期时使用 keys* 或flushall 这样的命令；
Redis 使用业务场景推荐与建议
高并发场景：热点数据缓存， 可提升系统整体响应速度，降低数据库IO压力 ；
限时场景：利用Redis expire命令设置session过期和续期、手机验证码等；
使用Redis的列表和有序集合数据结构可以实现多种复杂的排行榜应用
数据集合操作：利用Redis list、set、sorted set， 方便进行数据计算， 如交集、并集、差集等；
连续签到：可以利用redis的bitmap数据结构实现签到相关的业务；
计数器：利用Redis incr、incrby命令实现api调用次数统计， api限流等场景；
分布式锁：利用 Redis 的 setnx 功能来编写分布式的锁, 典型开源组件比如redisson；
如何设计出优雅的key
可以这么说，线上关于redis的性能优化这个问题上，不合理的key的设计经常是引发问题的根因，究其本质，就个人看到的情况来说，大多数同学在对redis使用过程中，对于key的设计几乎是没有什么概念的，因为大多数同学使用的场景就是 key/val ，对应的数据结构就是 字符串key/字符串val；
稍微对redis有更深入的了解的同学，在进行存储时，可能会知道 key的设计尽量短一点，中间最好有层次感，最好以 ： 进行分割 ......
那么如何才能设计出比较优雅的key呢？下面结合小编实际使用中的经验以及踩过的坑，来具体谈谈；
一、遵循如下几个最佳实践约定
遵循基本格式：[业务名称]:[数据名]:[id]；
key的长度不超过44字节；
不要包含特殊字符；
关于上面几条建议，这样做有如下几点好处：
可读性强，比如当我们设计这样的key结构， order:user:10，一眼看过去就知道这是关于用户订单相关的key；
方便维护管理，不同的应用，或者不同的业务采用不同的前缀，在可视化客户端工具或者命令行中很方便进行key的查找定位；
避免key冲突，避免在使用过程中多个人都用userId这样的值作为key引发的缓存key冲突；
使用string类型作为key，底层编码包含int、embstr和raw三种，可以有效降低内存占用。使用embstr可在内存占用更小的情况下，处理小于44字节的字符串，因为它采用了连续内存空间
推荐值：
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；
二、尽量避免bigkey
1、什么是bigkey呢
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；
2、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；
3、如何发现BigKey
在安装的机器上执行 redis-cli --bigkeys命令
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；
通过scan扫描
编写程序，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）；
使用第三方工具
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；
使用网络监控
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；
三、使用恰当的数据类型
正如上面所说，很多初次使用redis的同学，对于很多业务场景，都是一个key/val的简单的结构搞定，而不会深入思考这样做是否合理，或者说这样做以后会不会引发相关的性能方面的问题；
对于这个问题，从根本上来说，需要深入了解并掌握redis的常用的数据类型，在这个基础上，才能针对不同的业务场景，设计出高效的存储存储结构数据；
让我们思考一下，如何缓存用户对象列表这样的数据呢？
方案1：key为usrId，value为对象的序列化字符串，数据结构类似下面这样；
优点：存取方便，简单粗暴，存取时只需要做下json和对象的互转即可；
缺点：数据耦合，不够灵活，一旦对象新增了字段或删减了字段，缓存重建的成本非常大；
方案2：使用一个list结构，缓存用户ID列表，数据结构如下；
优点：对内存的占用小，操作高效；
缺点：获取到val之后，需要进一步查库才能得到完整的对象；
方案3：使用hash结构，缓存对象，数据如下所示；
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：编码上相对复杂；
Redis 缓存在实际应用中的使用建议
【推荐】对缓存进行预热。在访问数据前，应先对缓存进行预热，避免大量请求直接进入数据存储层；应根据业务情况划分合适的冷热数据，对热点数据进行预热。如许可授权信息， apikey等；
【推荐】配合使用本地缓存。在分布式架构中，虽然本地缓存可以提高数据访问的稳定性和速度，但需要谨慎使用以避免引入带状态的服务器节点。避免本地缓存过度占用应用服务器资源，导致应用节点崩溃
【推荐】缓存变更策略，应先更新数据库，再更新缓存；
【推荐】一次业务调用需要访问多次redis服务端，可采用pipleline或其它批量操作方式；
【推荐】大List,Set,Hash,存储的数量巨大。当获取大量元素时会产生较大的延迟，从而阻塞其他命令的执行。建议将其拆分成多个小的列表、集合或哈希表
使用业务规范
不管是redis，还是其他开发中使用到的中间件，具体到开发使用时，最好都应该提前制定出一套合理的规范，这个规范应该是大多数开发人员认可并在实践中得到检验，且能有效规避一些问题的，一旦指定为规范，应该成为指导内部开发人员日常的规则，这里提如下几点：
Redis 应该定位为缓存数据， 不可用于存储大规模数据（不可替代数据库）；
Redis 适合读多写少场景，如存在高频写入，低频查询场景，则不推荐使用；
在不确定key的存活时间时，最好设置过期时间，控制 key 的生命周期；
应该考虑冷热数据分离，对于查询， 高频次业务查询走Redis，低频查询考虑走数据库；
程序处理数据时，应该考虑Redis存在数据丢失的风险，因此需要实现从数据库自动加载并缓存丢失的数据到Redis
谨慎使用O(N)命令， 如list, set, hash 数据结构操作时， hgetall、lrange、smembers、zrange等并非不能使用，优先考虑使用 hscan、sscan、zscan 代替。
