如何解決 Redis 的熱 Key（Hot Key）問題？

熱 Key（Hot Key）是指訪問頻率極高的鍵，在高并發場景下可能會造成：

1. 單個 Redis 節點壓力過大（大量請求命中一個 Key）。
2. CPU 過載，響應變慢（甚至影響整個 Redis 集群）。
3. 緩存失效后大量請求直接打到數據庫，導致數據庫崩潰（緩存擊穿）。

解決方案

針對不同場景，解決方案主要包括 “分散請求” 和 “降低 Redis 負載” 兩個方向。

---

1. 使用多級緩存

核心思路：在 Redis 之前增加一級緩存，減少 Redis 訪問壓力。

方案

1. 本地緩存（L1 Cache）

   • 在應用服務器上存儲熱點數據（如 Guava Cache, Caffeine）。
   • 優點：訪問速度更快，避免 Redis 過載。
   • 缺點：如果多個應用服務器同時緩存相同 Key，可能會有數據一致性問題。

2. CDN 緩存（L0 Cache）

   • 適用于靜態資源或熱點數據（如商品詳情頁）。
   • 優點：減少數據庫、Redis 訪問壓力。

示例：使用 Guava 本地緩存

LoadingCache<String, String> localCache = CacheBuilder.newBuilder().maximumSize(1000).expireAfterWrite(10, TimeUnit.MINUTES).build(new CacheLoader<String, String>() {public String load(String key) throws Exception {return redis.get(key); // 從 Redis 取數據}});// 讀取緩存
String value = localCache.get("hot_key");

---

2. 進行 Key 預分片（Key Sharding）

核心思路：將單個熱 Key 拆分成多個 Key，讓不同的 Redis 節點存儲不同的副本，從而分散壓力。

方案

• 存儲時：寫入多個不同的 Key，例如 hot_key_1, hot_key_2, hot_key_3。
• 查詢時：隨機訪問 hot_key_n，或使用一致性 Hash 計算 Key。

示例

// 寫入時分片
for (int i = 0; i < 3; i++) {redis.set("hot_key_" + i, value);
}// 讀取時隨機選一個
String key = "hot_key_" + (rand() % 3);
String value = redis.get(key);

適用場景

• 高并發計數（如熱點直播間點贊）。
• 高 QPS 的熱點數據（如秒殺商品庫存）。

---

3. 使用 Redis 復制機制（主從復制或集群）

核心思路：通過 Redis 讀寫分離，多個節點分擔讀取壓力。

方案

• 主節點（Master）處理寫請求，多個從節點（Slave）處理讀請求。
• 結合 客戶端負載均衡，將 get 請求分發到不同的從節點。

示例（配置 Redis 讀從庫）

slaveof master_ip master_port

適用場景

• 適用于 Redis 集群模式，大規模熱 Key 分布式緩存場景。

---

4. 采用批量 Key 輪換（Consistent Hash）

核心思路：通過一致性哈希（Consistent Hashing）降低熱 Key 訪問壓力。

方案

1. 將一個 Key 拆分成多個時間窗口 Key。
2. 訪問時隨機選擇一個 Key，確保熱點數據均勻分布。
3. 定期清理過時的 Key。

示例

String key = "hot_key:" + (time(nullptr) % 5); // 輪換 Key
redis.set(key, value);

適用場景

• 防止緩存擊穿（熱點數據定期輪換）。
• 適用于短周期熱點數據（如秒殺、短時間訪問高峰）。

---

5. 采用異步更新策略

核心思路：緩存失效后，先返回舊值，同時異步更新緩存，避免大量請求瞬間打到數據庫。

方案

• 采用 雙緩存（Double Cache） 機制：
  1. 用戶查詢時返回舊緩存。
  2. 后臺異步更新新數據。

示例

String value = redis.get("hot_key");
if (value == null) {value = localCache.get("hot_key");  // 先從本地緩存讀取asyncUpdateRedis(); // 后臺線程更新 Redis
}
return value;

適用場景

• 避免緩存擊穿問題（如商品價格、秒殺庫存）。

---

6. 限流和降級

核心思路：如果 Redis 無法支撐高并發請求，可以限制請求頻率，或者直接返回默認值。

方案

1. 限流（使用令牌桶 / 滑動窗口）

   • 限制相同 Key 的訪問頻率。
   • 避免短時間內 Redis 負載過高。

2. 降級（請求超時時返回默認值）

   • 如果 Redis 繁忙，則返回本地默認值，減少 Redis 壓力。

示例（限流）

local key = KEYS[1]
local limit = tonumber(ARGV[1])
local current = redis.call('incr', key)if current == 1 thenredis.call('expire', key, 60) -- 60s 過期
endif current > limit thenreturn 0 -- 限流失敗
end
return 1

適用場景

• API 訪問頻率控制（如搶購、直播點贊）。

---

7. 結合 MQ 做異步削峰

核心思路：將高并發請求寫入消息隊列（如 Kafka / RabbitMQ），異步處理，降低 Redis 訪問壓力。

方案

1. 將請求寫入 Kafka，批量處理。
2. 后端定期刷新緩存，避免 Redis 承擔高并發壓力。

示例

// 生產者：將查詢請求寫入 MQ
kafkaProducer.send("hotKeyTopic", "hot_key");// 消費者：異步更新緩存
kafkaConsumer.onMessage(msg -> {String value = queryDatabase("hot_key");redis.set("hot_key", value);
});

適用場景

• 適用于秒殺、短時熱點數據（如搶購、熱點新聞）。

---

總結

方法	核心思路	適用場景
多級緩存	L1（本地緩存）+ L2（Redis 緩存）	低延遲讀取，熱點數據
Key 預分片	拆分熱 Key，分散訪問壓力	高并發計數（直播點贊、熱點商品）
主從復制	讀寫分離，提高讀性能	Redis 集群，讀多寫少
輪換 Key	使用 Hash 輪轉 Key	秒殺庫存、短時間熱點數據
異步更新	先返回舊緩存，后臺更新	價格、秒殺商品庫存
限流和降級	限制訪問頻率，防止 Redis 過載	高 QPS 接口，秒殺搶購
MQ 削峰	通過 Kafka / RabbitMQ 處理請求	高并發訂單、熱點數據

面試標準回答

解決 Redis 熱 Key 主要有 3 類方法：

1. 減少 Redis 訪問壓力（本地緩存、CDN、讀寫分離）。
2. 分散 Key 訪問（Key 預分片、輪換 Key）。
3. 限制并發（限流、降級、MQ 削峰）。
   最推薦的方案是：本地緩存 + Key 預分片 + Redis 讀寫分離，結合業務需求選擇最優方案！🚀