熱點 Key 指單個 Key 被高并發訪問（如爆款商品），導致 Redis 壓力驟增。解決方案應針對 “單個 Key 高并發”：

• 分片緩存：將熱點 Key 分散到不同 Redis 節點（如按一致性哈希算法分片）。
• 本地緩存：在應用層緩存熱點數據（如 Caffeine），減少 Redis 壓力。
• 增加緩存副本：為熱點數據增加緩存副本，將熱點數據復制到多個緩存節點上，分散訪問壓力。（例如，使用 Redis 的主從復制，將熱點數據存儲在多個從節點上，分散讀請求。）

熱點 Key 的產生原因（除 Redis 宕機外）

• 熱點 Key 的核心原因是突發流量或熱門事件，例如：
• 突發活動：秒殺、直播帶貨導致某個商品 Key 被高頻訪問。
• 熱點事件：微博熱搜話題對應的緩存 Key。
• 數據傾斜：數據庫中某類數據天然訪問量高（如高頻查詢的用戶 ID）。

---

一致性hash了解過嗎？

一致性哈希是一種用于分布式系統中的負載均衡算法，它的核心目標是：在節點數量發生變化時，盡量減少數據遷移，同時保持數據的均勻分布。

• 主要目的是將數據均勻分布到多個節點上，并在節點增減時盡可能減少數據的重新分配。

核心原理

• 哈希環（Hash Ring）：

  • 一致性哈希把整個哈希值空間組織成一個環狀結構（0 ~ 232 - 1）。

• 節點映射：

  • 每個節點通過哈希函數（如 FNV、MD5 等）被映射到環上的一個點。

• 數據映射：

  • 數據項（key）同樣通過哈希函數映射到環上。
  • 每個數據項存儲在順時針方向遇到的第一個節點上。

---

節點變動對數據影響最小

• 增加節點：

  • 新節點插入環后，只接管其順時針方向上第一個節點的部分數據，其余數據不受影響。

• 刪除節點：

  • 節點下線后，其數據由順時針方向的下一個節點接管。

這保證了在節點動態增減的情況下，只需遷移小部分數據，極大提升了系統的可擴展性與穩定性。

---

應用場景

• 分布式緩存（如 Redis Cluster）
• 負載均衡（如 Nginx+Consistent Hash）
• 分布式存儲（如 Cassandra、Amazon Dynamo）

---

刪除大key的方式

1. 分批刪除：將大key分批刪除，使用SCAN迭代獲取大key中的元素，逐個刪除

HSCAN bigkey 0 COUNT 100
HDEL bigkey f1 f2 f3 ...

2. 異步刪除：利用redis4.0引入的UNLINK代替DEL，在后臺進行刪除，減少阻塞

UNLINK bigkey

3. 設置過期時間：為大key設置過期時間，等過期在后臺自己刪除

EXPIRE bigkey 60

4. 使用lua腳本：使用lua腳本代替發大量操作，減少網絡IO

-- 分批刪除 set 中的成員（每次刪100個）
local members = redis.call('SRANDMEMBER', KEYS[1], 100)
for i=1,#members doredis.call('SREM', KEYS[1], members[i])
end
return #members

---

https://github.com/0voice