本文共 4199 字，大约阅读时间需要 13 分钟。
redis大key，这里指的是大的集合数据类型，如（set/hash/list/sorted set），一个key包含很多元素。由于redis是单线程，在删除大key(千万级别的set集合)的时候，或者清理过期大key数据时，主线程忙于删除这个大key，会导致redis阻塞、崩溃，应用程序异常的情况。
线上redis作为实时去重的一个工具，里面有6千万的用户guid，这么一个set集合，如果直接使用del删除，会导致redis严重阻塞。
10.1.254.18:6380> info memory# Memoryused_memory:15175740016used_memory_human:14.13Gused_memory_rss:22302339072used_memory_peak:22351749192used_memory_peak_human:20.82Gused_memory_lua:36864mem_fragmentation_ratio:1.47mem_allocator:jemalloc-3.6.010.1.254.18:6380> scard helper_2019-03-12(integer) 6453098010.1.254.18:6380> del helper_2019-03-12(integer) 1(81.23s)10.1.254.18:6380> info memory# Memoryused_memory:8466985704used_memory_human:7.89Gused_memory_rss:10669453312used_memory_peak:22351749192used_memory_peak_human:20.82Gused_memory_lua:36864mem_fragmentation_ratio:1.26mem_allocator:jemalloc-3.6.0
可以看到，helper_2019-03-12这个key，是一个包含64530980个元素的集合，直接使用del删除命令，花的时间为：81.23s，显然会发送超时、阻塞，程序异常！好在，我们用的是连接池，没有出现问题。
这种情况，应该使用sscan命令，批量删除set集合元素的方法。下面是一个Java代码分批删除redis中set集合的例子：
private static void test2(){ // 连接redis 服务器 Jedis jedis = new Jedis("0.0.0.0",6379); jedis.auth("123456"); // 分批删除 try { ScanParams scanParams = new ScanParams(); // 每次删除 500 条 scanParams.count(500); String cursor = ""; while (!cursor.equals("0")){ ScanResult scanResult=jedis.sscan("testset", cursor, scanParams); // 返回0 说明遍历完成 cursor = scanResult.getStringCursor(); List result = scanResult.getResult(); long t1 = System.currentTimeMillis(); for(int m = 0;m < result.size();m++){ String element = result.get(m); jedis.srem("testset", element); } long t2 = System.currentTimeMillis(); System.out.println("删除"+result.size()+"条数据，耗时: "+(t2-t1)+"毫秒,cursor:"+cursor); } }catch (JedisException e){ e.printStackTrace(); }finally { if(jedis != null){ jedis.close(); } }} 对于其它集合，也有对应的方法。
对于redis的监控和清理，通常会用一些Python脚本去做，简单、轻便。用java的话，再小的一个任务也要打包、发布，如果没有一套完善的开发、发布的流程，还是比较麻烦的。这时候，很多人倾向于写Python脚本，会Python的大部分人都是会Java的。
这里，还是以删除一个set集合为例：
# -*- coding:utf-8 -*-import redisdef test(): # StrictRedis创建连接时，这个连接由连接池管理，所以我们无需关注连接是否需要主动释放 re = redis.StrictRedis(host = "0.0.0.0",port = 6379,password = "123") key = "test" for i in range(100000): re.sadd(key, i) cursor = '0' cou = 200 while cursor != 0: cursor,data = re.sscan(name = key, cursor = cursor, count = cou) for item in data: re.srem(key, item) print cursorif __name__ == '__main__': test()
为了解决redis使用del命令删除大体积的key，或者使用flushdb、flushall删除数据库时，造成redis阻塞的情况，在redis 4.0引入了lazyfree机制，可将删除操作放在后台，让后台子线程(bio)执行，避免主线程阻塞。
lazy free的使用分为2类：第一类是与DEL命令对应的主动删除，第二类是过期key删除、maxmemory key驱逐淘汰删除。
UNLINK命令是与DEL一样删除key功能的lazy free实现。唯一不同时，UNLINK在删除集合类键时，如果集合键的元素个数大于64个(详细后文），会把真正的内存释放操作，给单独的bio来操作。
127.0.0.1:7000> UNLINK mylist(integer) 1FLUSHALL/FLUSHDB ASYNC127.0.0.1:7000> flushall async //异步清理实例数据
lazy free应用于被动删除中，目前有4种场景，每种场景对应一个配置参数； 默认都是关闭。
lazyfree-lazy-eviction nolazyfree-lazy-expire nolazyfree-lazy-server-del noslave-lazy-flush no
lazyfree-lazy-eviction
针对redis内存使用达到maxmeory，并设置有淘汰策略时；在被动淘汰键时，是否采用lazy free机制；
因为此场景开启lazy free, 可能使用淘汰键的内存释放不及时，导致redis内存超用，超过maxmemory的限制。此场景使用时，请结合业务测试。
lazyfree-lazy-expire
针对设置有TTL的键，达到过期后，被redis清理删除时是否采用lazy free机制；
此场景建议开启，因TTL本身是自适应调整的速度。
lazyfree-lazy-server-del
针对有些指令在处理已存在的键时，会带有一个隐式的DEL键的操作。如rename命令，当目标键已存在,redis会先删除目标键，如果这些目标键是一个big key,那就会引入阻塞删除的性能问题。 此参数设置就是解决这类问题，建议可开启。
slave-lazy-flush
针对slave进行全量数据同步，slave在加载master的RDB文件前，会运行flushall来清理自己的数据场景，
参数设置决定是否采用异常flush机制。如果内存变动不大，建议可开启。可减少全量同步耗时，从而减少主库因输出缓冲区爆涨引起的内存使用增长。
expire及evict优化
redis在空闲时会进入activeExpireCycle循环删除过期key，每次循环都会率先计算一个执行时间，在循环中并不会遍历整个数据库，而是随机挑选一部分key查看是否到期，所以有时时间不会被耗尽（采取异步删除时更会加快清理过期key），剩余的时间就可以交给freeMemoryIfNeeded来执行。参考链接：
转载地址：http://gykuz.baihongyu.com/