问题

redis大key是让人比较头疼的问题，如果线上redis出现大key，断然不可立即执行del，因为大key的删除会造成阻塞。阻塞期间，所有请求都可能造成超时，当超时越来越多，新的请求不断进来，这样会造成redis连接池耗尽，尽而引发线上各种依赖redis的业务出现异常。

做个简单测试

通过脚本先向redis写入大量的数据：

127.0.0.1:6379> hlen hset_test
(integer) 3784945

这里看到大概有300多万的数据，我们执行个del看看：

127.0.0.1:6379> del hset_test
(integer) 1
(3.90s)

可以发现耗时将近4s。
我们知道redis核心是单线程在跑的，那么这个阻塞期间，redis是无法处理其他请求的。

低峰期删除

最简单的方式就是在业务低峰期进行删除，比如大部分场景在凌晨4点左右比较低峰，这时候执行删除，造成的影响比较小。当然这种方式也是无法避免阻塞期间的请求，一般适用执行期间qps非常小的业务。

scan分批

既然大key不能一下删除，那么我们就分批删除。

hset

对于hset，我们hsan分批删除。

# 伪代码
HSCAN key 0 COUNT 100
HDEL key fields

每次取个100条，然后删除

set

对于set，我们可以每次随机取一批数据，然后删除

# 伪代码
SRANDMEMBER key 10
SREM key fields

zset

对于zset，每次可以直接删除一批数据

伪代码
ZREMRANGEBYRANK key 0 10

list

对于list，直接pop

伪代码
i:=0
for {
    lpop key
    i++
    if i%100 == 0 {
        sleep(1ms)
    }
}

异步删除

过期key删除策略

有人说既然在线删除大key会造成阻塞，那么就对这个key设置一个TTL，交给redis自己去删。我先看看redis的过期key删除策略：

定期删除：

我们知道redis的key分为带过期的和永久的，对于有过期时间的key，redis会单独放在一个字典表里，单独的好处就是redis知道这个字典里的key随时可能过期，那么我就定期过来处理下，定期的任务就交给了serveCron，默认每100ms执行一次。每当serveCron执行的时候，就会去带ttl的key里面随机抽取一部分key来检查，如果这批key真的过期了，那么就执行同步删除。随机抽查的原因：

1. 不可能全部检验的，阻塞线程
2. 随机的话体现一定的公平性

惰性删除

通过定期删除，我们可以每次删除一批已经过期的key，但是如果一个key已经过期了，定期删除也没清理到，这时用户来读取这个key的话，肯定不能直接返回，这时也会检查这个key是否过期，如果过期直接删除，返回空。

淘汰策略

1. noeviction：当内存使用超过配置的时候会返回错误，不会驱逐任何键
2. allkeys-lru：通过LRU算法驱逐最久没有使用的键
3. volatile-lru：通过LRU算法从设置了过期时间的键集合中驱逐最久没有使用的键
4. allkeys-random：从所有key中随机删除
5. volatile-random：从过期键的集合中随机驱逐
6. volatile-ttl：从配置了过期时间的键中驱逐马上就要过期的键
7. volatile-lfu：从所有配置了过期时间的键中驱逐使用频率最少的键
8. allkeys-lfu：从所有键中驱逐使用频率最少的键

淘汰策略是一个灵活的选项，一般根据业务来选择合适的淘汰策略，那么自定义的淘汰策略是何时触发的？当然是我们进行加key或者更新一个更大的key的时候。所以他的删除也是同步的，如果正好淘汰一个大key的时候，很不幸当前也会发生阻塞。

总结：不管以上三种哪个触发的删除，它都是同步的。所以就算加个TTL，redis也是同步删除的，大key还是会造成阻塞。

异步删除

在redis4.0的时候，作者对于大key删除造成阻塞的问题也做了考虑，于是出现了异步删除，异步删除也分为用户主动和程序被动。

主动删除

unlink

对于主动删除，redis提供了del的替代方法unlink，当我们在unlink的时候，redis会先检查要删除元素的个数（比如集合），如果集合的元素的小于等于64个的时候，就会直接执行同步删除，因为这不算一个大key，不会浪费很多的开销，但是当超过64个的时候，redis会认为是大key的概率比较大，这时候redis会在字典里，先把key删除，真正的value会交给异步线程来操作，这样的话就不会对主线程造成任何影响。

flushall、flushdb

在执行flushall或者flushdb的时候，增加了ASYNC选项 FLUSHALL [ASYNC] ，当用户没设置ASYNC的时候，此时的flush操作是阻塞的，当设置了ASYNC的时候，会建立一个新的空字典，然后指向它，老字典交给异步线程来慢慢删。

被动删除

redis配置策略

• lazyfree-lazy-eviction：针对redis有设置内存达到maxmemory的淘汰策略时，这时候会启动异步删除，此场景异步删除的缺点就是如果删除不及时，内存不能得到及时释放。
• lazyfree-lazy-expire：对于有ttl的key，在被redis清理的时候，不执行同步删除，加入异步线程来删除。
• replica-lazy-flush：在slave节点加入进来的时候，会执行flush清空自己的数据，如果flush耗时较久，那么复制缓冲区堆积的数据就越多，后面slave同步数据较相对慢，开启replica-lazy-flush后，slave的flush可以交由异步现成来处理，从而提高同步的速度。
• lazyfree-lazy-server-del：这个选项是针对一些指令，比如rename一个字段的时候 RENAME key newkey, 如果这时newkey是存在的，对于rename来说它就要删除这个newkey的value，如果这个newkey是一个大key，那么就会造成阻塞，当开启了这个选项时也会交给异步线程来操作，这样就不会阻塞主线程了。

题外话：rename

先来做个测试：

127.0.0.1:6379> set A 1
OK

127.0.0.1:6379> eval "for i=1,10000000,1 do redis.call('hset','B', i,1) end" 0
(15.89s)

1. 设置A为1
2. 向B里面添加1000w的数据

B肯定是大key了，这时想把A重新命名成B执行rename A B

127.0.0.1:6379> rename A B
OK
(11.07s)

发现阻塞了，这是因为redis删除B造成的，如果有rename的场景一定要注意newkey是否已经存在，newkey是否是大key。

欢迎大家关注公众号《假装懂编程》，我将持续输出网络、数据库、go、缓存、架构、面试、程序人生相关文章。