面试题：Redis字典在缓存系统高并发场景下的优化策略

Question

假设缓存系统面临高并发读写操作，基于Redis字典，你会采取哪些优化策略来保证系统的稳定性和高性能，例如如何处理哈希冲突、如何合理设置过期时间等？

Answer 1

处理哈希冲突

1. 选择合适的哈希函数：Redis 使用的哈希函数在一般情况下表现良好，但在极端高并发场景，可以考虑定制更适合业务数据分布特点的哈希函数，尽量让数据在哈希表中均匀分布，减少冲突概率。
2. 优化哈希表大小：根据预估的数据量和负载因子，合理设置哈希表的初始大小。当哈希表的负载因子过高（Redis 中默认负载因子达到 1 时会进行 rehash），及时进行扩容，以降低冲突的可能性。扩容操作虽然会消耗一定资源，但能显著提升哈希表的性能。
3. 链地址法优化：Redis 采用链地址法解决哈希冲突，在高并发下，可以对链表结构进行优化。例如，当链表长度超过一定阈值时，将链表转换为跳表等更高效的结构，以提高查找效率。

合理设置过期时间

1. 根据业务场景设置：对于不常变化且允许一定时间内存在缓存的热点数据，设置较长的过期时间，减少频繁查询数据库的开销。例如一些配置信息、商品基本信息等。对于实时性要求较高的数据，如实时交易数据，设置较短的过期时间，保证数据的准确性。
2. 避免集中过期：如果大量数据设置了相同或相近的过期时间，在过期时刻可能会导致缓存雪崩，瞬间大量请求穿透到后端数据库。可以在设置过期时间时，添加一个随机的时间偏移量，让过期时间分散开来。
3. 使用惰性删除和定期删除结合：Redis 采用惰性删除（访问 key 时检查是否过期，过期则删除）和定期删除（每隔一段时间随机检查一批 key 并删除过期的）策略。在高并发场景下，合理调整定期删除的频率和每次检查的 key 数量，既保证过期 key 能及时被清理，又不会对系统性能产生过大影响。同时，惰性删除要注意不要因为删除操作导致响应时间过长，可考虑异步删除。
4. 主动更新缓存：在数据发生变化时，主动更新缓存并重新设置过期时间，而不是等待过期后再更新，这样可以保证缓存数据的一致性和及时性，减少高并发下数据不一致问题。