面试题：在复杂业务场景下如何优化Redis内存回收策略

Question

假设一个电商应用，既有高频访问且数据量庞大的商品信息缓存，又有实时性要求高的用户购物车缓存，在这种场景下，如何选择和优化Redis的内存回收策略，以确保系统高效运行并避免缓存穿透等问题？

Answer 1

1. Redis内存回收策略选择

• volatile - lru：适用于商品信息缓存，因为商品信息缓存设置了过期时间（volatile 表示仅对设置了过期时间的键生效），使用LRU（最近最少使用）算法能优先淘汰最近最少被访问的商品缓存，合理利用内存空间，保留高频访问的商品缓存数据。
• volatile - ttl：对于用户购物车缓存，若购物车数据有一定过期时间设置，且希望优先淘汰即将过期的数据，该策略比较合适。实时性要求高意味着当内存紧张时，先释放那些马上要过期的购物车缓存，保证内存空间能及时供给新的购物车数据。

2. 优化措施避免缓存穿透

• 布隆过滤器：
  • 在查询商品信息和购物车信息前，先经过布隆过滤器。布隆过滤器可以快速判断某个商品ID或用户购物车标识是否存在。若不存在，直接返回，无需查询Redis，避免无效查询穿透到后端数据库。
  • 例如，在商品数据初始化时，将所有商品ID加入布隆过滤器。每次查询商品信息前，先判断商品ID在布隆过滤器中是否存在，若不存在则表明该商品可能不存在，无需查询Redis和数据库。
• 空值缓存：
  • 当查询结果为空（如查询不存在的商品或购物车）时，在Redis中缓存一个空值，并设置较短的过期时间。下次相同查询到来时，直接从Redis返回空值，避免穿透到数据库。
  • 例如，查询不存在的商品ID，在Redis中缓存这个商品ID对应的空值，过期时间设为1分钟。这1分钟内再次查询该商品ID，直接从Redis获取空值。

3. 监控与动态调整

• 内存监控：使用Redis的INFO命令或相关监控工具（如Prometheus + Grafana）实时监控Redis内存使用情况，包括已使用内存、内存碎片率等指标。当内存使用接近阈值时，及时调整内存回收策略或增加Redis实例内存。
• 访问频率分析：定期分析商品信息和用户购物车的访问频率，根据分析结果动态调整内存回收策略。如发现某些商品或购物车访问频率发生较大变化，调整对应的过期时间或选择更合适的回收策略，以提高缓存命中率，保证系统高效运行。