1.概述
大key：
含有较大数据或含有大量成员的Key称之为大Key，常见的大key如：
- String类型的Key值大于10kb
- list、set、zset、hash的成员个数超过5000
- list、set、zset、hash的成员数量虽然只有1000个但这些成员的value总大小为100MB（成员体积过大）
注意：以上值只是参考，根据实际情况确定。
热key：
某个Key接收到的访问次数、显著高于其它Key时，称之为热Key。
大key带来的问题：
- 对Redis的请求变慢。
Redis内存不断变大引发OOM，或达到maxmemory值引发写阻塞或重要Key被逐出。
Redis Cluster中的某个node内存远超其余node。
由于对大key的请求很慢，容易造成请求的阻塞，在分布式架构下容易造成服务雪崩。
删除一个大Key很耗时，容易造成主结点阻塞，从而主从切换。
热key带来的问题：
大量请求直接打过来，服务器可能会扛不住，造成缓存击穿从而直接打挂后端存储（数据库），影响其他使用后端存储的业务。
可能使得redis的集群失去意义，Redis Cluster中各node流量不均衡造成Redis Cluster的分布式优势无法被利用，一个分片负载很高而其它分片十分空闲。
大key、热key的产生原因：
存放不合理，存储了不适合存放在内存中的数据，如用key存放音频视频这一类大体积二进制文件（大key）。
设计不合理，造成个别key中成员过多。（大key）。
未定期清理数据，没有设置过期时间，造成了如hash类型中key中的成员不断增加。
流量陡增，如出现某款爆款商品等（热key）。
bug，代码的业务逻辑上对key的成员只增不减也未设置过期时间。
2.查找方法
2.1.知道具体哪个key有问题
利用调试指令进行分析查找大key：
debug key名，对Key进行分析并返回分析结果，其中serializedlength的值为该Key的序列化长度，序列化长度可以作为key大小的判断参考，但不一定准确。而且debug命令属于调试命令，在其运行时，进入Redis的其余请求将会被阻塞直到其执行完毕。线上环境进行分析不推荐该命令。
利用操作指令进行分析查找大key：
redis的各个数据结构的操作API自带返回其成员长度的命令。利用这些命令进行分析风险更小。
2.2.不知道具体哪个key有问题
前面的指令都是对具体的key进行分析，在不知道哪个key会有问题的时候，可以使用参数进行分析。
redis-cli的bigkeys参数用于查找大key。bigkeys仅能分别输出最大Key，如果想进行范围查询，比如找出全部成员数量超过10的hash，bigkeys是办不到的。
redis-cli的hotkeys参数用来分析热key，该参数能够返回所有Key的被访问次数，试用hotkeys的前提条件是将redis-server的maxmemory-policy参数设置为LFU。
3.处理方法
3.1.大key的处理方法
大key的处理方法有两种：
- 拆分
- 删除
拆分：
如将一个成员很多的hash拆分为多个hash。
删除：
将不适合Redis能力的数据存放至其它存储，并在Redis中删除此类数据。需要注意的是，删除大key可能很耗时，redis又是单线程执行的，很可能造成阻塞，Redis自4.0起提供了UNLINK命令，该命令能够异步的方式安全的删除大Key。
3.2.热key的处理方法
热key的处理方法有两种：
- 复制
- 读写分离
- 多级缓存
复制：
在使用redis集群时，可以将热key复制多份，每个redis节点上存放一份，这样不存在请求的重定向使得压力全部定向到单个节点，能有效减轻单节点的压力。缺点是要进行复制的画只能在代码层手动操作，而且复制多份存放后会存在数据一致性问题。因此复制方案只能用于临时解决线上问题。
读写分离：
热key多数是读热key的操作，读写分离能保证从节点中数据的一致性，并且能轻松的横向扩展，能有效的分散压力，只是有点浪费资源，因为读写分离每个从节点上存的都是一样的数据。
多级缓存：
当热key数量不多，比如电商平台促销活动，热key都集中在少部分key上面，为此做读写分离增加机器性价比不高，使用多级缓存是个不错的解决方法。具体实现思路两种：
1.本地缓存，redis和业务服务器之间增加一个中间层（proxy），专门用来进行热key探查，这个proxy专门用来监视redis来统计达到预设的热key阈值的key，统计好后推送给业务服务器，让业务服务器存在本地缓存。
2.单独缓存，将proxy探查到的热key推送到单独的一个缓存热key的redis上去，如果扛不住，热key服务器再横向扩容，当然这个方案也是单独增加了服务器结点去处理热key的，除非保证系统中经常会有热key出现，不然的话使用本地缓存性价比更高。
使用多级缓存会存在一个问题，因为每次推送之间有时间间隔，缓存中的数据和redis中的数据不是呈现强一致性的，而是呈现最终一致性的。这种代价也是不得不接受的，在使用缓存的时候注意不要拿缓存做逻辑，只用来做查询即可。
