华为云 DCS Redis 实战：热 Key、大 Key 定位与优化方案

【玩转华为云】 在互联网业务里，Redis 几乎是标配缓存组件，很多小程序、后台管理系统、电商业务都会用 DCS Redis 做热点数据缓存、分布式锁、会话存储。上线一段时间后，不少团队会遇到突发卡顿、请求超时、节点 CPU 飙升，查来查去，根源基本都是热 Key 和大 Key。很多中小团队没有专门的缓存工程师，出现故障只能临时重启实例，治标不治本。本文基于华为云 DCS 的监控工具，分享定位手段、优化思路，以及踩过的实战坑。

一、什么是热 Key、大 Key，会带来哪些影响

• 大 Key：单个 key 存储的数据体量很大，比如超大字符串、百万元素 list。删除 / 更新时会阻塞 Redis 主线程，造成命令延迟。
• 热 Key：某个 Key 被超高并发访问，大量请求集中打到单分片，出现分片 CPU 打满，缓存雪崩、请求堆积。

常见现象：

1. Redis 实例 CPU 瞬间飙升，但整体内存占用并不高；
2. 业务偶发超时，隔几分钟自动恢复；
3. 集群分片负载不均衡，个别分片压力远高于其他节点；
4. 删除某个 key 时，业务大面积卡顿。

二、传统排查痛点

之前自建 Redis 排查这类问题很麻烦：需要抓流量、开启 redis-cli monitor，monitor 本身会极大消耗性能，线上环境不敢随便开；很难自动统计热点访问，只能等故障爆发后人工复盘，很难提前预警。 华为云 DCS 自带缓存分析能力，无需在业务侧埋大量代码，就能可视化发现大 Key、热 Key，风险提前识别。

三、DCS 定位热 Key 与大 Key 实操

1. 大 Key 扫描

DCS 控制台找到目标 Redis 实例，进入缓存分析，执行大 Key 扫描任务。 可以设置扫描范围，扫描完成直接输出清单：key 名称、数据类型、占用内存、元素数量。

注意：扫描会消耗实例少量 CPU，尽量在业务低峰期执行，避免影响线上业务。

2. 热 Key 监控

开启热点 Key 分析，平台自动统计一段时间内 key 访问 QPS，把访问量最高的 key 展示出来。 可以配置告警：当某个 KeyQPS 超过阈值，直接推送告警信息，不等故障发生。

3. 配套监控指标辅助判断

重点看这几个指标：CPU 使用率、分片 QPS、命令执行耗时、内存增长率。 如果单分片 QPS 远高于其他分片，大概率存在热 Key。

四、优化方案

大 Key 优化

1. 拆分大 key：长字符串拆成多个小 key；list、hash 如果元素过多，进行分片存储。
2. 避免使用 DEL 直接删除超大 key：改用 unlink 异步删除，防止阻塞主线程。
3. 设置过期时间尽量错开，避免大量 key 同时过期引发缓存雪崩。

热 Key 优化

1. 本地二级缓存：在应用端增加本地缓存（Caffeine 等），拦截超高读请求，减少打到 Redis 的流量。
2. 热 key 分片：对同一个 key 做 hash 拆分，goods_1#0、goods_1#1，把流量分散到不同分片。
3. 永不过期 + 主动更新：热点数据不依赖过期淘汰，后台定时更新缓存，避免缓存击穿。
4. 增加限流保护：缓存失效时，用分布式锁控制回源数据库并发数量。

五、实战踩坑总结

1. 大 Key 扫描任务不要高频跑，频繁扫描会抢占 RedisCPU 资源；
2. 热 key 分析有采样机制，不是全量采集，低 QPS 的热点不会全部展示，不能完全依赖平台，业务侧增加日志埋点做补充；
3. 集群版 DCS 的 slot 分配是固定的，如果热 keyhash 槽无法打散，优先本地缓存方案；
4. 不要盲目放大实例规格，先定位 key 问题，很多时候不是性能不够，是 key 设计不合理；
5. 告警不要只配 CPU 告警，增加大 key 新增、热点 key 突增告警，做到事前预警。

六、场景小结

华为云 DCS Redis 的缓存分析功能，大幅降低了缓存故障排查门槛。不管是小程序、企业后台，还是 ToB 业务系统，提前做好大 Key、热 Key 巡检，是保障缓存稳定最有效的手段。缓存故障一旦爆发，很容易连锁打垮数据库，提前发现、提前优化，能减少很多半夜救火的运维工作。