Redis 内存模型基础
Redis 作为内存数据库，其性能与内存管理息息相关。理解 Redis 的内存数据结构、消耗构成以及碎片化机制，是进行缓存容量规划、性能调优和故障排查的前提。本章将深入剖析 Redis 的内存模型，为后续的淘汰策略与命中率测试奠定理论基础。
2.1 Redis 内存数据结构
Redis 对外暴露了五种核心数据类型，但底层实际使用了 8 种不同的高效数据结构来实现。这些底层结构的选择直接影响内存占用和操作时间复杂度。
| 外部类型 | 底层编码（数据结构） | 触发条件 | 内存效率 |
|---|---|---|---|
| String | int / embstr / raw | 整数 / 短字符串（≤44字节） / 长字符串 | 极高（int 无额外开销） |
| List | quicklist（ziplist + linkedlist） | 默认使用，兼顾内存与性能 | 高（节点压缩存储） |
| Hash | ziplist / hashtable | 字段数 < 512 且每个字段值 < 64 字节时用 ziplist | 极高（ziplist 连续内存） |
| Set | intset / hashtable | 所有元素为整数且数量 < 512 时用 intset | 极高（intset 有序紧凑数组） |
| Sorted Set | ziplist / skiplist + dict | 元素数 < 128 且每个元素 < 64 字节时用 ziplist | 高（ziplist 节省指针开销） |
面试高频点： 当 Hash 或 Sorted Set 使用 ziplist 编码时，内存占用可降低 60% 以上，但修改操作会触发编码转换（升级为 hashtable 或 skiplist），转换过程是 O(n) 的，需注意大 Key 的突发延迟。
2.2 内存消耗构成
Redis 进程的内存消耗并非仅由存储的数据决定，还包括大量辅助结构。一个完整的 Redis 实例内存占用由以下四部分构成：
- 数据内存（主体）： 存储键值对、过期字典、主从复制缓冲区等。通常占总内存的 70%–90%。
- 进程自身内存： Redis 主进程代码、共享对象（如整数池 0–9999）、Jemalloc 分配器元数据。
- 缓冲区内存： 客户端输入/输出缓冲区（client query buffer / output buffer）、复制积压缓冲区（repl_backlog）、AOF 重写缓冲区。
- 内存碎片： 由于内存分配器（Jemalloc）与数据生命周期不匹配导致的不可用空闲空间。
实战经验： 使用
INFO memory 命令查看 used_memory（数据内存）、used_memory_rss（实际物理内存）、mem_fragmentation_ratio（碎片率）。当碎片率 > 1.5 时，建议重启或使用 MEMORY PURGE 命令。
2.3 内存碎片与优化
内存碎片是 Redis 内存管理中不可忽视的问题。碎片产生的主要原因是 数据频繁增删 导致内存分配器无法有效复用释放的内存块。Jemalloc 分配器按固定大小类（如 8、16、32、64 字节等）分配内存，当存储的数据大小与分配器大小类不匹配时，就会产生内部碎片。
碎片产生场景
- 频繁更新 String 类型： 每次 SET 新值可能改变底层编码（int → raw），导致旧内存释放、新内存申请，产生碎片。
- 大量过期 Key 删除： 惰性删除或定时删除释放的内存块大小不一，难以被后续分配完全复用。
- 主从切换或 AOF 重写： 子进程退出后，父进程的内存布局可能被打乱，碎片率短期上升。
碎片优化策略
| 策略 | 操作方式 | 适用场景 | 风险 |
|---|---|---|---|
| 重启实例 | SAVE + SHUTDOWN + 启动 | 碎片率 > 1.8 且无法自动回收 | 停机时间，需主从切换 |
| MEMORY PURGE | 执行 MEMORY PURGE 命令 |
碎片率 1.5–1.8，在线操作 | 短暂阻塞（毫秒级） |
| 调整 Jemalloc 配置 | 启动参数 --jemalloc-bg-thread |
后台线程异步整理碎片 | 增加少量 CPU 开销 |
| 数据对齐写入 | 尽量使用固定大小（如 64 字节）的 Value | 缓存场景，Value 长度可控 | 灵活性降低 |
注意： 不要频繁执行
MEMORY PURGE，它本质上是强制内存分配器进行合并操作，在高并发写入场景下可能引起性能抖动。建议监控碎片率，仅在超过阈值时手动触发。
2.4 内存模型与淘汰策略的关联
Redis 的内存淘汰策略（如 allkeys-lru、volatile-ttl）直接作用于数据内存部分。理解内存模型有助于：
- 容量规划： 根据数据结构编码和碎片率估算实际可用内存，设置合理的
maxmemory。 - 淘汰效率： 使用 ziplist 编码的 Hash 在淘汰时需遍历整个列表，性能低于 hashtable；大 Key 会阻塞淘汰线程。
- 命中率优化： 碎片率过高会导致有效缓存空间减少，间接降低命中率。定期整理碎片可释放 5%–15% 的可用内存。
测试建议： 在性能测试前，先通过
MEMORY STATS 命令获取详细的内存分配情况，重点关注 allocator.allocated、allocator.active、allocator.resident 三个指标，它们分别代表分配器已分配、已使用、已驻留的内存，差值即为碎片。