Redis CPU飙高主因是秒杀时海量请求争抢同一key导致单线程过载,需服务端缓冲合并、Lua原子校验扣减、强制pipeline及hash_tag路由。

为什么秒杀扣减会让 Redis CPU 飙高
直接用 DECR 或 INCR 处理每个请求,看似简单,但秒杀时每秒几万请求打到 Redis,每个请求都触发一次命令解析、执行、网络响应——Redis 单线程模型下,命令排队 + 频繁上下文切换(尤其是客户端连接多、pipeline没用好时)会迅速吃满 CPU。更关键的是,大量请求实际在争抢同一个 key(如 stock:1001),绝大多数最终失败,却仍完成完整命令生命周期。
合并请求不是客户端的事,是服务端要主动限流+缓冲
前端或 Nginx 层做请求合并不可靠(延迟不可控、状态难同步),真正可控的入口在应用服务端:
- 用内存队列(如
ConcurrentLinkedQueue)或轻量消息(如 Disruptor)暂存扣减请求,按固定窗口(如 10ms)批量拉取 - 批量后去重:同一商品 ID 的多次请求只保留一个有效扣减(避免重复扣)
- 必须设置超时丢弃:等待超过 50ms 的请求直接返回“稍后再试”,否则缓冲区积压反而加剧雪崩
- 注意:缓冲不能跨 JVM 实例共享,需配合分布式锁或分片路由保证同商品请求落到同一实例
Lua 脚本必须原子扣减+预校验,且禁止含耗时操作
单纯把多个 DECR 塞进 Lua 不解决问题——如果脚本里做 GET 判断库存再 DECR,依然可能超卖;更糟的是在 Lua 里调用 redis.call('SLEEP', 1) 或遍历大集合,会彻底阻塞 Redis 主线程。
正确写法示例(安全扣减):
if redis.call('EXISTS', KEYS[1]) == 0 then
return -1 -- 商品不存在
end
local stock = tonumber(redis.call('GET', KEYS[1]))
if stock <= 0 then
return 0 -- 库存不足
end
return redis.call('DECR', KEYS[1]) -- 原子扣减并返回新值
- 所有判断和修改必须在单次
EVAL内完成,不依赖外部状态 - 不要在 Lua 中做 JSON 解析、字符串拼接等非 Redis 原生操作
- KEYS 数量严格限制(
EVAL最多传 1 个 key,避免集群模式下 slot 不一致)
CPU 高的根因常被误判为“Lua 慢”,其实是调用方式错了
观察 INFO commandstats 里的 cmdstat_eval 和 cmdstat_decr 耗时,如果前者远高于后者,说明脚本本身有问题;但如果两者都高且 instantaneous_ops_per_sec 接近 Redis QPS 上限,则问题在请求洪峰没被削平。
- 用
CLIENT LIST查看 client 状态,大量idle时间短、qbuf持续 >0 的连接,说明客户端发得太碎 - 强制要求所有扣减走 pipeline 批量发送(哪怕 batch=5),比单条 EVAL 调用开销低 60%+(网络往返减少)
- 集群环境下,确保商品 ID 经过
hash_tag(如{item:1001})路由到同节点,否则跨节点 Lua 无法执行
真正的瓶颈往往不在 Redis 能力,而在“以为自己在压测 Redis”,其实是在压测整个链路的请求组织逻辑——合并粒度、缓冲水位、Lua 边界,这三个地方动一下,CPU 使用率可能从 95% 直降到 40%。


















