Hyperf中大Key和热Key需按协程模型与Redis单线程本质设计:用CoroutineMemoryDriver处理热Key,UNLINK+分片删除大Key,按访问模式而非字段拆分大Key。

Hyperf 里直接把大 Key 或热 Key 往 Redis 一塞,不出三天就会在监控里看到 CPU 98%、slowlog 暴增、DEL 命令耗时几百毫秒——这不是配置问题,是结构设计没对齐 Swoole 协程模型和 Redis 单线程本质。
怎么发现 Hyperf 里的大 Key?别只看 redis-cli --bigkeys
Hyperf 是常驻内存的协程服务,很多大 Key 其实藏在本地缓存或序列化环节,光扫 Redis 会漏掉关键路径:
-
Redis::get('user:1000:profile')返回的是一个 2MB 的 JSON 字符串?那json_decode()就已在 worker 进程里吃掉几十 MB 内存,且每次反序列化都触发 GC 压力 - 用
Hyperf\Cache\Annotation\Cacheable注解缓存了整个订单列表(order:list:uid_123),但实际返回 5000+ 条记录 → 大 Key + 热 Key 双重打击 - Hyperf 默认用
PhpSerializerPacker,但若业务层手动json_encode()再塞进 Redis,就等于多做一次序列化,体积翻倍、CPU 白烧
真正要查的不是 Redis 里“谁最大”,而是:Hyperf\HttpServer\Contract\ResponseInterface::json() 前的原始数据体积、Cacheable 注解标注的 value 类型是否为数组/对象、以及 Redis::pipeline() 批量读取时单次响应是否超 1MB。
热 Key 在 Hyperf 里必须走 CoroutineMemoryDriver,不是可选项
Hyperf 的 CoroutineMemoryDriver 是协程级内存缓存,同一请求生命周期内免 Redis 往返。对热 Key 来说,它比 Caffeine 更轻、更准:
- 不跨请求共享,避免本地缓存污染;但同一请求中多次
cache()->get('config:site')不会再查 Redis - 不依赖 TTL,靠协程生命周期自动释放,无过期不一致风险
- 配合
@Cacheable(ttl=0)+cache()->driver('memory')可实现「本次请求热 Key 全局命中」
示例场景:用户登录后频繁读取 user:info:{uid} 和 user:perms:{uid},两个 Key 都是热 Key。直接在 Controller 构造函数里注入 CacheManager 并切换 driver,比写个 LoadingCache 更快、更省内存。
DEL 大 Key 会卡住整个 Hyperf Worker,必须用 unlink + 分片删
Hyperf 的每个 Worker 是独立协程调度器,但 Redis 客户端(如 Hyperf\Redis\Redis)仍是同步阻塞调用。执行 DEL big:hash:key 时,整个协程会被挂起,直到 Redis 主线程返回 —— 这期间该 Worker 无法处理任何新请求。
- 确保 Redis 版本 ≥ 4.0,且配置开启
lazyfree-lazy-user-del yes,这样DEL自动转为UNLINK - 若无法改 Redis 配置,改代码:用
HSCAN分批获取 key 成员,再用HDEL逐个删,每次 scan 控制在 100 条以内,加co::sleep(0.001)让出协程控制权 - 禁止在
__destruct()或onWorkerExit里删大 Key,容易导致进程退出卡死
特别注意:Hyperf 的 Redis::del() 方法默认不支持 UNLINK 别名,得手写 Redis::eval() 脚本或直连原生客户端调用 unlink 命令。
拆分大 Key 不能只按业务字段切,要按访问模式切
比如一个用户中心大 Key user:full:{uid}(含基本信息、地址、设备、权限),常见错误是拆成 user:base:{uid}、user:addr:{uid}……但实际请求中,90% 场景只要 base + perms,addr 几乎不读 —— 这种拆分只是把一个大 Key 变成多个小 Key,没解决热点和体积问题。
- 高频读 + 低频写 → 拆成
user:hot:{uid}(base + perms)和user:cold:{uid}(addr + device),前者 TTL 设短、加本地缓存,后者 TTL 设长、不缓存 - 写多读少 → 改用
HMSET user:delta:{uid} last_login 1678901234 updated_at 1678901234,只存变更字段,读时合并 - 集合类大 Key(如粉丝列表)必须加游标分页,禁止
SMEMBERS,改用SSCAN fanlist:{uid} COUNT 100+ 后台异步聚合
Hyperf 的优势在于能用协程轻松实现「读时合并」和「写时分片」,但前提是拆分逻辑得贴着真实流量分布走,而不是图代码整洁。


















