将 Redis 的 QPS（每秒查询率）从 5w 提升到 50w，不仅是量级的跨越，更是从单机性能优化到架构方案升级的本质变化@mikechen
水平扩展（分片）
首先，通过将数据按键空间划分至多个 Redis 节点，分散单节点负载，实现并行处理能力的线性扩展。
基于一致性哈希或定长槽（如 Redis Cluster 的 16384 槽）进行路由，客户端或代理根据槽映射将请求定向到对应节点。
每个实例独立维护内存与事件循环，避免单点瓶颈。
比如：某电商会话系统将单节点 QPS 从 5 万拆分为 10 个分片后，总 QPS 达 50 万。
客户端 ↓ Hash Slot 路由 ↓ Redis Node A (15w) Redis Node B (15w) Redis Node C (15w) Redis Node D (15w)
通过使用 Redis Cluster 与客户端智能路由，避免跨节点事务与热点重分配。
读写分离与主从复制
将写请求集中到主节点，读请求分流到多个从节点，利用多副本并发承载读负载。
使用异步复制（主->从复制流）保证数据最终一致。
通过追赶复制位点（replication backlog）、与复制缓冲减少延迟。
客户端或代理（如 Twemproxy、Codis、Proxy）根据角色路由读写；若采用半同步或多主方案需权衡一致性。
案例：某社交平台在高峰期将读请求 80% 转向 4 个从节点。
主节点仍承担写入，系统整体 QPS 从 5 万提升至 40–50 万，同时通过监控复制延迟保障数据新鲜度。
内存与数据结构优化
通过优化键值设计、选择合适数据结构并降低内存占用与 CPU 解析成本，提高每个请求的处理效率，从而提升吞吐。
底层机制：采用压缩编码（ziplist、intset）、合理设置 maxmemory-policy、使用短键与紧凑值减少内存带宽。
避免过大单键（如超大 List/Set）导致 O(N) 操作；
利用批量操作（MGET、Pipelining）减少网络往返与事件循环触发次数；
开启 jemalloc/tcmalloc 等高效内存分配器减少碎片。
案例：某广告系统将用户画像从多个大哈希拆分并改用紧凑二进制编码，配合批量 MGET 与 pipeline，单实例 QPS 提升 2–3 倍，集群总 QPS 达 50 万。
网络与部署优化
降低网络延迟与系统调用开销，提升单连接吞吐，使 Redis 能更高效地服务大量并发请求。
使用长连接、TCP 选项（TCP_NODELAY）、调整内核网络参数（如 somaxconn、net.core.somaxconn、tcp_tw_reuse）；
部署在高性能网络（10GbE/40GbE）、使用 CPU 亲和性与 NUMA 优化；
对于 Redis 6+，启用 I/O 线程（io-threads）来并行处理网络收发，保留主线程处理命令执行以避免语义问题；
在超高 QPS 场景考虑 RDMA 或以内存直连为主的硬件加速。
mikechen睿哥
10年+一线大厂架构实战经验，就职于阿里、淘宝等一线大厂，操盘多个亿级大厂核心项目。