redis集群路由倾斜的典型表现是节点资源使用率严重不均，根本原因是hashtag滥用导致键哈希离散度不足；应避免用低基数业务id直接作hashtag，改用md5截取或取模等高离散策略，并关闭sdk自动hashtag解析。
Redis集群访问路由倾斜的典型表现
集群中某些节点 CPU 或内存使用率明显高于其他节点，CLUSTER SLOTS 显示槽位分布均匀，但 INFO stats 中的 instantaneous_ops_per_sec 或 used_memory_human 却严重不均。这不是槽位分配问题，而是客户端请求实际打到了少数几个节点上——根本原因是键的哈希计算被人为干预，导致大量键落在同一槽、同一节点。
HashTag 是路由倾斜的直接推手
Redis 集群默认用整个 key 做 CRC16 计算决定槽位（0–16383），但一旦 key 中包含 {...}，就只取花括号内部分参与哈希。这本用于保证关联数据落同一槽，但滥用会导致灾难：
-
user:{1001}:profile和user:{1001}:settings确实同槽，没问题 - 但若所有用户 key 都写成
user:{1001}:xxx、user:{1002}:xxx… 实际上只有 1001、1002 这两个值参与哈希 → 最多只用到 2 个槽 → 所有流量压在最多 2 个节点上
常见误用场景：
开箱即用的技能链路由引擎。13 条预定义链覆盖搜索、开发、审查、MLOps、法律、创意等场景，三层路由架构（触发词→SAD反馈→DAG编排），recall@10=96.97%。配置驱动（chains.yaml），零代码扩展。pip install skill-weave-chains 一键安装。
- 把业务主键硬套进
{id}，而 id 是连续整数或低基数字符串 - 使用固定前缀如
cache:{user}，但user取值只有 “admin”、“guest”、“test” 几个 - 在分页类 key 中嵌入
{page}，而 page 值长期为 1 或 2
如何安全地优化分片逻辑
核心原则：让参与哈希的部分具备足够离散度，且不可预测性。
- 避免直接用原始业务 ID 做 HashTag 内容。改用
{userId % 100}或{MD5(userId)[0:4]}（服务端计算后拼接） - 如果必须保序聚合，优先考虑客户端本地分组 + 多 key 批量操作，而非强依赖 HashTag 落槽一致
- 对低基数字段（如 status、type），绝对不要放进
{}；可改用命名空间前缀，例如order:pending:1001，靠完整 key 分散 - 测试阶段用
redis-cli --cluster check配合自定义脚本统计各槽 key 数量分布，别只信CLUSTER SLOTS的静态分配结果
示例对比：
坏写法：order:{12345}:item:6789（12345 是用户 ID，全站仅几百个活跃用户）
好写法：order:{a8f2}:item:6789，其中 a8f2 是 MD5("12345") 截取前 4 位
客户端 SDK 对 HashTag 的隐式处理风险
部分 SDK（如 Jedis 3.x、Lettuce 6.x+）默认开启自动 HashTag 解析，即使你没写 {}，它也可能把 user:1001:profile 错判为含 Tag。务必确认：
- 查 SDK 文档是否启用
enableKeyHashTag类配置项 - 在测试环境用
redis-cli -c手动执行SET user:1001:profile "x"，再查CLUSTER KEYSLOT user:1001:profile，验证是否真按全 key 计算 - 若 SDK 强制解析，宁可关掉它，自己做 key 预处理，也别让它猜
路由倾斜往往不是集群扩容能解决的，它是键设计层面的硬伤。越早从 key 命名规范和 HashTag 使用守则入手，越不容易在 QPS 上万后半夜被告警叫醒。
