Hyperf中热Key必须走CoroutineMemoryDriver,因其协程级隔离、免Redis往返、无TTL不一致风险;高频读如user:info:{uid}应直接调用cache()->driver('memory')->get()或配合@Cacheable(ttl=0)。

Hyperf里热Key必须走CoroutineMemoryDriver,不是可选项
Hyperf是常驻内存的协程服务,Redis单线程本质决定了:所有对同一Key的请求都会排队挤在Redis主线程里。一旦某个user:info:1001每秒被查5万次,CPU立刻飙到95%以上,slowlog里全是GET user:info:1001耗时200ms+的记录——这不是Redis配置低,是架构没对齐协程模型。
Hyperf自带的CoroutineMemoryDriver就是为此设计的:它不跨协程共享,只在当前HTTP请求生命周期内有效,天然规避本地缓存污染;也不依赖TTL,协程结束自动释放,没有过期不一致风险。
- 别用
CacheManager::driver('memory')全局切换,那会污染整个进程内存 - 在Controller方法里直接调用
cache()->driver('memory')->get($key),或配合@Cacheable(ttl=0)注解强制走内存驱动 - 对高频读取的配置类Key(如
config:site、feature:switch),构造函数里注入CacheManager并指定driver,比手写if (isset($localCache[$key]))更安全、更省内存
热Key探测不能只靠redis-cli --hotkeys
redis-cli --hotkeys在Redis 4.0+可用,但它基于LFU计数器做全量SCAN,线上执行一次可能拖慢Redis吞吐量50%以上;而monitor命令更危险,高并发下直接压垮连接数。Hyperf场景下,真热Key往往藏得更深:
- Redis里
user:profile:1001返回的是2MB JSON字符串 →json_decode()在worker进程里反复吃掉几十MB内存,GC压力暴增 -
@Cacheable注解缓存了order:list:uid_123,实际塞进去的是5000条订单数组 → 大Key + 热Key双重打击 - 业务层手动
json_encode()再塞进Redis,等于用PhpSerializerPacker又套一层序列化,体积翻倍、CPU白烧
真正要监控的路径是:Hyperf\HttpServer\Contract\ResponseInterface::json()前的数据体积、Cacheable标注的value类型是否为数组/对象、Redis::pipeline()批量读取时单次响应是否超1MB。
本地缓存不是加个Caffeine就完事
Java生态常用Caffeine做本地缓存,但Hyperf是PHP+Swoole协程环境,直接搬Caffeine思路会踩坑:PHP没有JVM级的轻量GC,也没有成熟的LRU淘汰调度器。Hyperf里真正有效的本地缓存必须满足三个条件:
- 协程隔离:每个协程看到的
CoroutineMemoryDriver实例互不干扰,避免A协程put的user:perms:1001被B协程误读 - 无锁访问:不依赖
flock或Redis锁,靠Swoole协程上下文天然串行 - 零序列化开销:存进去是什么类型,取出来就是什么类型,不走
serialize()/unserialize()
示例场景:用户登录后连续读取user:info:{uid}和user:perms:{uid},两个Key都是热Key。与其在中间件里写一堆if (! $local->has($key)) { $val = $redis->get($key); $local->set($key, $val); },不如直接在方法里调用cache()->driver('memory')->get($key)——Hyperf底层已做好协程绑定和生命周期管理。
大Key和热Key要分开处理,但经常同时出现
一个2MB的user:feed:1001可能是冷Key(每天只读1次),而config:global只有2KB却每秒被读5万次——它们的问题维度完全不同。但在Hyperf里,两者叠加时危害会被放大:
- 大Key导致网络传输慢、反序列化卡顿,热Key则把这种卡顿放大成全局延迟
- 用
UNLINK删大Key能释放Redis主线程,但删完立刻有1000个协程争抢重建缓存,反而触发缓存击穿 - 热Key探测服务上报
user:feed:1001为热点,但你发现它根本不是热的,只是因为前端轮询接口没做防抖,每秒发10个重复请求
所以Hyperf中必须按访问模式而非字段拆分大Key:比如把user:feed:1001按时间分片为user:feed:1001:202605(月粒度)、user:feed:1001:20260522(日粒度),再配合CoroutineMemoryDriver缓存当天数据——既控制单Key体积,又让热数据落在内存里。











