allkeys-lfu比volatile-lru更适合多租户场景,因其不依赖TTL设置,能按访问频次公平保护所有租户的热数据,避免因部分租户漏设过期时间导致误删关键缓存。

为什么 allkeys-lfu 比 volatile-lru 更适合多租户场景
因为 volatile-lru 依赖 key 是否设置了 EXPIRE,而 SaaS 系统中不同租户的缓存行为差异大:有的租户高频写配置类 key(如 tenant:123:config),但开发常漏设 TTL;一旦这类 key 积压,Redis 会因内存不足被迫启用兜底策略,实际触发的是 allkeys-lfu 或 allkeys-random,结果热数据反被误删。allkeys-lfu 则天然按访问频次保护所有 key,不管有没有 TTL,租户 A 的热门商品页缓存和租户 B 的冷门日志统计自然分层,不会因某租户突发写入就把全局缓存池搅乱。
必须为每个 key 加租户前缀 + 随机 TTL 偏移
不加前缀会导致跨租户 key 冲突或误删;不加随机偏移则引发雪崩——比如凌晨 3 点批量预热 500 个租户的首页缓存,若全设 SETEX tenant:101:home 3600 "html",一小时后整批失效,缓存命中率断崖下跌,数据库瞬间被打穿。
- 租户前缀格式统一用
tenant:{id}:,避免用{id}:tenant:这类易被KEYS tenant*扫出的结构 - TTL 必须带抖动:
redis.setex("tenant:101:home", 3600 + random.randint(0, 300), html) - 禁止使用
EXPIREAT对齐整点时间(如全部设成1717142400),这是线上大面积失效最常见诱因
用 maxmemory-samples 10 降低采样偏差风险
Redis 默认只采样 5 个 key 做 LFU/LRU 判断,对多租户系统极不友好:假设租户 A 刚写入 100 个新 key,采样恰好撞上这 100 个中的 5 个,它们访问频次为 1,就会被优先淘汰;而租户 B 的老 key 访问频次稳定在 100,反而留存。调高到 10 能显著摊薄这种偶然性,让淘汰更接近真实热度分布。
实操命令:CONFIG SET maxmemory-samples 10,并写入 redis.conf 持久化,避免重启丢失。
禁用 volatile-ttl,监控 evicted_keys 和慢日志
volatile-ttl 是雪崩加速器——它专挑“马上过期”的 key 删除,等于主动把缓存池里最脆弱的一批 key 先清空,后续请求全打穿。多租户环境下,某个租户大量设置短 TTL(如秒级订单状态),会直接拖垮整体稳定性。
真正要盯住的是两个指标:
-
evicted_keys:每分钟增长 > 100 就得告警,说明淘汰已成常态,不是偶发事件 - 慢日志中出现大量
del tenant:*或scan命令:可能是某租户代码误执行全量清理
复杂点在于:租户隔离是逻辑层面的,Redis 本身不感知租户概念。所有防护都得靠前缀规范、TTL 抖动、策略选型和外部监控组合落地,缺一不可。











