关于redis key命名规范的设计
https://www.cnblogs.com/joshua317/p/11995197.html
一、实现目标
简洁，高效，可维护
二、键值设计规约
1 、 Redis key命名风格
【推荐】Redis key命名需具有可读性以及可管理性，不该使用含义不清的key以及特别长的key名；
【强制】以英文字母开头，命名中只能出现小写字母、数字、英文点号(.)和英文半角冒号(😃；
【强制】不要包含特殊字符，如下划线、空格、换行、单双引号以及其他转义字符；
2 、命名规范
【强制】命名规范：业务模块名:业务逻辑含义:其他:value类型
1 ）业务模块名：具体的功能模块
2）逻辑含义段：
【强制】不同业务逻辑含义使用英文半角冒号(:)分割，
【强制】同一业务逻辑含义段的单词之间使用英文半角点号 (.)分割，用来表示一个完整的语义
3）value类型：
【强制】Redis key命名以key所代表的value类型结尾，以提高可读性；
示例：user:basic.info:{userid}:string
3 、 value 设计
【强制】：拒绝bigkey(防止网卡流量、慢查询)。
String类型控制在10KB以内，Hash、List、Set、ZSet元素个数不要超过5000。
三、业务规范
1、【强制】使用Redis进行缓存时，必须进行申请。申请之前，需要拿出使用的合理方案，然后进行评估，避免随意使用。
2、【强制】Redis应用场景应该是纯缓存服务，功能主要是缓存数据，缓存数据可丢失，除特殊需求外，需提供可行性、可实施的方案。
3、【强制】 关于过期时间
Redis key一定要设置过期时间。要跟自己的业务场景，需要对key设置合理的过期时间。可以在写入key时，就要追加过期时间；也可以在需要写入另一个key时，删除上一个key。
说明：
(1)若不设置的话，这些key会一直占用内存不释放，随着时间的推移会越来越大，直到达到服务器的内存上限，导致服务器宕机等重大事故；
(2)对于key的超时时长设置，可根据业务场景进行评估，设置合理有效期；
(3)某些业务的确需要长期有效，可以判断即将到期时，重新设置有效期，避免引起热点key问题。
4、【推荐】Redis的使用，应该考虑冷热数据分离，不该将所有数据全部放到Redis中，对于使用不频繁，且无关紧要的信息存入MySQL，或日志文件中，Redis的数据存储全部都是在内存中的，成本昂贵。
5、【推荐】Redis有数据丢失风险，程序处理数据时，应该考虑丢失后的重新加载过程。
6、【强制】禁止大key
大key数据存⼊Redis，除了带来极大的内存占用外，在并发高时，很容易就会将网卡流量占满，进而造成整个服务器上的所有服务不可用。虽然Redis支持512MB大小的string，但是假设1mb的string大key，每秒重复写入10次，就会导致写入网络IO达10MB;
(1)读写大key会导致超时严重，网卡流量占满,甚至阻塞服务,更甚者导致宕机风险。
(2)如果删除大key，DEL命令可能阻塞Redis进程数十秒，使得其他请求阻塞，对应用程序和Redis集群可用性造成严重的影响。
(3)每个key不要超过10Kb。
7、【强制】Redis一定不可使用Keys正则匹配操作。
8、【推荐】选择合适的数据类型。
目前Redis支持的数据库结构类型较多：字符串（String），哈希（Hash），列表（List），集合（Set），有序集合（Sorted Set）, Bitmap, HyperLogLog和地理空间索引（geospatial）等,需要根据业务场景选择合适的类型。
在不能确定其它复杂数据结构⼀定优于String类型时，避免使用Redis的复杂数据结构。 每种数据结构都有相应的使⽤场景，String类型是Redis中最简单的数据类型，建议使用String类型。 但是考虑到具体的业务场景，综合评估性能、存储网络等方面之后使用适当的数据结构。 需要根据业务场景选择合适的类型，常见的如：String可以用作普通的K-V、简单数据类类型等；Hash可以用作对象如居民、医生等，包含较多属性的信息；List可以用作息队列、医生同行/关注列表等；Set可以用于推荐；Sorted Set可以用于排行等。
9、【推荐】关于集合类操作
出现问题最多的就是超时问题，因为使用了O(N)的操作，导致服务超时，甚至服务不可用。
使用Set，Zset，List，Hash等集合类的O(N)操作时要评估当前元素个数的规模以及将来的增长规模，对于短期就可能变为大集合的key，要预估O(N)操作的元素数量，避免全量操作，可以使用HSCAN，SSCAN，ZSCAN进行渐进操作。集合元素数量过大在使用过程中会影响Redis的实际性能，Hash类元素个数建议尽量不要超过100，集合类、链表类数据尽量不要超过10k。元素数量过大可考虑拆分成多个key进行处理。
