结论：Redis查询性能优化的核心是通过Pipeline批量操作、键设计优化、内存管理与数据结构选择实现高效流程。使用Pipeline减少RTT延迟：redis-cli --latency-history 测试延迟后，批量执行命令可将查询时间从单次10ms降至1ms整体。键命名如user:1001:info避免全扫描；数据类型选LIST/SET/HASH而非STRING；开启AOF/RDB持久化时用no-appendfsync-once策略；监控slowlog get 100分析瓶颈；内存碎片率<1.2%时用MEMORY PURGE优化。

来源1

在Redis中，使用Pipeline是优化查询性能的最有效方法之一。通过Pipeline，可以将多个命令打包成一个请求发送到服务器，从而大幅减少网络往返时间(RTT)。例如，单个SET命令RTT约为1ms，执行1000个命令需1s，使用Pipeline只需1ms加上少量处理时间。实际测试中，Pipeline可将性能提升10-100倍。代码示例：import redis r = redis.Redis() pipe = r.pipeline() for i in range(1000): pipe.set(f'key{i}', f'value{i}') pipe.execute()

来源2

键空间设计直接影响查询效率。避免使用*模糊键，使用精确前缀如session:user:123，避免KEYS命令（O(N)复杂度），改用SCAN迭代。哈希表设计：小对象用HASH而非STRING，节省内存50%以上。示例：HSET user:123 name 'Alice' age 30；HMGET user:123 name age，比多KEY GET快3倍。

来源3

内存优化是Redis高性能基础。使用MEMORY USAGE key估算内存；定期MEMORY PURGE清理碎片。配置maxmemory-policy allkeys-lru，内存超限自动淘汰。开启bigkeys采样：CONFIG SET save 900 1避免大KEY阻塞。实际案例：单KEY 1GB数据导致fork卡顿，拆分成小HASH后QPS从1k升至10k。

来源4

Slowlog是诊断工具：SLOWLOG GET 10查看慢查询，SLOWLOG LEN统计总量。常见慢因：大KEY操作如BLPOP阻塞、MGET过多字段。优化：分批MGET，每次<100键；用Lua脚本原子化多命令：EVAL "redis.call('SET',KEYS[1],ARGV[1]); return redis.call('GET',KEYS[1])" 1 key value。Lua减少网络调用，提升50%性能。

来源5

数据结构选择影响查询速度：计数用INCR而非GET+SET；排序用ZSET而非LIST排序；集合交集用SUNIONSTORE预计算。GEO位置查询用GEOADD/GEORADIUS，效率远超计算距离。基准测试：ZSET RANGEBYSCORE 100w数据0.1ms，LIST排序需10ms。

来源6

持久化配置优化：AOF用everysec策略，no-appendfsync-once减少fsync开销。RDB快照间隔调大如900 1 300 10，避免高峰阻塞。复制优化：主从分离读，WAIT 1 0确保强一致。集群分片：均匀分布KEY，CRC16(SLOT)计算。

FAQ
Q: Pipeline什么时候用？
A: 多命令批量时用，减少RTT。
Q: 慢查询怎么查？
A: SLOWLOG GET 100查看。
Q: 内存满了怎么办？
A: 设置maxmemory allkeys-lru。
Q: 大KEY怎么处理？
A: 拆成HASH或LIST。