在平时线上 Redis 维护⼯作中，有时候需要从 Redis 实例成千上万的 key 中找出特定前缀的 key 列表来⼿动处理数据，可能是修改它的值，也可能是删除 key。这⾥就有⼀个问题，如何从海量的 key中找出满⾜特定前缀的 key 列表来？Redis 提供了⼀个简单暴⼒的指令 keys ⽤来列出所有满⾜特定正则字符串规则的 key。
127.0.0.1:6379> set codehole1 a OK 127.0.0.1:6379> set codehole2 b OK 127.0.0.1:6379> set codehole3 c OK 127.0.0.1:6379> set code1hole a OK 127.0.0.1:6379> set code2hole b OK 127.0.0.1:6379> set code3hole b OK 127.0.0.1:6379> keys * 1) "codehole1" 2) "code3hole" 3) "codehole3" 4) "code2hole" 5) "codehole2" 6) "code1hole" 127.0.0.1:6379> keys codehole* 1) "codehole1" 2) "codehole3" 3) "codehole2" 127.0.0.1:6379> keys code*hole 1) "code3hole" 2) "code2hole" 3) "code1hole"
这个指令使⽤⾮常简单，提供⼀个简单的正则字符串即可，但是有很明显的两个缺点。
1. 没有 offset、limit 参数，⼀次性吐出所有满⾜条件的 key，万⼀实例中有⼏百 w 个 key 满⾜条件，当你看到满屏的字符串刷的没有尽头时，你就知道难受了。
2. keys 算法是遍历算法，复杂度是 O(n)，如果实例中有千万级以上的 key，这个指令就会导致 Redis 服务卡顿，所有读写Redis 的其它的指令都会被延后甚⾄会超时报错，因为 Redis是单线程程序，顺序执⾏所有指令，其它指令必须等到当前的keys 指令执⾏完了才可以继续。
⾯对这两个显著的缺点该怎么办呢？
Redis 为了解决这个问题，它在 2.8 版本中加⼊了⼤海捞针的指令——scan。scan 相⽐ keys 具备有以下特点:
1. 复杂度虽然也是 O(n)，但是它是通过游标分步进⾏的，不会阻塞线程;
2. 提供 limit 参数，可以控制每次返回结果的最⼤条数，limit 只是⼀个 hint，返回的结果可多可少;
3. 同 keys ⼀样，它也提供模式匹配功能;
4. 服务器不需要为游标保存状态，游标的唯⼀状态就是 scan 返回给客户端的游标整数;
5. 返回的结果可能会有重复，需要客户端去重复，这点⾮常重要;
6. 遍历的过程中如果有数据修改，改动后的数据能不能遍历到是不确定的;
7. 单次返回的结果是空的并不意味着遍历结束，⽽要看返回的游标值是否为零;
scan 基础使⽤
在使⽤之前，让我们往 Redis ⾥插⼊ 10000 条数据来进⾏测试import redis
client = redis.StrictRedis()
for i in range(10000):
client.set("key%d" % i, i)
好，Redis 中现在有了 10000 条数据，接下来我们找出以 key99
开头 key 列表。
scan 参数提供了三个参数，第⼀个是 cursor 整数值，第⼆个是
key 的正则模式，第三个是遍历的 limit hint。第⼀次遍历时，
cursor 值为 0，然后将返回结果中第⼀个整数值作为下⼀次遍历的
cursor。⼀直遍历到返回的 cursor 值为 0 时结束。
127.0.0.1:6379> scan 0 match key99* count 1000
1) "13976"
2) 1) "key9911"
2) "key9974"
3) "key9994"
4) "key9910"
5) "key9907"
6) "key9989"
7) "key9971"
8) "key99"
9) "key9966"
10) "key992"
11) "key9903"
12) "key9905"
127.0.0.1:6379> scan 13976 match key99* count
1000
1) "1996"
2) 1) "key9982"
2) "key9997"3) "key9963"
4) "key996"
5) "key9912"
6) "key9999"
7) "key9921"
8) "key994"
9) "key9956"
10) "key9919"
127.0.0.1:6379> scan 1996 match key99* count 1000
1) "12594"
2) 1) "key9939"
2) "key9941"
3) "key9967"
4) "key9938"
5) "key9906"
6) "key999"
7) "key9909"
8) "key9933"
9) "key9992"
......
127.0.0.1:6379> scan 11687 match key99* count
1000
1) "0"
2) 1) "key9969"
2) "key998"
3) "key9986"
4) "key9968"
5) "key9965"
6) "key9990"
7) "key9915"
8) "key9928"
9) "key9908"
10) "key9929"11) "key9944"
从上⾯的过程可以看到虽然提供的 limit 是 1000，但是返回的结果只有 10 个左右。因为这个 limit 不是限定返回结果的数量，⽽是限定服务器单次遍历的字典槽位数量(约等于)。如果将 limit 设置为10，你会发现返回结果是空的，但是游标值不为零，意味着遍历还没结束。
127.0.0.1:6379> scan 0 match key99* count 10
1) "3072"
2) (empty list or set)
字典的结构
在 Redis 中所有的 key 都存储在⼀个很⼤的字典中，这个字典的结构和 Java 中的 HashMap ⼀样，是⼀维数组 + ⼆维链表结构，第⼀维数组的⼤⼩总是 2^n(n>=0)，扩容⼀次数组⼤⼩空间加倍，也就是 n++。scan 指令返回的游标就是第⼀维数组的位置索引，我们将这个位置索引称为槽 (slot)。如果不考虑字典的扩容缩容，直接按数组下标挨个遍历就⾏了。limit 参数就表示需要遍历的槽位数，之所以返回的结果可能多可能少，是因为不是所有的槽位上都会挂接链表，有些槽位可能是空的，还有些槽位上挂接的链表上的元素可能会有多个。每⼀次遍历都会将 limit 数量的槽位上挂接的所有链表元素进⾏模式匹配过滤后，⼀次性返回给客户端。
scan 遍历顺序
scan 的遍历顺序⾮常特别。它不是从第⼀维数组的第 0 位⼀直遍历到末尾，⽽是采⽤了⾼位进位加法来遍历。之所以使⽤这样特殊的⽅式进⾏遍历，是考虑到字典的扩容和缩容时避免槽位的遍历重复和遗漏。
字典扩容
Java 中的 HashMap 有扩容的概念，当 loadFactor 达到阈值时，需要重新分配⼀个新的 2 倍⼤⼩的数组，然后将所有的元素全部rehash 挂到新的数组下⾯。rehash 就是将元素的 hash 值对数组⻓度进⾏取模运算，因为⻓度变了，所以每个元素挂接的槽位可能也发⽣了变化。⼜因为数组的⻓度是 2^n 次⽅，所以取模运算等价于位与操作。
a mod 8 = a & (8-1) = a & 7
a mod 16 = a & (16-1) = a & 15
a mod 32 = a & (32-1) = a & 31
这⾥的 7, 15, 31 称之为字典的 mask 值，mask 的作⽤就是保留
hash 值的低位，⾼位都被设置为 0。
接下来我们看看 rehash 前后元素槽位的变化。
假设当前的字典的数组⻓度由 8 位扩容到 16 位，那么 3 号槽位011 将会被 rehash 到 3 号槽位和 11 号槽位，也就是说该槽位链表中⼤约有⼀半的元素还是 3 号槽位其它的元素会放到 11 号槽位，11 这个数字的⼆进制是 1011，就是对 3 的⼆进制 011 增加了⼀个⾼位 1。抽象⼀点说，假设开始槽位的⼆进制数是 xxx，那么该槽位中的元素将被 rehash 到 0xxx 和 1xxx(xxx+8) 中。如果字典⻓度由 16 位扩容到 32 位，那么对于⼆进制槽位 xxxx 中的元素将被 rehash 到 0xxxx 和 1xxxx(xxxx+16) 中。对⽐扩容缩容前后的遍历顺序观察这张图，我们发现采⽤⾼位进位加法的遍历顺序，rehash 后的槽位在遍历顺序上是相邻的。假设当前要即将遍历 110 这个位置 (橙⾊)，那么扩容后，当前槽位上所有的元素对应的新槽位是 0110 和 1110(深绿⾊)，也就是在槽位的⼆进制数增加⼀个⾼位 0 或 1。这时我们可以直接从 0110 这个槽位开始往后继续遍历，0110 槽位之前的所有槽位都是已经遍历过的，这样就可以避免扩容后对已经遍历过的槽位进⾏重复遍历。再考虑缩容，假设当前即将遍历 110 这个位置 (橙⾊)，那么缩容后，当前槽位所有的元素对应的新槽位是 10(深绿⾊)，也就是去掉槽位⼆进制最⾼位。这时我们可以直接从 10 这个槽位继续往后遍历，10 槽位之前的所有槽位都是已经遍历过的，这样就可以避免缩容的重复遍历。不过缩容还是不太⼀样，它会对图中 010 这个槽位上的元素进⾏重复遍历，因为缩融后 10 槽位的元素是 010 和 110上挂接的元素的融合。
渐进式 rehash
Java 的 HashMap 在扩容时会⼀次性将旧数组下挂接的元素全部转移到新数组下⾯。如果 HashMap 中元素特别多，线程就会出现卡顿现象。Redis 为了解决这个问题，它采⽤渐进式 rehash。它会同时保留旧数组和新数组，然后在定时任务中以及后续对 hash的指令操作中渐渐地将旧数组中挂接的元素迁移到新数组上。这意味着要操作处于 rehash 中的字典，需要同时访问新旧两个数组结构。如果在旧数组下⾯找不到元素，还需要去新数组下⾯去寻找。scan 也需要考虑这个问题，对与rehash 中的字典，它需要同时扫描新旧槽位，然后将结果融合后返回给客户端。更多的 scan 指令scan 指令是⼀系列指令，除了可以遍历所有的 key 之外，还可以对指定的容器集合进⾏遍历。⽐如 zscan 遍历 zset 集合元素，hscan遍历 hash 字典的元素、sscan 遍历 set 集合的元素。它们的原理同 scan 都会类似的，因为 hash 底层就是字典，set 也是⼀个特殊的 hash(所有的 value 指向同⼀个元素)，zset 内部也使⽤了字典来存储所有的元素内容，所以这⾥不再赘述。
⼤ key 扫描
有时候会因为业务⼈员使⽤不当，在 Redis 实例中会形成很⼤的对象，⽐如⼀个很⼤的 hash，⼀个很⼤的 zset 这都是经常出现的。这样的对象对 Redis 的集群数据移带来了很⼤的问题，因为在集群环境下，如果某个 key 太⼤，会数据导致迁移卡顿。另外在内存分配上，如果⼀个 key 太⼤，那么当它需要扩容时，会⼀次性申请更⼤的⼀块内存，这也会导致卡顿。如果这个⼤ key 被删除，内存会⼀次性回收，卡顿现象会再⼀次产⽣。在平时的业务开发中，要尽量避免⼤ key 的产⽣。如果你观察到 Redis 的内存⼤起⼤落，这极有可能是因为⼤ key 导致的，这时候你就需要定位出具体是那个 key，进⼀步定位出具体的业务来源，然后再改进相关业务代码设计。
那如何定位⼤ key 呢？
为了避免对线上 Redis 带来卡顿，这就要⽤到 scan 指令，对于扫描出来的每⼀个 key，使⽤ type 指令获得 key 的类型，然后使⽤相应数据结构的 size 或者 len ⽅法来得到它的⼤⼩，对于每⼀种类型，保留⼤⼩的前 N 名作为扫描结果展示出来。上⾯这样的过程需要编写脚本，⽐较繁琐，不过 Redis 官⽅已经在redis-cli 指令中提了这样的扫描功能，我们可以直接拿来即⽤。redis-cli -h 127.0.0.1 -p 7001 –-bigkeys如果你担⼼这个指令会⼤幅抬升 Redis 的 ops 导致线上报警，还可以增加⼀个休眠参数。redis-cli -h 127.0.0.1 -p 7001 –-bigkeys -i 0.1上⾯这个指令每隔 100 条 scan 指令就会休眠 0.1s，ops 就不会剧烈抬升，但是扫描的时间会变⻓。
扩展阅读
感兴趣可以继续深⼊阅读 美团近期修复的Scan的⼀个bug(https://mp.weixin.qq.com/s/ufoLJiXE0wU4Bc7ZbE9cDQ)