🔍 为什么 DEL 这么慢？
根本原因是Redis 是单线程模型：
| 痛点 | 解释 |
|---|---|
| DEL 是同步阻塞 | 主线程亲自遍历数据结构、逐块free()内存，期间所有其他命令排队等待 |
| 逐个 DEL = 海量网络 RTT | 100M 个 key 就算每个只花 0.1ms，串行下来也是几小时，还反复跨网络往返 |
| 大 Key 放大问题 | DEL 一个百万成员的 ZSet/Hash，时间复杂度 O(N)，直接卡住几十~几百毫秒甚至数秒 |
| KEYS 命令不能用 | KEYS *会一次性遍历全量 keyspace，直接把 Redis 堵死，生产环境禁用 |
✅ 方案一：如果是清空整个 DB →FLUSHDB ASYNC（最快）
# Redis 4.0+ 支持异步 flushredis-cli FLUSHDB ASYNC# 或redis-cli FLUSHALL ASYNCASYNC会把整个 DB 的 keyspace 替换为一个新空表，旧数据扔给后台线程释放。这是亿级 key 清空的最快路径，几乎瞬时返回。
⚠️ 但注意：这会清掉整个库，不能只删其中一部分。
✅✅ 方案二：按 Pattern 删（最常见场景）→SCAN + UNLINK + 限流（推荐）
这是生产环境标准做法，三板斧：SCAN 渐进遍历 + UNLINK 异步删 + sleep 限流。
命令行一键版（最简单实用）
# -i 0.01 每次迭代间 sleep 10ms，保护 Redis 不被打爆redis-cli--scan--pattern"your:prefix:*"-i0.01|\xargs-L500redis-cli UNLINK-L 500表示每批最多 500 个 key 打包成一个 UNLINK 调用，减少调用次数又不过度膨胀单条命令。
Python 版（可控性最好，推荐用于 100M 级别）
importredisimporttime r=redis.Redis(host="127.0.0.1",port=6379,db=0,decode_responses=True)defbatch_delete_by_pattern(pattern,scan_count=1000,unlink_batch=500,sleep_ms=10):""" pattern: 匹配模式 e.g. "temp:*" 或 "user:*:session" scan_count: SCAN 每次建议遍历量（非精确值，推荐 1000~5000） unlink_batch: 每批 UNLINK 的 key 数（推荐 200~1000） sleep_ms: 每批之间的休息微秒数，保护主线程 """cursor=0total=0whileTrue:cursor,keys=r.scan(cursor=cursor,match=pattern,count=scan_count)ifkeys:# 用 pipeline 批量 unlink，减少 RTTforiinrange(0,len(keys),unlink_batch):batch=keys[i:i+unlink_batch]r.execute_command("UNLINK",*batch)total+=len(batch)iftotal%10000==0:print(f" ...已删除{total}个 key")ifsleep_ms:time.sleep(sleep_ms/1000.0)ifcursor==0:breakprint(f"✅ 完成，共删除{total}个 key")# 执行batch_delete_by_pattern("your:prefix:*",scan_count=2000,unlink_batch=500,sleep_ms=10)关键调参建议：
| 参数 | 起步值 | 调整方向 |
|---|---|---|
scan_count | 2000~5000 | 太大→单次SCAN扫太多；太小→SCAN次数爆炸 |
unlink_batch | 200~500 | 太大→单条UNLINK参数过长；太小→RTT浪费 |
sleep_ms | 5~20ms | 业务高峰期取大值，低谷期取小值 |
✅ 方案三：如果你知道 key 列表 → 分批 UNLINK + Pipeline
如果 key 列表已经在文件里或从别的来源拿到：
# key列表每行一个，分批 UNLINKcatkeys_to_delete.txt|xargs-L1000redis-cli UNLINK或用 Python pipeline 提速：
withopen("keys.txt")asf:pipe=r.pipeline()fori,lineinenumerate(f):pipe.unlink(line.strip())ifi%1000==0:pipe.execute()pipe=r.pipeline()pipe.execute()⚠️ 如果你是 Redis Cluster → 额外注意 CROSSSLOT
Cluster 模式下，UNLINK k1 k2 k3要求所有 key 落在同一个 hash slot，否则报CROSSSLOT错误。
解法：按 slot / 按 master 节点分别跑 SCAN，或用 cluster-aware 客户端逐 key unlink：
# redis-py cluster 模式：逐 key unlink（避免 CROSSSLOT）fromredis.clusterimportRedisCluster rc=RedisCluster(startup_nodes=[{"host":"127.0.0.1","port":7000}],decode_responses=True)cursor=0whileTrue:cursor,keys=rc.scan(cursor=cursor,match="temp:*",count=2000)forkinkeys:rc.unlink(k)# ← 逐 key 就不会 CROSSSLOTifcursor==0:break📊 各方案对比速查
| 场景 | 推荐方案 | 阻塞风险 | 速度 | 备注 |
|---|---|---|---|---|
| 清整个 DB | FLUSHDB ASYNC | ⭐几乎零 | ⚡最快 | 全清，不可部分筛选 |
| 按 prefix/pattern 删 | SCAN + UNLINK + 限流 | 极低 | 快 | ★生产首选★ |
| 已知 key 列表 | 分批UNLINK+ Pipeline | 低 | 很快 | 注意 cluster 的 slot |
| 有大 Key（百万元素的集合） | 必须UNLINK，别用 DEL | DEL会卡死 | — | DEL 同步释放内存堵主线程 |
| 临时救急/测试 | KEYS + DEL（不推荐生产） | 🔴高 | — | KEYS 全量遍历阻塞 |
🏗️ 长期架构预防（治本）
100M 个 key 本身就是一种设计债务，建议顺手做：
- 给临时数据加 TTL— 让 Redis 自己惰性过期，根本不用手动删
- Key 命名加前缀隔离—
temp:*/cache:*/session:*分开，脏数据不跟核心数据混一个 DB - 超大 Value 拆小— 一个 Hash 放百万元素不如按
hash:{shard_id}拆 100 个小 Hash - 定期
MEMORY PURGE— 删完后释放页碎片（Redis 4.0+）
一句话总结
DEL → 换成 UNLINK；遍历 → 用 SCAN 别用 KEYS；操作 → 分批 + sleep 限流。这是 Redis 亿级 key 清理的铁三角。