프로젝트에서 Redis 캐시 최적화 방법

이번 포스팅에서는 Redis 캐시를 실제 프로젝트에서 효과적으로 최적화하는 방법을 작성해 보겠습니다.

단순히 캐시를 적용하는 것뿐만 아니라, 성능을 극대화하고 안정성을 확보하는 전략을 설명합니다.

---

1. 캐시 키(Key) 설계 전략

✅ 일관된 키 네이밍 규칙 적용

Redis는 Key-Value 구조이므로 효율적인 키 네이밍이 중요합니다.
잘못된 키 설계는 데이터 충돌 및 캐시 정리를 어렵게 만듭니다.

✔ 올바른 키 설계 예제

user:123:profile       → 특정 사용자 프로필
product:456:detail     → 특정 상품 정보
order:789:items        → 특정 주문의 상품 목록

✅ 좋은 키 설계 원칙

• :(콜론)을 사용하여 계층 구조를 표현
• 키의 의미를 명확하게 작성
• 너무 긴 키는 피할 것 (최대 512바이트 이하)

---

2. 데이터 직렬화(Serialization) 최적화

Spring Boot에서 Redis를 사용할 때 객체를 캐싱할 경우,
데이터 직렬화(Serialization) 방식이 성능에 영향을 미칩니다.

✅ 직렬화 성능 비교

직렬화 방식	속도	데이터 크기	특징
JDK 기본 직렬화	느림	큼	Java 객체만 지원
JSON	보통	중간	가독성이 좋음
MessagePack	빠름	작음	이진 포맷, 성능 최적화 가능
Kryo	매우 빠름	매우 작음	가장 효율적

✅ Kryo 직렬화 적용 예제

import org.springframework.data.redis.serializer.RedisSerializer;
import org.springframework.data.redis.serializer.GenericJackson2JsonRedisSerializer;
import org.springframework.data.redis.cache.RedisCacheConfiguration;
import java.time.Duration;

@Bean
public RedisCacheManager cacheManager(RedisConnectionFactory redisConnectionFactory) {
    RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig()
        .entryTtl(Duration.ofMinutes(10))  // 10분 TTL 설정
        .serializeValuesWith(RedisSerializationContext.SerializationPair.fromSerializer(new GenericJackson2JsonRedisSerializer()));

    return RedisCacheManager.builder(redisConnectionFactory)
        .cacheDefaults(config)
        .build();
}

Kryo 또는 MessagePack을 사용하면 속도가 빨라지고 메모리 사용량이 줄어듭니다.

---

3. TTL(Time-To-Live) 설정 및 자동 만료 관리

TTL(Time-To-Live)은 캐시 데이터의 유효기간을 설정하는 기능입니다.
적절한 TTL 설정은 불필요한 메모리 사용을 방지하고 성능을 높입니다.

✅ TTL 설정 전략

데이터 유형	TTL 설정 예시
사용자 프로필	24시간
상품 상세 정보	1시간
실시간 인기 상품	10분
이벤트 정보	이벤트 종료 시각

✔ TTL 설정 코드 예제

@Bean
public RedisCacheManager cacheManager(RedisConnectionFactory redisConnectionFactory) {
    RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig()
        .entryTtl(Duration.ofMinutes(30)); // 기본 TTL 30분 설정

    return RedisCacheManager.builder(redisConnectionFactory)
        .cacheDefaults(config)
        .build();
}

TTL을 너무 길게 설정하면 오래된 데이터 유지 문제,
너무 짧게 설정하면 캐시 적중률(Cache Hit Rate) 저하 문제가 발생할 수 있습니다.

---

4. 캐시 갱신(Cache Update) 및 무효화(Cache Eviction) 전략

✅ 캐시 일관성 유지 전략

전략	설명
Cache Aside	DB 조회 후 Redis에 저장
Write Through	DB와 Redis 동시에 저장
Read Through	Redis에 없으면 DB에서 가져온 후 Redis에 저장
Write Behind	Redis에 먼저 저장 후 비동기적으로 DB 저장

✔ Cache Aside 패턴 코드 예제

@Cacheable(value = "product", key = "#id")
public Product getProductById(Long id) {
    return productRepository.findById(id).orElseThrow();
}

✔ 캐시 삭제(@CacheEvict) 예제

@CacheEvict(value = "product", key = "#id")
public void updateProduct(Long id, Product updatedProduct) {
    productRepository.save(updatedProduct);
}

이렇게 하면 DB 업데이트 시 캐시가 자동으로 삭제되어 최신 데이터 유지가 가능합니다.

---

5. Redis 데이터 구조 활용 및 메모리 사용 최적화

Redis는 다양한 데이터 구조를 지원합니다.
각 데이터 구조를 잘 활용하면 메모리를 절약하고 성능을 최적화할 수 있습니다.

✅ Redis 데이터 구조 활용 전략

데이터 구조	활용 예제
String	일반적인 Key-Value 저장
Hash	사용자 프로필, JSON 데이터 저장
List	최근 방문 기록, 채팅 메시지 저장
Set	태그, 추천 상품 목록 저장
Sorted Set	인기 상품 랭킹, 점수 기반 데이터

✔ Hash 자료구조를 활용한 캐싱 예제

redisTemplate.opsForHash().put("user:123", "name", "홍길동");
redisTemplate.opsForHash().put("user:123", "age", "30");

✔ List를 활용한 최근 방문 기록 저장 예제

redisTemplate.opsForList().leftPush("recent:users", "user123");
redisTemplate.opsForList().trim("recent:users", 0, 9); // 최근 10개만 유지

메모리 절약을 위해 String보다 Hash를 사용하고,
필요 없는 데이터는 trim, TTL을 활용하여 정리해야 합니다.

---

6. Redis 클러스터(Cluster) 및 샤딩(Sharding) 적용

실제 서비스에서는 단일 Redis 인스턴스만으로는 한계가 있을 수 있습니다.
이때 **Redis 클러스터(Cluster) 및 샤딩(Sharding)**을 활용하여 성능을 개선할 수 있습니다.

✅ Redis 클러스터 적용 시 이점

• 데이터 분산 저장으로 부하 분산
• 여러 개의 노드가 자동으로 데이터를 복제
• 특정 노드 장애 시 자동 복구 가능

✔ Spring Boot에서 Redis 클러스터 설정 예제

spring:
  redis:
    cluster:
      nodes: 192.168.1.1:6379,192.168.1.2:6379,192.168.1.3:6379

이렇게 하면 여러 Redis 서버를 하나의 클러스터로 연결하여 대규모 트래픽을 처리할 수 있습니다.

---

7. Redisson을 활용한 분산 락과 캐시 동기화

멀티 인스턴스 환경에서는 동시에 같은 캐시를 수정하는 문제가 발생할 수 있습니다.
이를 해결하기 위해 Redisson을 활용한 분산 락을 적용할 수 있습니다.

✔ Redisson 분산 락 예제

RLock lock = redissonClient.getLock("lock:product:123");
try {
    if (lock.tryLock(5, 10, TimeUnit.SECONDS)) {
        // 안전하게 데이터 수정 가능
    }
} finally {
    lock.unlock();
}

이렇게 하면 동시에 여러 서버에서 같은 데이터를 수정하는 문제를 방지할 수 있습니다.

---

결론

• 올바른 키 네이밍과 TTL 관리를 통해 효율적인 캐시 운영
• **직렬화 방식 개선(Kryo, MessagePack)**으로 성능 최적화
• 캐시 일관성 유지 전략 적용
• Redis 클러스터 및 Redisson 활용으로 확장성과 안정성 확보

이제 최적화된 Redis 캐시 설계로 성능을 높여보세요!