Redis 是什么

  • 为什么需要 Redis
    • 数据从单表，演进出了分库分表
    • Mysql 从单机演进出了集群
      • 数据量增长
      • 读写数据压力的不断增加
    • 数据分冷热
      • 热数据：经常被访问到的数据
    • 将热数据存储到内存中
  • Redis 基本工作原理
    • 数据从内存中读写
    • 数据保存到硬盘上防止重启数据丢失
      • 增量数据保存到 AOF 文件
      • 全量数据 RDB 文件
    • 单线程处理所有操作命令

Redis 应用案例

  • 1、连续签到
    • 掘金每日连续签到
      • 用户每日有一次签到机会，如果断签，连续签到计数将归为 0
      • 连续签到的定义：每天必须在 23:59:59 前签到
      • Key：cc_uid_1165894833417101
      • value：252
      • expireAt：后天的零点
    • String 数据结构
      • 数据结构-sds
        • 可以存储字符串、数字、二进制数据
        • 通常和 expire 配合使用
        • 场景：存储计数、Session
  • 2、消息通知
    • 用 list 作为消息队列
    • 使用场景：消息通知
      • 例如当文章更新时，将更新后的文章推送到 ES，用户就能搜索到最新的文章数据
    • List 数据结构 Quicklist
      • Quicklist 由一个双向链表和 listpack 实现
      • Listpack 数据结构
  • 3、计数
    • 一个用户有多项计数需求，可通过 hash 结构存储
    • Hash 数据结构 dict
      • rehash：rehash 操作是将 ht[O]中的数据全部迁移到 ht[1]中。数据量小的场景下直接将数据从 ht[O 拷贝到 ht[1]速度是较快的。数据量大的场景，例如存有上百万的 KV 时，迁移过程将会明显阻塞用户请求
      • 渐进式 rehash：为避免出现这种情况，使用了 rehash 方案。基本原理就是，每次用户访问时都会迁移少量数据。将整个迁移过程，平摊到所有的访问用不请求过程中
  • 排行榜
    • 积分变化时，排名要实时变更
    • zset 数据结构 zskiplist
      • 查找数字 7 的路径，head，3，3，7
      • 结合 dict 时，可实现通过 key 操作跳表的功能
        • ZINCRBY myzset 2 “Alex”
        • ZSCORE myzset “Alex”
  • 5、限流
    • 要求 1 秒内放行的请求为 N，超过 N 则禁止访问
    • Key：comment_freq_limit_1671356046
      • 对这个 Key 调用 incr，超过限制 N 则禁止访问
      • 1671356046 是当前时间戳
  • 分布式锁
    • 并发场景，要求一次只能有一个协程运行，执行完成后，其他等待中的协程才能执行
    • 可以使用 redis 的 setnx 实现，利用了两个特性
      • Redis 是单线程执行命令
      • setnx 只有未设置过才能执行成功

Redis 使用注意事项

大 Key、热 Key

  • 大 Key 的定义

  • 大 Key 的危害

    • 读取成本高
    • 容易导致慢查询（过期、删除）
    • 主从复制异常，服务组塞无法正常响应请求

  • 业务侧使用大 Key

    • 请求 Redis 超时报错

  • 消除大 Key 的方法

    • 1、拆分
      • 将大 Key 拆分为小 Key。例如一个 String 拆分成多个 String
    • 2、压缩
      • 将 valuel 压缩后写入 redis，读取时解压后再使用。压缩算法可以是 gzip、snappy、lz4 等。通常情况下，一个压缩算法压缩率高、则解压耗时就长。需要对实际数据进行测试后，选择一个合适的算法
      • 如果存储的是 JSON 字符串，可以考虑使用 MessagePack 进行序列化
    • 3、集合类结构 hash、list、set
      • 拆分：可以用 hash 取余、位掩码的方式决定放在哪个 Key 中
      • 区分冷热：如榜单列表场景使用 zset，只缓存前 10 页数据，后续数据走 db

  • 热 Key 的定义

    • 用户访问一个 Key 的 QPS 特别高，导致 Server 实例出现 CPU 负载突增或者不均的情况
    • 热 key 没有明确的标准，QPS 超过 500 就有可能被识别为热 Key

  • 解决热 Key 的方法

    • 1、设置 Localcache
      • 在访问 Redis 前，在业务服务侧设置 Localcache，降低访问 Redis 的 QPS。LocalCache 中缓存过期或未命中，则从 Redist 中将数据更新到 LocalCache。Java 的 Guava、Golang 的 Bigcache 就是这类 LocalCache
    • 2、拆分
      • 将 key : value 这一个热 Key 复制写入多份，例如 key1 : value,key2 : value，访问的时候访问多个 key，但 value 是同一个，以此将 qps 分散到不同实例上，降低负载。代价是，更新时需要更新多个 key，存在数据短暂不一致的风险
    • 3、使用 Redis 代理的热 Key 承载能力
      • 字节跳动的 Redis 访问代理就具备热 Key 承载能力。本质上是结合了“热 Key 发现”、“LocalCache”两个功能

慢查询场景

  • 容易导致 redis 慢查询的操作
    • 批量操作一次性传入过多的 key/value，如 mset/hmset/sadd/zadd 等 O(n)操作建议单批次不要超过 100，超过 100 之后性能下降明显
    • Zset 大部分命令都是 O(log(n))，当大小超过 5k 以上时，简单的 zadd/zrem 也可能导致慢查询
    • 操作的单个 vaue 过大，超过 10KB。也即，避免使用大 Key
    • 对大 key 的 delete/expire 操作也可能导致慢查询，Redis4.0 之前不支持异步删除 unlink，大 key 删除会阻塞 Redis

缓存穿透、缓存雪崩

  • 缓存穿透：热点数据查询绕过缓存，直接查询数据库
  • 缓存雪崩：大量缓存同时过期
  • 缓存穿透的危害
    • 查询一个一定不存在的数据
      • 通常不会缓存不存在的数据，这类查询请求都会直接打到 db，如果有系统 bug 或人为攻击，那么容易导致 db 响应慢甚至宕机
    • 缓存过期时
      • 在高并发场景下，一个热 key 如果过期，会有大量请求同时击穿至 db，容易影响 db 性能和稳定
      • 同一时间有大量 key 集中过期时，也会导致大量请求落到 db 上，导致查询变慢，甚至出现 db 无法响应新的查询
  • 如何减少缓存穿透
    • 缓存空值
      • 如一个不存在的 userlD。这个 id 在缓存和数据库中都不存在。则可以缓存一个空值，下次再查缓存直接反空值
    • 布隆过滤器
      • 通过 bloom filter 算法来存储合法 Key，得益于该算法超高的压缩率，只需占用极小的空间就能存储大量 key 值
  • 如何避免缓存雪崩
    • 缓存空值
      • 将缓存失效时间分散开，比如在原有的失效时间基础上增加一个随机值，例如不同 Key 过期时间可以设置为 10 分 1 秒过期，10 分 23 秒过期，10 分 8 秒过期。单位秒部分就是随机时间，这样过期时间就分散了
      • 对于热点数据，过期时间尽量设置得长一些，冷门的数据可以相对设置过期时间短一些
    • 使用缓存集群，避免单机宕机造成的缓存雪崩
许可协议

本文采用 署名-非商业性使用-相同方式共享 4.0 国际 许可协议，转载请注明出处。

分享文章