Redis大厂使用｜ 青训营笔记

一只兔兔
157 阅读13分钟

这是我参与「第五届青训营 」伴学笔记创作活动的第 27 天

Redis是什么

Why Redis is needed

image-20230213172209008

  • 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

image-20230213172314353

  • 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

image-20230213172630971

  • 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

  • 单线程处理所有操作命令

image-20230213172614263

Redis应用案例

Redis调用的link: gitee.com/alexs-rabbi…

1. 连续签到

掘金每日连续签到，用户每日有一次签到的机会，如果断签，连续签到计数将归0。连续签到的定义:每天必须在23: 59: 59前签到

  • Key: cс_ uid _ 1165894833417101
  • value: 252
  • expireAt:后天的0点

image-20230213173001083

String数据结构

image-20230213173019783

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

image-20230213173407320

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数据操作QuickList

image-20230213173623399

Quicklist由一个双向链表和listpack实现

Listpack数据结构

image-20230213173737915

3. 计数

一个用户有多项计数需求，可以通过hash结构存储。

image-20230213173853638

image-20230213174040492

Hash数据结构dict

image-20230213174057888

  • rehash: rehash操作是将ht[0]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[0]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。

Pipeline

4. 排行榜

image-20230213174209293

积分变化时，排名要实时变更

  • 结合dict后， 可实现通过key操作跳表的功能
    • ZINCRBY myzset 2 "Alex"
    • ZSCORE myzset "Alex"

zset数据结构zskiplist

image-20230213174458260

image-20230213174546274

  • 查找数字7的路径，head ,3,3, 7
  • 结合dict后，可实现通过key操作跳表的功能
    • ZINCRBY myzset 2 "Alex"
    • ZSCORE myzset "Alex"

5. 限流

image-20230213174906407

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

6. 分布式锁

image-20230213191126048

并发场景，要求一次只能有一个协程执行。执行完成后，其它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

1. 大Key、热Key

大Key

image-20230213192419453

image-20230213192439635

  • 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，服务阻塞无法正常响应请求

  • 业务侧使用大Key的表现

    • 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拆分为多个String

    image-20230213192731921

    1. 压缩：将value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。
    2. 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

  • 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

image-20230213193223471

  • 解决热Key的方法：

    1. 设置LocalCache：在访问Redis前，在业务服务侧设置ocalcache，降低访问Redis的QPS。 LocalCache中缓存过期或未命中，则从Redis中将数据更新到L ocalCache。Java的Guava、 Golang的Bigcache 就是这类LocalCache。

    image-20230213193916065

    1. 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

    image-20230213194026080

    1. 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

    image-20230213195648729

    LocalCache由Proxy来做！！！

2. 慢查询场景

容易导致redis慢查询的操作：

  1. 批量操作一次性传入过多的key/ value,如mset/ hmset/ sadd/ zadd等0(n)操作，建议单批次不要超过100,超过100之后性能下降明显。
  2. zset大部分命令都是0(log(n)),当大小超过5k以，上时，简单的zadd/zrem也可能导致慢查询
  3. 操作的单个value过大，超过10KB。 也即，避免使用大Key
  4. 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

3. 缓存穿透、缓存雪崩

缓存穿透&缓存雪崩的危害：

  1. 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

  2. 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

缓存穿透

  • 缓存穿透: 热点数据查询绕过缓存，直接查询数据库

  • 如何减少缓存穿透：

    1. 缓存空值：如一个不存在的userID。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。

    2. 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

缓存雪崩

  • 缓存雪崩: 大量缓存同时过期

  • 如何避免缓存雪崩

    1. 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[的数据可以相对设置过期时间短一些。
    2. 使用缓存集群，避免单机宕机造成的缓存雪崩。

References

  1. juejin.cn/post/719898…
  2. bytedance.feishu.cn/file/boxcni…
  3. Redis调用例子：gitee.com/alexs-rabbi…

Redis是什么

Why Redis is needed

image-20230213172209008

  • 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

image-20230213172314353

  • 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

image-20230213172630971

  • 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

  • 单线程处理所有操作命令

image-20230213172614263

Redis应用案例

Redis调用的link: gitee.com/alexs-rabbi…

1. 连续签到

掘金每日连续签到，用户每日有一次签到的机会，如果断签，连续签到计数将归0。连续签到的定义:每天必须在23: 59: 59前签到

  • Key: cс_ uid _ 1165894833417101
  • value: 252
  • expireAt:后天的0点

image-20230213173001083

String数据结构

image-20230213173019783

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

image-20230213173407320

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数据操作QuickList

image-20230213173623399

Quicklist由一个双向链表和listpack实现

Listpack数据结构

image-20230213173737915

3. 计数

一个用户有多项计数需求，可以通过hash结构存储。

image-20230213173853638

image-20230213174040492

Hash数据结构dict

image-20230213174057888

  • rehash: rehash操作是将ht[0]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[0]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。

Pipeline

4. 排行榜

image-20230213174209293

积分变化时，排名要实时变更

  • 结合dict后， 可实现通过key操作跳表的功能
    • ZINCRBY myzset 2 "Alex"
    • ZSCORE myzset "Alex"

zset数据结构zskiplist

image-20230213174458260

image-20230213174546274

  • 查找数字7的路径，head ,3,3, 7
  • 结合dict后，可实现通过key操作跳表的功能
    • ZINCRBY myzset 2 "Alex"
    • ZSCORE myzset "Alex"

5. 限流

image-20230213174906407

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

6. 分布式锁

image-20230213191126048

并发场景，要求一次只能有一个协程执行。执行完成后，其它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

1. 大Key、热Key

大Key

image-20230213192419453

image-20230213192439635

  • 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，服务阻塞无法正常响应请求

  • 业务侧使用大Key的表现

    • 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拆分为多个String

    image-20230213192731921

    1. 压缩：将value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。
    2. 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

  • 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

image-20230213193223471

  • 解决热Key的方法：

    1. 设置LocalCache：在访问Redis前，在业务服务侧设置ocalcache，降低访问Redis的QPS。 LocalCache中缓存过期或未命中，则从Redis中将数据更新到L ocalCache。Java的Guava、 Golang的Bigcache 就是这类LocalCache。

    image-20230213193916065

    1. 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

    image-20230213194026080

    1. 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

    image-20230213195648729

    LocalCache由Proxy来做！！！

2. 慢查询场景

容易导致redis慢查询的操作：

  1. 批量操作一次性传入过多的key/ value,如mset/ hmset/ sadd/ zadd等0(n)操作，建议单批次不要超过100,超过100之后性能下降明显。
  2. zset大部分命令都是0(log(n)),当大小超过5k以，上时，简单的zadd/zrem也可能导致慢查询
  3. 操作的单个value过大，超过10KB。 也即，避免使用大Key
  4. 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

3. 缓存穿透、缓存雪崩

缓存穿透&缓存雪崩的危害：

  1. 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

  2. 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

缓存穿透

  • 缓存穿透: 热点数据查询绕过缓存，直接查询数据库

  • 如何减少缓存穿透：

    1. 缓存空值：如一个不存在的userID。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。

    2. 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

缓存雪崩

  • 缓存雪崩: 大量缓存同时过期

  • 如何避免缓存雪崩

    1. 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[的数据可以相对设置过期时间短一些。
    2. 使用缓存集群，避免单机宕机造成的缓存雪崩。

References

  1. juejin.cn/post/719898…
  2. bytedance.feishu.cn/file/boxcni…
  3. Redis调用例子：gitee.com/alexs-rabbi…
avatar
文章
阅读
粉丝