Redis-大厂程序员是怎么用的 ｜ 青训营笔记

用户4955575447946
44 阅读6分钟
  • 这是我参与「第五届青训营 」伴学笔记创作活动的第 17 天

1. Redis是什么

1.1 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

1.2 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

2. Redis应用案例

2.1 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

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

2.2 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

2.3 计数

一个用户有多个计数要求，可通过hash结构存储

Hash数据结构dict：

  • 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。对于数据量大的场景，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：

    为避免出现上述情况，使用了rehash方案。基本原理是，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访问用户请求过程中。

2.4 排行榜

积分变化时，排名要实时变更

zset数据结构zskiplist：

  • 结合dict后，可实现通过key操作跳表的功能

2.5 限流

要求1秒内放行的请求为N，超过N则禁止访问

2.6 分布式锁

并发场景，要求一次只能有一个协程执行。执行完成后，其他等待中的协程才能执行

可以用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

3. Redis使用注意事项

3.1 大Key、热Key

大Key：

大Key的定义

数据类型大Key标准
String类型value的字节数大于10KB即为大Key
Hash/Set/Zset/List等复杂数据结构类型元素个数大于5000个或总value字节数大于10MB即为大Key

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拆分成小Key。例如一个String拆分成多个String。

  2. 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，则解压缩耗时就长。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、zset

    1. 拆分

      可以用hash取余、位掩码的方式决定放在哪个key中。

    2. 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

解决热Key的方法

  1. 设置Localcache

    在访问Redis之前，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Redis中将数据更新到Localcache。如Java的Guava、Golang的Bigcache。

  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的承载能力

    字节跳动的Redis访问代理就具备热Key的承载能力。本质上是结合了“热Key发现”，“Localcache”两个功能。

3.2 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O(n)操作
  2. 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
  3. 操作的单个value过大，超过10KB
  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

3.3 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

缓存穿透的危害

  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

    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

  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，下次再差缓存直接反空值。

  2. 布隆过滤器

    通过bloom filter算法来存储合法key，得益于该算法的超高压缩率，只需占用极小的空间就能存储大量的key值。

缓存雪崩：大量缓存同时过期

如何避免缓存雪崩：

  1. 给不同的Key的TTL添加随机值
  2. 利用Redis集群提高服务的可用性
avatar
文章
阅读
粉丝