这是我参与「第五届青训营 」伴学笔记创作活动的第 17 天
前言
这是我将参加青训营期间的收获进行整理和总结，同时便于日后复习和查阅。如果能给各位小伙伴提供些帮助，也是我的荣幸，希望大家可以多多赐教，一起学习和交流。
REmote DIctionary Server(Redis) 是一个由 Salvatore Sanfilippo 写的 key-value 存储系统，是跨平台的非关系型数据库。
Redis 是一个开源的使用 ANSIC 语言编写、遵守 BSD 协议、支持网络、可基于内存、分布式、可选持久性的键值对(Key-Value)存储数据库，并提供多种语言的 API。
Redis 通常被称为数据结构服务器，因为值（value）可以是字符串(String)、哈希(Hash)、列表(list)、集合(sets)和有序集合(sorted sets)等类型。
本篇文章主要内容
- Redis 是什么
- Redis 应用案例
- Redis 使用注意事项
Redis 基本工作原理
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 简介
Redis 是完全开源的，遵守 BSD 协议，是一个高性能的 key-value 数据库。
Redis 的特点
- Redis 支持数据的持久化，可以将内存中的数据保存在硬盘中，重启的时候可以再次加载进行使用。
- Redis 不仅仅支持简单的key-value类型的数据，同时还提供list、set、zset、hash等数据结构的存储。
- Redis 支持数据的备份，即master-slave模式的数据备份。
Redis 优势
性能极高- Redis 能读的速度是 110000次/s，写的速度是81000次/s。丰富的数据类型- Redis支持二进制案例的Strings、Lists、Hashes、Sets 及 Ordered Sets 数据类型操作。原子- Redis的所有的操作都是原子性的，意思是指要么成功执行，要么失败完全不执行。单个操作是原子性的。多个操作也支持事务，即原子性，通过MuLTI和EXEC指令包起来。丰富的特性- Redis还支持publish/subscribe，通知，key过期等等特性。
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的机会，如果断签，连续签到技术将归0.连续签到的定义：美团必须在23：59：59前签到
- Key：cc_uid_1165894833417101
- value：252
- expireAt：后天的0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
List数据结构Quicklist
Quicklist由一个双向链表和listpack实现。
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[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。
4.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后，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。
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。
可以使用redis的setnx实现，利用率两个特性
- 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拆分为小key。例如一个String拆分成多个String
| Key | Value | |
|---|---|---|
| 拆分前 | artcle：70011 | abcdefghigklmnopqrst |
| article：70011 | [3] [70011]abcdefg | |
| 拆分后 | article：70011_2 | [70011]higklmn |
| article：70011_3 | [70011]opqrst |
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、set
（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Redis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。
- 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value过大，超过10KB。也即，避免使用大Key
- 对大key的delete/expire操作有可能导致慢查询，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
（1）查询一个一定不存在的数据
通常不会缓存不缓存的数据，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。
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。
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，冷门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。
引用
- 字节录播课《Redis - 大厂程序员是怎么用的》
- Redis | 菜鸟教程
