Redis ｜ 青训营笔记

aKun
19 阅读7分钟

这是我参与「第五届青训营 」伴学笔记创作活动的第 13 天

Redis

01.Redis是什么

为什么需要Redis

数据从表单，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.png

随着各种压力场景的出现

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

image.png

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 image.png

  • 全量数据RDB文件 image.png

  • 单线程处理所有操作命令

image.png

image.png

02.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

  • Key：cc_uid_1165894833417101
  • value：252
  • expireAt：后天的 0 点

image.png

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：存储技术、Session

image.png

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，用户能搜索到最新的文章数据

image.png

List 数据结构 Quicklist Quicklist 由一个双向链表和 listpack 实现

image.png

Listpack 数据结构

image.png

2.3 计数

一个用户有多项技术需求，可通过hash结构存储

image.png

image.png

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。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。

image.png

2.4 排行榜

积分变化，排名要实时变更

image.png

结合 dict 后，可实现通过 key 操作调表的功能

  • ZINCRBY myzset 2 "Alex"
  • ZSCORE myzset "Alex"

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"

image.png

image.png

2.5 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

image.png

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。

image.png 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
Ex02只是体验SetNX的特性，不是高可用的分布式锁实现
该实现存在的问题:
(1) 业务超时解锁，导致并发问题。业务执行时间超过锁超时时间
(2) redis主备切换临界点问题。主备切换后，A持有的锁还未同步到新的主节点时，B可在新主节点获取锁，导致并发问题。
(3) redis集群脑裂，导致出现多个主节点

03.Redis使用注意事项

3.1 大Key、热Key

image.png

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

image.png

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

image.png

  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。需要对头际数掂进仃测风旧地开l口HM u 8如果存储的是JSON字符串，可以考虑使用MessagePack进行序列化。

  1. 集合结构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OPS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.png

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

image.png

  1. 拆分 将 key:value这一个热Key复制写入多份，例如key2: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.png
  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.png

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13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。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

3.3 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

如何减少缓存穿透

  1. 缓存空值：如一个不存在的userIlD。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。
avatar
文章
阅读
粉丝