Redis学习笔记 | 青训营笔记

这是我参与「第五届青训营 」伴学笔记创作活动的第十五天

一、本堂课重点内容：

• Redis是什么
• Redis使用注意事项

二、详细知识点介绍：

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大
• 数据分冷热（热数据指的是经常被访问的数据）
• 将热数据存储到内存空间中

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
• 单线程处理所有的操作命令

Redis使用注意事项：

大Key、热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。 如：

拆分前：Key：article:70011 Value:abcdefghigklmnopqrst

拆分后：

• Key：article:70011 Value:[3][70011]abcdefg

• Key：article:70011_2 Value:[70011]higklmn

• Key：article:70011_3 Value:[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：
   • 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：例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

假设场景:把一个全局配置存到了Redis中,Key为global_conf。每个请求都会读取这个配置。这就很容易形成热key查询。

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:

(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,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deletelexpire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:

(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。

三、课后个人总结：

今天讲了关于Redis的一些知识。

主要是学到了Redis是什么，它的工作原理是啥。

然后就是学到了很多处理缓存问题的技巧，以及面对大量数据库读写请求的时候可以参考的解决方案。