Redis-大厂程序员是怎么用的 | 青训营笔记

用户2808417629336
222 阅读7分钟

Redis-大厂程序员是怎么用的

这是我参加【第五届青训营】伴学笔记创作活动的第17天

课程目标

  • Redis是什么：为什么需要Redis。Redis的基本工作原理
  • Redis应用案例：通过案例，了解Redis的实际应用场景，并介绍Redis常用数据结构
  • Redis使用注意事项：在字节跳动使用Redis有哪些注意事项

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加

image.png

  • 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的基本工作原理

  • 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

Redis应用案例

案例

  1. 连续签到
  2. 消息通知
  3. 计数
  4. 排行榜
  5. 限流
  6. 分布式锁
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 _116589483341710r
  • 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：存储计数、Session

image.png

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

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

计数

一个用户有多项技术需求，可通过hash结构存储

屏幕截图 2023-02-15 210317.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

排行榜

积分变换时，排名要实时变更

结合dict后，可实现通过key操作跳表的功能

image.png

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

image.png

image.png

限流

要求1秒内放行的请求为N，超过N则禁止访问

Key：comment_ferq_limit_167135

对这个Key调用incr，超过限制N则禁止访问，167135是当前时间戳

image.png

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

image.png

Redis使用注意事项

大Key、热Key

大Key的定义
  • 数据类型为String类型时，大Key标准是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，大key标准是元素个数大于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

image.png

消除大Key的方法
  • 拆分
    • 将大Key拆分为小key，例如一个String拆分为多个String
    • image.png
  • 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
  • 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就有可能被识别位热Key

image.png

解决热Key的方法
  • 设置Localcache：在访问Redis前，在业务服务侧设置Localcache，降低访问Redis的QPS。LocalCacha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

  • 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，从此将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

  • 使用Redis代理的热Key承载能力：字节跳动的Redis访问代理就具有热Key承载能力，本质上是结合了“热Key发现”、“LocalCache”两个功能

image.png

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 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
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
  • 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
  • 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 userlD 。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。

总结

经过这节课，我了解了为什么需要Redis。Redis的基本工作原理，通过案例，了解Redis的实际应用场景，并介绍Redis常用数据结构，在字节跳动使用Redis有哪些注意事项。

avatar
文章
阅读
粉丝