这是我参与「第五届青训营」伴学笔记创作活动的第 18 天

一、本节课重点内容

本节课程主要分为三个方面：

为什么需要Redis，Redis的基本工作原理
Redis应用案例
在字节跳动，使用Redis有哪些注意事项

二、本节课详细内容

一、Redis定义

昨天写了

juejin.cn/post/719968…

二、Redis应用案例

1、连续签到

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：存储技术、Session

2、消息通知

用list作为消息队列，List数据结构Quick list，Quick list由一个双向链表和list pack实现。

3、计数

一个用户有多项技术需求，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。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。

结合dict后，可实现通过key操作跳表的功能。

zet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

5、限流

要求1秒内放行的请求为N，超过N则禁止访问

string数据结构

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

三、Redis中的一些坑和解决策略（在字节跳动，使用Redis有哪些注意事项）

1、大Key、热Key

大key的定义

string类型中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个或者总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拆分为多个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gzio、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Message Pack进行序列化。

3、对于集合类结构hash,list,set,zset

(1) 拆分：可以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就有可能被识别为热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，因此将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。

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。

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，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、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或认为攻击，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，下次再查缓存直接返回空值。

（2）布隆过滤器

通过boom 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。

redis（二）|青训营笔记