这是我参与「第五届青训营 」伴学笔记创作活动的第 17 天
Redis
基本概念
为什么需要 Redis
-
数据从单边，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 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的命令
Redis 应用案例
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：存储计数，Session
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
-
List 数据结构 Quicklist
- Quicklist 由一个双向列表和 listspack 实现
计数
-
一个用户有多项计数需求，可以通过 hash 结构存储
-
Hash 数据结构 dict
- rehash：rehash 操作时将 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，例如存有上百万个 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的过程中
排行榜
- 结合 dist 后，可实现通过 key 操作跳表的功能
- zset 数据结构 szkiplist
限流
- 要求 1 秒内放行的请求为 N，超过 N 则禁止访问
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
消息通知
Redis 使用注意事项
大 Key、热 Key
- 大 Key 的定义
| 数据类型 | 大 Key 标准 |
|---|---|
| String 类型 | value 的字节数大于 10 KB 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 10 MB 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
-
拆分
- 将大 Key 拆分成小 Key，例如一个 String 拆分成多个 String
-
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，例如存储的是 JSON 字符串，可以考虑使用 MessagePack 进行反序列化
-
集合类型结构 hash、list、set
- 拆分：可以用 hash 取余、位掩码的方式决定放在哪个 key
- 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 定义
- 用户访问一个 key 的 QPS 特别高，导致 Server 实例出席那 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
-
设置 Localcache
- 在访问 Redis 前，在业务服务侧设置 Localcache，降低访问 Redis 的 QPS，Local Cache 中缓存过期或者未命中，则从 Redis 中将数据更新到 LocalCache。Java 的 Guava、Golang 的 Bigcache 就是这类 LocalCache
-
拆分
- 将 key : value 这一个热 key 复制写入多分，例如 key1 : value, key2 : value，访问的时候访问多个 key，但 value 是用一个，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
-
使用 Redis 代理的热 key 承载能力
-
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 10 KB，也即，避免使用大 Key
- 对大 Key 的delete / expire 操作也可能导致慢查询， Redis 4.0 之前不支持异步删除 unlink、大 key 删除会导致阻塞 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，如果由系统 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
-
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，下次再查询直接返回空值
-
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
-
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
- 可以设置随机事件，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，冷门的数据可以下你个队设置过期时间短一些
-
使用缓存集群，避免单机宕机造成的缓存雪崩
