这是我参与「第五届青训营 」伴学笔记创作活动的第 10 天
1.什么是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
- 数据分冷热
- 热数据：经常被访问的数据
- 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
- 全量数据RDB文件
- 单线程处理所有操作命令
2.常用数据结构
- String数据结构
案例连续签到
- 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
- List数据结构Quicklist
案例消息通知
Quicklist由一个双向链表和listpack实现
3.Hash数据结构dict
案例多项计数需求
- 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。
- zset数据结构zskiplist
案例排行榜
- 查找数字7的路径，head3,3,7
- 结合dict后，可实现通过key操作跳表的功能
3.Redis使用注意事项
| 数据类型 | 大Key标准 |
|---|---|
| String类型 | value的字节数大于10KB |
| Hash/Set/Zset/list等复杂数据结构类型 | 元素个数大于5k个或总value字节大于10MB |
1.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
- 拆分
将大Key拆分为小Key，如一个string拆分为多个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。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
(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
- 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keyL.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。
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。
