Redis的使用场景剖析|青训营笔记

6r0wn_Jay
48 阅读6分钟

这是我参与「第五届青训营 」伴学笔记创作活动的第15天

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

因此 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

使用场景

1.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-uid1165894833417101
value:252
expireAt:后天的O点

在这一功能上使用到的是redis的string数据结构

string数据结构  -sds(不同于其他编程语言的string数据结构）

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

buf这个char数组用于存储实际数据

flags：低三位用于表述数据类型

alloc:开辟内存的长度
len：实际用到的长度

因此在寻址的时候通过len的大小就可以知道sds指针向右移动多少位可以得到完整的数据，寻址效率就比较的高

2.消息通知

用Iist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

在这一功能上使用的是list数据结构

List数据结构Quicklist Quicklist由一个双向链表和llistpack实现

image.png

tot-bytes:整个内存空间的大小
num-elements:element的个数
element-n:元素

3.计数

一个用户有多项计数需求，可通过hash 结构存储

image.png

image.png

Hash数据结构dict

rehash:

rehash操作是将ht[O]中的数据全部迁移到ht1]中。数据量小的场景下 直接将数据从ht[o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

当槽位中数据过长时每次读取数据就会很费时，这时就需要进行扩容ht[1],在扩容时就要进行rehash操作把ht[0]的数据迁移到ht[1]中。

4.排行榜

结合dict后，可实现通过key操作跳表的功能
ZINCRBY myzset 2 "Alex"
ZSCORE myzset "Alex"

image.png

image.png

5.限流

要求1秒内放行的请求为N,超过N则禁止访问

Key:comment_freq_limit_1671356046

对这个Key调用incr,超过限制N则禁止访问
1671356046是当前时间戳

image.png

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

1.大key 热key

image.png

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Redisi超时报错

image.png

大key消除方法

  • 1.拆分

将大key拆分为小key。例如一个String拆分成多个String

image.png

  • 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、Iz4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、zset

      (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

2.热key

  • 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

      2.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

image.png

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0(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valuei过大，超过1OKB。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.O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ug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b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

3.缓存穿透、缓存雪崩

如何减少缓存穿透

(1)缓存空值
如一个不存在的usD。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Ky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

    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。
avatar
文章
阅读
粉丝