这是我参与「第五届青训营 」伴学笔记创作活动的第 10 天
对课程中学到的重要知识点做了笔记,方便后续的回顾
1. Redis基本工作原理
Redis实现数据持久化的原理:AOF/RDB
Redis单线程处理命令的概念
2. Redis应用案例
掘金连续签到,需要了解GET/SET,Key过期
掘金用户计数,使用到HASH
排行榜ZSET
使用SETNX实现分布式锁
3. 在字节跳动,使用Redis有哪些注意事项
3.1. 大Key、热Key
3.1.1 大Key的定义
| 数据类型 | 大Key标准 |
|---|---|
| String类型 | value的字节数大于10KB即为大key |
| Hash/Set/Zset/list等复杂数据结构类西 | 元素个数大于5000个或总value字节数大于10MB即为大key |
3.1.2 危害
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
3.1.3 消除大Key的方法
- 拆分
- 将大key拆分为小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。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、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
3.1.4 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
3.1.5 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
- 拆分
- 将key:value这一个热Key复制写入多份,例如key1value,key2value,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
- 增加了更新key的成本
- 将key:value这一个热Key复制写入多份,例如key1value,key2value,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
- 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 用代理实现Localcache
3.2. 慢查询
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 建议单批次不要超过100,超过100之后性能下降明显。
- 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10KB。也即,避免使用大Key
- 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
3.3. 缓存穿透、缓存雪崩
3.3.1 介绍
- 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
3.3.2. 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
3.3.3. 如何减少缓存穿透
- 缓存空值 如一个不存在的userIlD。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。
- 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
3.3.4. 如何避免缓存雪崩
- 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。
- 使用缓存集群,避免单机宕机造成的缓存雪崩。
课后个人总结
- 了解了redis是什么,redis持久化的概念
- 了解了在字节跳动内部使用的时候,使用redis常见的问题