Redis

用户7992110583125
72 阅读5分钟

Redis是什么

为什么需要Redis

  • 数据从单表，演进出了分库分表
  • MySOL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：进程被访问到的数据
  • 将热数据存储到内存中

Redis基本工作原理

image.png

  • AOF 保存增量数据（修改数据库的指令）
  • RDB 保存全量数据

实例

连续打卡

Key: cc_uid_1165894833417101

value: 252

expireAt：后天的O点

消息通知

  • 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。

计数

  • 统计文章被点赞数，统计文章被阅读数，关注数，关注者，收藏集，关注标签数。

排行榜

积分变化时，排名要实时变更，多次查询，多次修改，实时排序。

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

限流

要求1秒内放行的请求为N，超过N则禁止访问

数据结构

String

  • 可以存储宇符串、数字、二进制数据
  • 通常和expire配合使用
  • 场景：存储计数、Session

Quicklist

一个节点存多个数据（存在listpack中） image.png

hash

  • 一次性请求多个数据。 •rehash：rehash操作是将ht[O]中的数据，全部迁移到h[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户请求过程中。## Redis使用注意事项 image.png

zset

跳跃表（树状数组） + hash（dict） image.png

Redis使用事项

大key、热key

定义

image.png

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
解决方法

  1. 拆分

    将大key拆分 为小key。例如一个String拆分成多个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gzip、snappy、124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、 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：valve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. 代理 image.png

慢查询

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

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或人为政击，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。

解决方式

  1. 缓存空值
  2. 布隆过滤器
  3. 分散设置过去时间
  4. 使用缓存集群
avatar
文章
阅读
粉丝