这是我参与「第五届青训营 」笔记创作活动的第16天。
一、Redis是什么
为什么需要Redis，Redis的基本工作原理
1.1 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
- 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
1.2 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命令
二、Redis应用案例
通过案例，了解Redis的实际应用场景。并介绍Redis常用数据结构
2.1.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_uid_用户ID
- value: 连续签到天数
- expireAt:后天的0点
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
2.2.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由一个双向链表和listpack实现
2.3.计数 一个用户有多项计数需求，可通过hash结构存储。（比如点赞数，关注数，收藏数，一般都会count，但是不能每次都count，整合后添加到redis中）
Hash数据结构dict
- 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户请求过程中
2.4.排行榜
积分变化时，排名要实时变更
结合dict后，可实现通过key操作跳表的功能
zset数据结构 zskiplist
2.5.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
2.6.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
问题
该实现存在的问题:
- (1) 业务超时解锁，导致并发问题。业务执行时间超过锁超时时间
- (2) redis主备切换临界点问题。主备切换后，A持有的锁还未同步到新的主节点时，B可在新主节点获取锁，导致并发问题
- (3)redis集群脑裂，导致出现多个主节点
三、Redis使用注意事项
在字节跳动使用Redis有哪些注意事项
3.1 大Key、热Key
大Key的定义：
- 数据类型：String类型
- 大Key标准：value的字节数大于10KB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10MB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、Iz4等。通常情况下则解压耗时就长。需要对实际数据进行测试后，选择一个合适的算法个压缩算法压缩率高、如果存储的是JSON字符串，可以考虑使用MessagePack进行序列化。
- 对于集合类结构hash、list、set、zset，可进行(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key1:value,key2:value，访问的时候访问多个key，但value是同-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
3.2 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
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
缓存穿透危害
- 查询一定不存在的数据： 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d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
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，下次再查缓存直接反空
- 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
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。
