这是我参与「第五届青训营 」伴学笔记创作活动的第 13 天

大Key、热Key

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的表现如请求Redis超时报错等现象。
  

消除大key的方法

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、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. 针对集合类结构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就是用户访问一个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，OPS 超过500就有可能被识别为热Key。

解决热key的方法

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. 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

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。也就是，避免使用大Key
  
• 对大kev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kev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

• 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。
    

如何减少缓存穿透

• 缓存空值
  • 如一个不存在的userlD。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
    

如何避免缓存雪崩

• 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。

参考

‍​⁣⁤‍‌⁢‍‬‍‍​⁡⁣⁤⁤⁤⁢⁡‌​‍‌‍​⁣⁢⁣⁣⁤⁣⁡⁤⁤​​⁡​​​​⁡⁤‍​⁡​‬⁡第五届青训-Redis-大厂程序员是怎么用的.pptx - 飞书云文档 (feishu.cn)