Redis - 大厂程序员是怎么用的｜ 青训营笔记

丁牛牛
47 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 18 天

Redis - 大厂程序员是怎么用的

Redis是什么

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

image.png

  • 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

image.png

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

image.png

  • 单线程处理所有操作命令

image.png

Redis应用案例

  • 连续签到
  • 消息通知
  • 计数
  • 排行榜
  • 限流
  • 分布式锁

连续签到

每用户每日有一次签到的机会，如果断签，连续签到的计数将归0

连续签到的定义：每天必须在23:59:59前签到

  • Key：cc_uid_1165894833417101
  • value：252
  • 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：存储技术、Session

image.png

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

image.png

List数据结构Quicklist

Quicklist由一个双向链表和listpack实现

image.png Listpack数据结构

image.png

计数

一个用户有多项计数需求，可通过Hash结构存储

image.png

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

image.png

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
    • ZINCRBY myzset 2 "Alex"
    • ZSCORE myzset "Alex"

image.png

zset数据结构zskiplist

  • 查找数字7的路径，head,3,3,7
  • 集合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

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

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，利用了两个特效

  • 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使用注意事项

大Key、热Key

大Key

大Key的定义：

image.png 大Key的危害：

  • 读取成本高
  • 容易导致满查询(过期、删除)
  • 主从赋值异常，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

image.png

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

image.png

  • 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，后续走db

热key

热key的定义：

用户访问一个Key的QPS特别高，导致Service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

image.png 解决热Key的方法：

  • 设置Localcache：再访问Redis前，再业务服务侧设置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

image.png

  • 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，存在数据不一致的风险

image.png

  • 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

慢查询场景

容易导致慢查询的操作

  • 批量操作一次性传入过多的key/value，如mset/hset/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之前不支持异步查出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：

  • 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，下次再查缓存直接返回空值
  • 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
avatar
文章
阅读
粉丝