Redis使用注意事项

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

业务侧使用大Key的表现

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、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。

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。

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。

⒉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，存在数据短暂不一致的风险。

3.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

(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。也即是，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或人为攻击，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。

如何减少缓存穿透

1)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。

2)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

1)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。

2)使用缓存集群，避免单机宕机造成的缓存雪崩。

Redis | 青训营笔记