Redis—大厂程序员是怎么用的知识点总结笔记 | 青训营

上下一白老照片
152 阅读10分钟

第一节 什么是Redis

Redis是一个开源的key-value存储系统，其具备以下特点：

  1. 数据存储在内存，因此读写速度快
  2. 支持持久化，可以将数据存储到磁盘
  3. 支持多种数据结构，包括字符串，哈希，列表，集合和有序集合
  4. 支持主从模式下的数据备份

1 为什么需要Redis

为了解决数据量增长和读写数据压力不断增大的问题，数据从单表，演进出了分库分表，MySQL从单机演进出了集群

image.png

从MySQL磁盘中读取数据在某些情况下无法满足要求，希望将数据存储到内存提升读写速度，Redis应运而生

数据分冷热（热数据：经常使用的数据），我们将热数据存储到内存中（Redis）

image.png

MySQL和Redis同步的基本逻辑：Server将数据写入数据库产生binlog日志，记录MySQL数据的变更，框架反解binlog，将数据更新写入Redis中

2 Redis基本工作原理

数据从内存读写

数据保存到硬盘上防止数据丢失

  1. 增量数据保存到AOF文件
  2. 全量数据RDB文件

image.png

服务端将数据读写到内存，读写内存之前生成日志（AOF文件），写到磁盘。Redis重启时先读取RDB文件（保存数据库某一时刻的全部数据的文件），再对比有无未执行命令，再从AOF文件中读取日志执行未执行命令，确保数据一致。

注意：Redis单线程处理所有操作命令，顺序执行命令，先到达先执行 image.png

第二节 Redis应用案例

1 连续签到

image.png

Redis中的特殊方法：

  1. Incr()：在现有数据上加1
  2. ExpireAt()：设置过期时间，过期后value值归零

Redis中的String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

特点：二进制安全（实际存储二进制数据），节省空间，可以快速读取写入数据

image.png

  1. 存入字符串时（例：hello），先存入buf（预先分配空间，在不超出预先分配空间的情况下允许对数据做一定更改，超出后需要扩容：重新开辟空间并拷贝数据）

  2. sds指针先左移到flags获取数据信息，再从alloc获取分配的空间大小，从len获取实际使用的长度，最后右移到buf获取value

2 消息通知

用list作为消息队列

使用场景：用户写文章后，将更新的文章推送到ES(搜索引擎)，用户就能搜索到最新的文章数据。通过消息通知让ES知道有新文章要推送。

image.png

Redis中的Lis数据结构——Quicklist

Quicklist是由一个双向链表和listpack实现

image.png

为了合理节省内存空间，Redis在一个节点存储多个数据，把多个数据压缩到listpack后放入entry

image.png

3 计数

一个用户有多项计数需求，可通过hash结构存储

每一个数据都用一个key存会比较繁琐（需要使用多个key），使用hash会更加方便，可以通过一个key获得hash数据结构中的所有数据（例：可以使用user_count作为单一key获取hash结构中所有数据）

image.png

Reddis中的特殊功能：

  1. pipeline：打包发送多个数据（命令），减少网络传输
  2. HIncrBy()：指定key，hash结构中的字段和增加多少值

Redis中的Hash数据结构——dict

hash结构的key-value查找的简单介绍：获取key后通过hash算法算出一个值，值对应一个槽位（实际存储数据的空间），在对应的槽位中找到对应的key，获取value后返回。

不同的key可能在hash算法中拥有相同的值，对应相同槽位，即产生hash冲突。解决方法为使用单向链表将数据存储在同一槽位中，查找时顺着链表查找。

如果链表过长，hash会扩容增加槽位并迁移数据

image.png

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不请求过程中。

4 排行榜

积分变化时，排名要实时变更

image.png

结合dict后，可实现通过key操作跳表的功能

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

Redis中的zset数据结构——zskiplist

跳跃表在原有有序链表的基础上加入多级索引，可以通过索引快速查找（Redis中最高四层）

跳跃表查找数字7的路径：head，3，3，7 image.png

Redis中将跳跃表与hash（dict）结合

image.png

5 限流

要求1秒内放行的请求为N，超过N则禁止访问

假设场景：1秒内只放行一个请求

image.png

限流方法：构建一个key（字符串_时间戳），用户请求时对这个key调用Incr，超过限制条件N时禁止访问

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：

  1. Redis是单线程执行命令
  2. setnx只有未设置过才能执行成功

image.png

注意：setnx不是高可用的分布式锁实现，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

第三节 Redis使用注意事项

1 大Key，热Key

大Key的定义

String类型中value的字节数大于10KB

Hash/Set/Zset/list等复杂数据数据结构类型中元素个数大于5000个或总字节数大于10KB

大Key的危害

  1. 读取成本高

  2. 容易导致查询（过期，删除）

  3. 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

image.png

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。

对于集合类结构hash、list、set、set消除大Key

  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

热key指的是用户访问一个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，QPS 超过500就有可能被识别为热Key(QPS：每秒请求数，即服务器每秒响应的请求数量)

image.png

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

image.png

Redis和LocalCache中的数据有可能不一致，需要缓存过期管理持续从Redis中获取更新

  1. 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

image.png

  1. 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

2 慢查询场景

  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

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，下次再查缓存直接反空值。
  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。

总结

通过这门课程的学习，我初步了解了在业务场景中使用Redis的原因，Redis中的数据结构和在实际业务中使用Redis的一些注意事项。本篇文章仅是对课上知识的总结，希望能帮助和我一样的初学者，关于数据结构的进一步知识需要各位读者在网络上查阅相关资料了解了。如果各位发现我文章中的错误，欢迎指出。

avatar
文章
阅读
粉丝