青训营学习记录: Redis 大厂程序员是怎么用的 | 青训营

Redis 是什么

Redis（Remote Dictionary Server）是一个开源的内存数据存储系统，也被称为缓存数据库，它支持多种数据结构，如字符串、哈希表、列表、集合、有序集合等。Redis的设计目标是提供高性能、高可用性、可扩展性和灵活性，以满足各种应用场景下的需求。

为什么需要 Redis

1. 数据从单表演进出了分库分表： 当数据量逐渐增大，单个数据库表可能无法满足性能需求。在应对这种情况时，一种常见的解决方案是将数据分散到多个数据库中，即分库，同时将每个数据库中的表进行拆分，即分表。然而，这样的分布式数据库架构可能会增加复杂性，而 Redis 可以作为一个中心化的缓存数据库，减轻后端数据库的压力，提供更快的读取速度。
2. MySQL从单机演进出了集群： 随着业务的发展，单台 MySQL 数据库服务器可能无法满足高并发、高可用性和横向扩展的需求。因此，许多组织会将多个 MySQL 实例组成集群，以提高性能和可靠性。在这种集群环境下，Redis 可以用作缓存层，减轻数据库服务器的负载，加速读取操作，从而提高整体性能。
3. 数据量增长： 随着用户量和数据量的增加，数据库的读写压力会显著增加。Redis 作为一个内存数据库，具有快速的读写速度，特别适合应对高并发的数据访问需求，可以有效减轻后端数据库的压力，提高系统的响应速度。
4. 读写数据压力的不断增加： 在某些应用场景中，读操作的频率远远高于写操作，例如社交媒体的时间线、热门商品列表等。Redis 的缓存机制可以将热门数据存储在内存中，供频繁的读取操作使用，减少对后端数据库的直接查询次数，从而提高系统的读取性能。

Redis的基本工作原理

1. 内存存储： Redis主要将数据存储在内存中，因此读写速度非常快。
2. 单线程模型： Redis采用单线程模型处理客户端请求，这是因为大部分操作都是在内存中进行，避免了多线程切换的开销。
3. 异步操作： 对于需要进行磁盘持久化的操作，Redis使用了异步操作来减少对性能的影响。
4. 持久化： Redis支持两种持久化方式，分别是快照（Snapshotting）和AOF（Append-Only File）日志。
5. 复制： Redis可以通过主从复制机制实现数据的复制，以提高可用性和负载均衡。
6. 集群： Redis可以通过集群方式实现分布式存储和高可用性。

增量数据保存到AOF文件中

全量数据保存到RDB文件中

Redis 应用案例

通过案例，了解Redis的实际应用场景

Redis常用数据结构

连续签到

通过设置 Redis 键值的自动过期时间, 来实现每日连续签到的检测.

Key: cc_uid_1165894833417101
value: 252
expireAt：后天的0点

String 的数据结构

消息通知

用list作为消息队列

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

Listpack数据结构

计数

一个用户有多项计数需求，可通过hash结构存储

user_count_1556564194374926
got_digg_count	10693	文章被点赞数
got_view_count	2238438	文章被阅读数
followee_count	176	关注数
follower_count	9895	关注者
follow_collect_set_count	0	收藏集
subscribe_tag_count	95	关注标签数

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不请求过程中。

排行榜

积分变化时，排名要实时变更

zset数据结构 zskiplist

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

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。

使用 Redis 的 setnx 实现.

但是!!

Ex02 只是体验SetNX的特性，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

Redis 使用注意事项

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

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

	Key	Value
拆分前	article:70011	abcdefghigklmnopqrst
拆分后	article:70011	[3][70011]abcdefg
article:70011_2	[70011]higklmn
article:70011_3	[70011]opqrst

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

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

2. 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

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，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。

参考资料

这篇好文章是转载于：学新通技术网