Redis学习 | 青训营
Redis简介
概念
Remote Dictionary Server(Redis) 是一个由 Salvatore Sanfilippo 写的 key-value 存储系统,是跨平台的非关系型数据库。
Redis 是一个开源的使用 ANSI C 语言编写、遵守 BSD 协议、支持网络、可基于内存、分布式、可选持久性的键值对(Key-Value)存储数据库,并提供多种语言的 API。
Redis 通常被称为数据结构服务器,因为值(value)可以是字符串(String)、哈希(Hash)、列表(list)、集合(sets)和有序集合(sorted sets)等类型。
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
- 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
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
- 全量数据RDB文件
- 单线程处理所有操作命令
Redis实战案例
连续签到
- 用户每日有一次签到的机会,如果断签,连续签到计数将归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:存储计数、Session
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。
计数
一个用户有多项计数需求,可通过hash结构存储。
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,使用了渐进式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。
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"
- 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。
可以使用redis的setnx实现,利用了两个特性
- Redis是单线程执行命令
- setnx只有未设置过才能执行成功
但是这并不是高可用的分布式锁的实现,该实现存在的问题:
- 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
- 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
- redis集群脑裂,导致出现多个主节点
redis注意事项
大Key
数据类型 | 大Key标准 |
---|---|
String类型 | value的字节数大于10KB即为大 |
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
- 请求redis超时报错
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 - 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
(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
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
- 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。 - 拆分
将keyrvalue这一个热Key复制写入多份,例如keyl.value,key2:value,访问的时候访问多个key,但value是同一个,以此将aps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bua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。
(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。
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhgajjig
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
excel下划线不显示怎么办
PHP中文网 06-23 -
怎样阻止微信小程序自动打开
PHP中文网 06-13 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
TikTok加速器哪个好免费的TK加速器推荐
TK小达人 10-01