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

1. 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。
2. 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:

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：

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

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。
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，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