1 键值设计
1.1 key名设计
- (1)【建议】: 可读性和可管理性
以业务名(或数据库名)为前缀(防止key冲突),用冒号分隔,比如业务名:表名:id
roborder:user:1:amount
- (2)【建议】:简洁性
保证语义的前提下,控制key的长度,当key较多时,内存占用也不容忽视,例如:
user:{uid}:friends:messages:{mid}
简化为 u:{uid}:fr:m:{mid}。
- (3)【强制】:不要包含特殊字符
反例:包含空格、换行、单双引号以及其他转义字符
1.2 value设计
- (1)【强制】:拒绝bigkey(防止网卡流量、慢查询)
string类型控制在10KB以内,hash、list、set、zset元素个数不要超过5000。
反例:一个包含200万个元素的list。
非字符串的bigkey,不要使用del删除,使用hscan、sscan、zscan方式渐进式删除,同时要注意防止bigkey过期时间自动删除问题(例如一个200万的zset设置1小时过期,会触发del操作,造成阻塞,而且该操作不会不出现在慢查询中(latency可查))
- (2)【推荐】:选择适合的数据类型。
例如:实体类型(要合理控制和使用数据结构内存编码优化配置,例如ziplist,但也要注意节省内存和性能之间的平衡)
反例:
set user:1:name tom
set user:1:age 19
set user:1:favor football
正例:
hmset user:1 name tom age 19 favor football
- (3)【推荐】:控制key的生命周期,redis不是垃圾桶。
建议使用expire设置过期时间(条件允许可以打散过期时间,防止集中过期),不过期的数据重点关注idletime。同时设置时间的时候注意原子性操作,否则可能出现死锁情况
- (4)【推荐】hash,set,zset,list 存储过多的元素优化 可以将这些元素分拆,通过hash取模的方式 正常存取流程是 hget(hashKey, field) ; hset(hashKey, field, value) 现在,固定一个桶的数量,比如 100, 每次存取的时候,先在本地计算field的hash值,模除 100, 确定了该field落在哪个key上。
newHashKey = hashKey + hash(field) % 10000;
hset (newHashKey, field, value) ;
hget(newHashKey, field)
set, zset, list 也可以类似上述做法,如果对于顺序有严格要求的则不试用
2 命令使用注意点
1.【推荐】 O(N)命令关注N的数量 例如hgetall、lrange、smembers、zrange、sinter等并非不能使用,但是需要明确N的值。有遍历的需求可以使用hscan、sscan、zscan代替。 Redis的命令时间复杂度可以看这里Redis复杂度O(N)
2.【推荐】:禁用命令 禁止线上使用keys、flushall、flushdb等,通过redis的rename机制禁掉命令,或者使用scan的方式渐进式处理。
3.【推荐】合理使用select redis的多数据库较弱,使用数字进行区分,很多客户端支持较差,同时多业务用多数据库实际还是单线程处理,会有干扰。
4.【推荐】使用批量操作提高效率 原生命令:例如mget、mset。 非原生命令:可以使用pipeline提高效率,可以减少网络耗时 但要注意控制一次批量操作的元素个数(例如500以内,实际也和元素字节数有关)。
注意两者不同:
- 原生是原子操作,pipeline是非原子操作。在集群环境下如果key不在同一个slot上,那么mget、mset等操作为非原子性操作。
- pipeline可以打包不同的命令,原生做不到
- pipeline需要客户端和服务端同时支持。
5.【建议】Redis事务功能较弱,不建议过多使用 Redis的事务功能较弱(不支持回滚),而且集群版本(自研和官方)要求一次事务操作的key必须在一个slot上(可以使用 hashtag 功能解决) hashtag的解决方案:可以使用twitter的 twemproxy
6.【建议】Redis集群版本在使用Lua上有特殊要求:
1.所有key都应该由 KEYS 数组来传递,redis.call/pcall 里面调用的redis命令,key的位置,必须是KEYS array, 否则直接返回error,
-ERR bad lua script for redis cluster, all the keys that the script uses should be passed using the KEYS array
2.所有key,必须在1个slot上,否则直接返回error, -ERR eval/evalsha command keys must in same slot
使用可以参考:阿里云redis集群使用lua脚本
7.【建议】必要情况下使用monitor命令时,要注意不要长时间使用,否则内出会飙高
3 配置属性优化
maxclients 限制同时连接的客户数量。当连接数超过这个值时, redis 将不再接收其他连接请求,客户端尝试连接时将收到 error 信息。特殊值”0”表示没有限制。
timeout 设置客户端连接时的超时时间,单位为秒。当客户端在这段时间内没有发出任何指令,那么关闭该连接,默认为0则表示没有超时时间,如果设定了超时时间,需要注意客户端redis连接池的timeout问题
client-output-buffer-limit
config set client-output-buffer-limit ‘slave 256mb 64mb 60’
这里对是客服端是slave的做限制 256mb 是一个硬性限制,当output-buffer的大小大于256mb之后就会断开连接。64mb 60 是一个软限制,当output-buffer的大小大于64mb并且超过了60秒的时候就会断开连接,所以当预估有bigkeys的时候需要进行调试
lua-time-limit 限制脚本的最长运行时间,默认为5秒钟。当脚本运行时间超过这一限制后,Redis将开始接受其他命令但不会执行(以确保脚本的原子性,因为此时脚本并没有被终止),而是会返回“BUSY”错误,避免redis阻塞情况
memory-policy
查询内存溢出策略 默认策略是volatile-lru,即超过最大内存后,在过期键中使用lru算法进行key的剔除,保证不过期数据不被删除,但是可能会出现OOM问题。
>maxmemory-policy 六种方式
1、volatile-lru:只对设置了过期时间的key进行LRU(默认值)
2、allkeys-lru : 删除lru算法的key
3、volatile-random:随机删除即将过期key
4、allkeys-random:随机删除
5、volatile-ttl : 删除即将过期的
6、noeviction : 永不过期,返回错误
4 集群批量操作优化
首先要知道一个概念叫缓存无底洞问题,该问题由 facebook 的工作人员提出的, facebook 在 2010 年左右,memcached 节点就已经达3000 个,缓存数千 G 内容。他们发现了一个问题—memcached 连接频率,效率下降了,于是加 memcached 节点,添加了后,发现因为连接频率导致的问题,仍然存在,并没有好转,称之为”无底洞现象”。
为什么会出现这个现象,请对比下面两张图片,图一是多IO版本,也就是说当存在的节点异常多的时候,IO的代价已经超过数据传输,上文提到的facebook的节点已经超过3000个,在这种情况下再增加节点已经没法再提高效率了。
图一 多IO版本
图二 单IO版本
redis引入cluster模式后,批量获取操作mget也面临同样的问题。redis是传统的key-value的存储模式,RedisCluster将数据按key哈希到16384个slot上,每个redis node负责一部分的slot。mget需要执行的操作就是从redis node获取所有的key-value值,然后进行merge然后返回。
其实IO的优化思路都比较通用,无非就是提高命令本身效率,串行改并行,单个转批量。摘录一段网上的IO优化思路总结:
(1) 命令本身的效率:例如sql优化,命令优化 (2) 网络次数:减少通信次数 (3) 降低接入成本:长连/连接池,NIO等 (4) IO访问合并:O(n)到O(1)过程:批量接口(mget)
具体方案
①串行命令:由于n个key是比较均匀地分布在Redis Cluster的各个节点上,因此无法使用mget命令一次性获取,所以通常来讲要获取n个key的值,最简单的方法就是逐次执行n个get命令,这种操作时间复杂度较高,它的操作时间=n次网络时间+n次命令时间,网络次数是n。很显然这种方案不是最优的,但是实现起来比较简单。
List<string> serialMGet (List<String> keys) {
//结果集
List<string> values - new ArrayList<String>();
//n次串行get
for (String key : keys) {
String value = jediscluster.get (key);values.add (value);
}
return values;
②串行IO:Redis Cluster使用CRC16算法计算出散列值,再取对16383的余数就可以算出slot值,同时Smart客户端会保存slot和节点的对应关系,有了这两个数据就可以将属于同一个节点的key进行归档,得到每个节点的key子列表,之后对每个节点执行mget或者Pipeline操作,它的操作时间=node次网络时间+n次命令时间,网络次数是node的个数,整个过程如下图所示,很明显这种方案比第一种要好很多,但是如果节点数太多,还是有一定的性能问题。
Map<String, String> serialIOMget (List<String> keys) {
//结果集
Map<String, String> keyValueMap = new HashMap<>();
//属于各个节点的key列表,JedisPool要提供基于ip和port的hashcode方法
Map<JedisPool, List<String>> nodeKeyListMap= new HashMap<>();
//遍历所有的key
for (String key : keys) {
//使用CRC16本地计算每个key的slot
int slot = JedisClusterCRC16.getSlot(key);
//通过iediscluster本地slot->node映射获取slot对应的node
JedisPool jedisPool = jedisCluster.getConnectionHandler().getJedisPoolFromSlot(slot);
//归档
if (nodeKeyListMap.containsKey(jedisPool)) {
nodeKeyListMap.get(jedisPool).add(key);
} else {
List<String> list = new ArrayList<String>();
list.add(key);
nodeKeyListMap.put(jedisPool, list);
}
}
//从每个节点上批量获取,这里使用mget也可以使用pipeline
for (Map.Entry<JedisPool, List<String>> entry : nodeKeyListMap.entrySet()) {
JedisPool jedisPool = entry.getKey();
List<String> nodeKeyList = entry.getValue();
//列表变为数组
String[] nodeKeyArray = nodeKeyList.toArray(new String[nodeKeyList.size()]);
//批量获取,可以使用mget或者Pipeline
List<String> nodeValueList = jedisPool.getResource().mget(nodeKeyArray);
//归档
for (int i = 0; i < nodeKeyList.size(); i++) {
keyValueMap.put(nodeKeyList.get(i), nodeValueList.get(i));
}
}
return keyValueMap;
}
③并行IO:此方案是将方案2中的最后一步改为多线程执行,网络次数虽然还是节点个数,但由于使用多线程网络时间变为O(1),这种方案会增加编程的复杂度。
④hash_tag实现:Redis Cluster的hash_tag功能,它可以将多个key强制分配到一个节点上,它的操作时间=1次网络时间+n次命令时间。
四种方案对比
其他工具及优化
- 数据同步
redis间数据同步可以使用:redis-port
- big key搜索
- 热点key寻找(内部实现使用monitor,所以建议短时间使用)
- 其他
Reference
数据库技术丛书 REDIS开发与运维 阿里云Redis开发规范
[评论][COMMENTS]