Home
About
FriendLink
Archives
没有气的汽水

redis学习记录下

2019/08/25

前言

redis是一个nosql的存储系统，它是以key-value的形式存在内存中，所以性能非常高。提供了很多数据结构和多语言的api，所以玩法很多可以实现很多功能和需求，但是目前我在项目中接触功能到的非常有限。所以在b站看视频学习它的更多功能，希望有朝一日可以用到自己的项目当中。

这个帖子持续会更新学习的笔记，学习的视频来源是资料1中的B站视频，老师的PPT做的很好，而且言简意赅又出奇的全面，十分推荐。

因为内容过多redis笔记分成两部分，上篇学习了一些常用的redis命令和reids提供的最基本的数据结构以及存储和事务。期间也看到一些大牛写的文章，发现每种数据结构都可以玩出花来，例如居然还可以用list来做消息队列。很惭愧的是平时项目中使用很少会去仔细思考redis数据结构选择对于业务的影响。下面是我的下篇内容，我也将把每天的学习内容整理成笔记更新。

六、删除策略

1、数据删除策略

  • 定时删除
  • 惰性删除
  • 定期删除

时效性数据的存储结构

  • Redis中的数据，在expire中以哈希的方式保存在其中。其value是数据在内存中的地址，filed是对应的生命周期

img

数据删除策略的目标

在内存占用与CPU占用之间寻找一种平衡，顾此失彼都会造成整体redis性能的下降，甚至引发服务器宕机或内存泄露

2、三种删除策略

定时删除

  • 创建一个定时器，当key设置有过期时间，且过期时间到达时，由定时器任务立即执行对键的删除操作
  • 优点：节约内存，到时就删除，快速释放掉不必要的内存占用
  • 缺点：CPU压力很大，无论CPU此时负载量多高，均占用CPU，会影响redis服务器响应时间和指令吞吐量
  • 总结：用处理器性能换取存储空间 （拿时间换空间）

惰性删除

  • 数据到达过期时间，不做处理。等下次访问该数据时
    • 如果未过期，返回数据
    • 发现已过期，删除，返回不存在
  • 优点：节约CPU性能，发现必须删除的时候才删除
  • 缺点：内存压力很大，出现长期占用内存的数据
  • 总结：用存储空间换取处理器性能 （拿空间换时间）

定期删除

img

  • 周期性轮询redis库中的时效性数据，采用随机抽取的策略，利用过期数据占比的方式控制删除频度
  • 特点1：CPU性能占用设置有峰值，检测频度可自定义设置
  • 特点2：内存压力不是很大，长期占用内存的冷数据会被持续清理
  • 总结：周期性抽查存储空间 （随机抽查，重点抽查）

3、逐出算法

**当新数据进入redis时，如果内存不足怎么办？ **

  • Redis使用内存存储数据，在执行每一个命令前，会调用freeMemoryIfNeeded()检测内存是否充足。如果内存不满足新加入数据的最低存储要求，redis要临时删除一些数据为当前指令清理存储空间。清理数据的策略称为逐出算法
  • 注意：逐出数据的过程不是100%能够清理出足够的可使用的内存空间，如果不成功则反复执行。当对所有数据尝试完毕后，如果不能达到内存清理的要求，将出现错误信息。

影响数据逐出的相关配置

  • 最大可使用内存

    maxmemoryCopy

    占用物理内存的比例，默认值为0，表示不限制。生产环境中根据需求设定，通常设置在50%以上。

  • 每次选取待删除数据的个数

    maxmemory-samplesCopy

    选取数据时并不会全库扫描，导致严重的性能消耗，降低读写性能。因此采用随机获取数据的方式作为待检测删除数据

  • 删除策略

    maxmemory-policyCopy

    达到最大内存后的，对被挑选出来的数据进行删除的策略

影响数据逐出的相关配置

img

LRU：最长时间没被使用的数据

LFU：一段时间内使用次数最少的数据

数据逐出策略配置依据

  • 使用INFO命令输出监控信息，查询缓存 hit 和 miss 的次数，根据业务需求调优Redis配置

img

七、高级数据类型

1、Bitmaps

基础操作

  • 获取指定key对应偏移量上的bit值

    getbit key offsetCopy

  • 设置指定key对应偏移量上的bit值，value只能是1或0

    setbit key offset valueCopy

扩展操作

  • 对指定key按位进行交、并、非、异或操作，并将结果保存到destKey中

    bitop op destKey key1 [key2...]Copy
    • and：交
    • or：并
    • not：非
    • xor：异或

  • 统计指定key中1的数量

    bitcount key [start end]Copy

2、HyperLogLog

基数

  • 基数是数据集去重后元素个数
  • HyperLogLog 是用来做基数统计的，运用了LogLog的算法

img

基本操作

  • 添加数据

    pfadd key element1, element2...Copy

  • 统计数据

    pfcount key1 key2....Copy

  • 合并数据

    pfmerge destkey sourcekey [sourcekey...]Copy

相关说明

  • 用于进行基数统计，不是集合，不保存数据，只记录数量而不是具体数据
  • 核心是基数估算算法，最终数值存在一定误差
  • 误差范围：基数估计的结果是一个带有 0.81% 标准错误的近似值
  • 耗空间极小，每个hyperloglog key占用了12K的内存用于标记基数
  • pfadd命令不是一次性分配12K内存使用，会随着基数的增加内存逐渐增大
  • Pfmerge命令合并后占用的存储空间为12K，无论合并之前数据量多少

3、GEO

基本操作

  • 添加坐标点

    geoadd key longitude latitude member [longitude latitude member ...] 
georadius key longitude latitude radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]Copy

  • 获取坐标点

    geopos key member [member ...] 
georadiusbymember key member radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]Copy

  • 计算坐标点距离

    geodist key member1 member2 [unit] 
geohash key member [member ...]Copy

八、主从复制

1、简介

多台服务器连接方案

img

  • 提供数据方：master
    • 主服务器，主节点，主库
    • 主客户端
  • 接收数据的方：slave
    • 从服务器，从节点，从库
    • 从客户端
  • 需要解决的问题
    • 数据同步
  • 核心工作
    • master的数据复制到slave中

主从复制

主从复制即将master中的数据即时、有效的复制到slave中

特征：一个master可以拥有多个slave，一个slave只对应一个master

职责：

  • master:
    • 写数据
    • 执行写操作时，将出现变化的数据自动同步到slave
    • 读数据（可忽略）
  • slave:
    • 读数据
    • 写数据（禁止）

2、作用

  • 读写分离：master写、slave读，提高服务器的读写负载能力
  • 负载均衡：基于主从结构，配合读写分离，由slave分担master负载，并根据需求的变化，改变slave的数量，通过多个从节点分担数据读取负载，大大提高Redis服务器并发量与数据吞吐量
  • 故障恢复：当master出现问题时，由slave提供服务，实现快速的故障恢复
  • 数据冗余：实现数据热备份，是持久化之外的一种数据冗余方式
  • 高可用基石：基于主从复制，构建哨兵模式与集群，实现Redis的高可用方案

3、工作流程

总述

  • 主从复制过程大体可以分为3个阶段
    • 建立连接阶段（即准备阶段）
    • 数据同步阶段
    • 命令传播阶段

img

阶段一：建立连接

  • 建立slave到master的连接，使master能够识别slave，并保存slave端口号

    img

**主从连接（slave连接master） **

  • 方式一：客户端发送命令

    slaveof <masterip> <masterport>Copy

  • 方式二：启动服务器参数

    redis-server -slaveof <masterip> <masterport>Copy

  • 方式三：服务器配置 （常用）

    slaveof <masterip> <masterport>Copy

    img

主从断开连接

  • 客户端发送命令

    slaveof no oneCopy
    • 说明： slave断开连接后，不会删除已有数据，只是不再接受master发送的数据

授权访问

  • master客户端发送命令设置密码

    requirepass <password>Copy

  • master配置文件设置密码

    config set requirepass <password> 
config get requirepassCopy

  • slave客户端发送命令设置密码

    auth <password>Copy

  • slave配置文件设置密码

    masterauth <password>Copy

  • slave启动服务器设置密码

    redis-server –a <password>Copy

阶段二：数据同步阶段

img

  • 全量复制

    • 将master执行bgsave之前，master中所有的数据同步到slave中

  • 部分复制

    （增量复制）

    • 将master执行bgsave操作中，新加入的数据（复制缓冲区中的数据）传给slave，slave通过bgrewriteaof指令来恢复数据
数据同步阶段master说明
  1. 如果master数据量巨大，数据同步阶段应避开流量高峰期，避免造成master阻塞，影响业务正常执行
  2. 复制缓冲区大小设定不合理，会导致数据溢出。如进行全量复制周期太长，进行部分复制时发现数据已经存在丢失的情况，必须进行第二次全量复制，致使slave陷入死循环状态。
repl-backlog-size 1mbCopy
  1. master单机内存占用主机内存的比例不应过大，建议使用50%-70%的内存，留下30%-50%的内存用于执 行bgsave命令和创建复制缓冲区
数据同步阶段slave说明
  1. 为避免slave进行全量复制、部分复制时服务器响应阻塞或数据不同步，建议关闭此期间的对外服务
slave-serve-stale-data yes|noCopy
  1. 数据同步阶段，master发送给slave信息可以理解master是slave的一个客户端，主动向slave发送命令
  2. 多个slave同时对master请求数据同步，master发送的RDB文件增多，会对带宽造成巨大冲击，如果master带宽不足，因此数据同步需要根据业务需求，适量错峰
  3. slave过多时，建议调整拓扑结构，由一主多从结构变为树状结构，中间的节点既是master，也是 slave。注意使用树状结构时，由于层级深度，导致深度越高的slave与最顶层master间数据同步延迟较大，数据一致性变差，应谨慎选择

阶段三：命令传播阶段

  • 当master数据库状态被修改后，导致主从服务器数据库状态不一致，此时需要让主从数据同步到一致的状态，同步的动作称为命令传播

  • master将接收到的数据变更命令发送给slave，slave接收命令后执行命令

  • 主从复制过程大体可以分为3个阶段
    • 建立连接阶段（即准备阶段）
    • 数据同步阶段
    • 命令传播阶段
命令传播阶段的部分复制
  • 命令传播阶段出现了断网现象
    • 网络闪断闪连
    • 短时间网络中断
    • 长时间网络中断
  • 部分复制的三个核心要素
    • 服务器的运行 id（run id）
    • 主服务器的复制积压缓冲区
    • 主从服务器的复制偏移量
服务器运行ID（runid）
  • 概念：服务器运行ID是每一台服务器每次运行的身份识别码，一台服务器多次运行可以生成多个运行id
  • 组成：运行id由40位字符组成，是一个随机的十六进制字符 例如- -
    • fdc9ff13b9bbaab28db42b3d50f852bb5e3fcdce
  • 作用：运行id被用于在服务器间进行传输，识别身份
    • 如果想两次操作均对同一台服务器进行，必须每次操作携带对应的运行id，用于对方识别
  • 实现方式：运行id在每台服务器启动时自动生成的，master在首次连接slave时，会将自己的运行ID发送给slave，slave保存此ID，通过info Server命令，可以查看节点的runid
复制缓冲区
  • 概念：复制缓冲区，又名复制积压缓冲区，是一个先进先出（FIFO）的队列，用于存储服务器执行过的命 令，每次传播命令，master都会将传播的命令记录下来，并存储在复制缓冲区
  • 由来：每台服务器启动时，如果开启有AOF或被连接成为master节点，即创建复制缓冲区
  • 作用：用于保存master收到的所有指令（仅影响数据变更的指令，例如set，select）
  • 数据来源：当master接收到主客户端的指令时，除了将指令执行，会将该指令存储到缓冲区中

img

复制缓冲区内部工作原理

  • 组成

    • 偏移量
    • 字节值

  • 工作原理

    • 通过offset区分不同的slave当前数据传播的差异
    • master记录已发送的信息对应的offset
    • slave记录已接收的信息对应的offset

    img

主从服务器复制偏移量（offset）
  • 概念：一个数字，描述复制缓冲区中的指令字节位置
  • 分类：
    • master复制偏移量：记录发送给所有slave的指令字节对应的位置（多个）
    • slave复制偏移量：记录slave接收master发送过来的指令字节对应的位置（一个）
  • 数据来源： master端：发送一次记录一次 slave端：接收一次记录一次
  • 作用：同步信息，比对master与slave的差异，当slave断线后，恢复数据使用
数据同步+命令传播阶段工作流程

img

心跳机制

  • 进入命令传播阶段候，master与slave间需要进行信息交换，使用心跳机制进行维护，实现双方连接保持在线
  • master心跳：
    • 指令：PING
    • 周期：由repl-ping-slave-period决定，默认10秒
    • 作用：判断slave是否在线
    • 查询：INFO replication 获取slave最后一次连接时间间隔，lag项维持在0或1视为正常
  • slave心跳任务
    • 指令：REPLCONF ACK {offset}
    • 周期：1秒
    • 作用1：汇报slave自己的复制偏移量，获取最新的数据变更指令
    • 作用2：判断master是否在线
心跳阶段注意事项

  • 当slave多数掉线，或延迟过高时，master为保障数据稳定性，将拒绝所有信息同步操作

    min-slaves-to-write 2 
min-slaves-max-lag 8Copy
    • slave数量少于2个，或者所有slave的延迟都大于等于10秒时，强制关闭master写功能，停止数据同步

  • slave数量由slave发送REPLCONF ACK命令做确认

  • slave延迟由slave发送REPLCONF ACK命令做确认

完整流程

img

常见问题

img

img

频繁的网络中断

img

img

数据不一致

img

九、哨兵

1、简介

哨兵(sentinel) 是一个分布式系统，用于对主从结构中的每台服务器进行监控，当出现故障时通过投票机制选择新的master并将所有slave连接到新的master。

img

2、作用

  • 监控
    • 不断的检查master和slave是否正常运行。 master存活检测、master与slave运行情况检测
  • 通知（提醒）
    • 当被监控的服务器出现问题时，向其他（哨兵间，客户端）发送通知。
  • 自动故障转移
    • 断开master与slave连接，选取一个slave作为master，将其他slave连接到新的master，并告知客户端新的服务器地址

注意： 哨兵也是一台redis服务器，只是不提供数据服务 通常哨兵配置数量为单数

3、配置哨兵

  • 配置一拖二的主从结构

  • 配置三个哨兵（配置相同，端口不同）

    • 参看sentinel.conf

  • 启动哨兵

    redis-sentinel sentinel端口号 .confCopy

img

4、工作原理

监控阶段

  • 用于同步各个节点的状态信息
    • 获取各个sentinel的状态（是否在线）
  • 获取master的状态
    • master属性
      • runid
      • role：master
      • 各个slave的详细信息
  • 获取所有slave的状态（根据master中的slave信息）
    • slave属性
      • runid
      • role：slave
      • master_host、master_port
      • offset
      • …

img

img

通知阶段

  • 各个哨兵将得到的信息相互同步（信息对称）

img

故障转移

确认master下线
  • 当某个哨兵发现主服务器挂掉了，会将master中的SentinelRedistance中的master改为SRI_S_DOWN（主观下线），并通知其他哨兵，告诉他们发现master挂掉了。
  • 其他哨兵在接收到该哨兵发送的信息后，也会尝试去连接master，如果超过半数（配置文件中设置的）确认master挂掉后，会将master中的SentinelRedistance中的master改为SRI_O_DOWN（客观下线）

img

推选哨兵进行处理
  • 在确认master挂掉以后，会推选出一个哨兵来进行故障转移工作（由该哨兵来指定哪个slave来做新的master）。
  • 筛选方式是哨兵互相发送消息，并且参与投票，票多者当选。

img

具体处理
  • 由推选出来的哨兵对当前的slave进行筛选，筛选条件有：
    • 服务器列表中挑选备选master
    • 在线的
    • 响应慢的
    • 与原master断开时间久的
    • 优先原则
      • 优先级
      • offset
      • runid
    • 发送指令（ sentinel ）
      • 向新的master发送slaveof no one(断开与原master的连接)
      • 向其他slave发送slaveof 新masterIP端口（让其他slave与新的master相连）

十、集群

1、简介

集群架构

  • 集群就是使用网络将若干台计算机联通起来，并提供统一的管理方式，使其对外呈现单机的服务效果

集群作用

  • 分散单台服务器的访问压力，实现负载均衡
  • 分散单台服务器的存储压力，实现可扩展性
  • 降低单台服务器宕机带来的业务灾难

2、Redis集群结构设计

数据存储设计

  • 通过算法设计，计算出key应该保存的位置
  • 将所有的存储空间计划切割成16384份，每台主机保存一部分 每份代表的是一个存储空间，不是一个key的保存空间
  • 将key按照计算出的结果放到对应的存储空间

img

img

  • 增强可扩展性 ——槽

img

集群内部通讯设计

  • 各个数据库互相连通，保存各个库中槽的编号数据
  • 一次命中，直接返回
  • 一次未命中，告知具体的位置，key再直接去找对应的库保存数据

img

十一、企业级解决方案

1、缓存预热

问题排查

  • 请求数量较高
  • 主从之间数据吞吐量较大，数据同步操作频度较高

解决方案

  • 前置准备工作：
    • 日常例行统计数据访问记录，统计访问频度较高的热点数据
    • 利用LRU数据删除策略，构建数据留存队列 例如：storm与kafka配合
  • 准备工作：
    • 将统计结果中的数据分类，根据级别，redis优先加载级别较高的热点数据
    • 利用分布式多服务器同时进行数据读取，提速数据加载过程
    • 热点数据主从同时预热
  • 实施：
    • 使用脚本程序固定触发数据预热过程
    • 如果条件允许，使用了CDN（内容分发网络），效果会更好

总结

缓存预热就是系统启动前，提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题！用户直接查询事先被预热的缓存数据！

2、缓存雪崩

数据库服务器崩溃（1）

  1. 系统平稳运行过程中，忽然数据库连接量激增
  2. 应用服务器无法及时处理请求
  3. 大量408，500错误页面出现
  4. 客户反复刷新页面获取数据
  5. 数据库崩溃
  6. 应用服务器崩溃
  7. 重启应用服务器无效
  8. Redis服务器崩溃
  9. Redis集群崩溃
  10. 重启数据库后再次被瞬间流量放倒

问题排查

  1. 在一个较短的时间内，缓存中较多的key集中过期
  2. 此周期内请求访问过期的数据，redis未命中，redis向数据库获取数据
  3. 数据库同时接收到大量的请求无法及时处理
  4. Redis大量请求被积压，开始出现超时现象
  5. 数据库流量激增，数据库崩溃
  6. 重启后仍然面对缓存中无数据可用
  7. Redis服务器资源被严重占用，Redis服务器崩溃
  8. Redis集群呈现崩塌，集群瓦解
  9. 应用服务器无法及时得到数据响应请求，来自客户端的请求数量越来越多，应用服务器崩溃
  10. 应用服务器，redis，数据库全部重启，效果不理想

问题分析

  • 短时间范围内
  • 大量key集中过期

解决方案（道）

  1. 更多的页面静态化处理
  2. 构建多级缓存架构 Nginx缓存+redis缓存+ehcache缓存
  3. 检测Mysql严重耗时业务进行优化 对数据库的瓶颈排查：例如超时查询、耗时较高事务等
  4. 灾难预警机制 监控redis服务器性能指标
    • CPU占用、CPU使用率
    • 内存容量
    • 查询平均响应时间
    • 线程数
  5. 限流、降级 短时间范围内牺牲一些客户体验，限制一部分请求访问，降低应用服务器压力，待业务低速运转后再逐步放开访问

解决方案（术）

  1. LRU与LFU切换
  2. 数据有效期策略调整
    • 根据业务数据有效期进行分类错峰，A类90分钟，B类80分钟，C类70分钟
    • 过期时间使用固定时间+随机值的形式，稀释集中到期的key的数量
  3. 超热数据使用永久key
  4. 定期维护（自动+人工） 对即将过期数据做访问量分析，确认是否延时，配合访问量统计，做热点数据的延时
  5. 加锁 慎用！

总结

缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力。如能够有效避免过期时间集中，可以有效解决雪崩现象的出现 （约40%），配合其他策略一起使用，并监控服务器的运行数据，根据运行记录做快速调整。

img

3、缓存击穿

数据库服务器崩溃（2）

  1. 系统平稳运行过程中
  2. 数据库连接量瞬间激增
  3. Redis服务器无大量key过期
  4. Redis内存平稳，无波动
  5. Redis服务器CPU正常
  6. 数据库崩溃

问题排查

  1. Redis中某个key过期，该key访问量巨大
  2. 多个数据请求从服务器直接压到Redis后，均未命中
  3. Redis在短时间内发起了大量对数据库中同一数据的访问

问题分析

  • 单个key高热数据
  • key过期

解决方案（术）

  1. 预先设定

    以电商为例，每个商家根据店铺等级，指定若干款主打商品，在购物节期间，加大此类信息key的过期时长

    注意：购物节不仅仅指当天，以及后续若干天，访问峰值呈现逐渐降低的趋势

  2. 现场调整

    • 监控访问量，对自然流量激增的数据延长过期时间或设置为永久性key

  3. 后台刷新数据

    • 启动定时任务，高峰期来临之前，刷新数据有效期，确保不丢失

  4. 二级缓存

    • 设置不同的失效时间，保障不会被同时淘汰就行

  5. 加锁 分布式锁，防止被击穿，但是要注意也是性能瓶颈，慎重！

总结

缓存击穿就是单个高热数据过期的瞬间，数据访问量较大，未命中redis后，发起了大量对同一数据的数据库问，导致对数据库服务器造成压力。应对策略应该在业务数据分析与预防方面进行，配合运行监控测试与即时调整策略，毕竟单个key的过期监控难度较高，配合雪崩处理策略即可

4、缓存穿透

恶意请求

我们的数据库中的主键都是从0开始的，即使我们将数据库中的所有数据都放到了缓存中。当有人用id=-1来发生恶意请求时，因为redis中没有这个数据，就会直接访问数据库，这就称谓缓存穿透

解决办法

  • 在程序中进行数据的合法性检验，如果不合法直接返回
  • 使用布隆过滤器

Ending

终于学完了这13小时的课程，在边学边忘的过程中幸好有笔记的补充。虽然让我学习时间拉长了很多，但是确实非常有帮助，学习不是学完而是反复加深和实操的过程。学习完感觉对reids清晰了一点点，虽然很多功能没机会使用到，但是希望在不久的将来可以有勇武之力，可以更加深层次的体会reids。

资料

  1. b站-【java基础教程】112节Redis入门到精通

（转载本站文章请注明作者和出处 没有气的汽水）



┌┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┬┐
├ 文章已经完啦, 想要第一时间收到文章更新可以关注↓ ┤
└┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┴┘

Post Directory






下面是评论区，欢迎大家留言探讨或者指出错误哈