本文根据李猛老师在〖deeplus直播第220期〗线上分享演讲内容整理而成。
李猛
数据技术专家
Elastic-Stack产品深度用户,ES认证工程师,对Elastic-Stack开发、架构、运维有深入体验;
实践过多种ES项目,最暴力的大数据分析应用,最复杂的业务系统应用。
序言
图示:Redis热度排名
Redis当下很流行,也很好用,无论是在业务应用系统,还是在大数据领域都有重要的地位;但Redis也很脆弱,用不好,问题多多。2012年以前都是以memcached为主,之后转到Redis阵营,经历过单实例模式、主从模式、哨兵模式、代理模式,集群模式,真正公司层面用得好的很少,对于Redis掌控都很片面,导致实际项目中问题不少。
Redis要想用得好,需要整体掌握3个层面:
开发层面
架构层面
运维层面
其中架构与运维至关重要,多数中小型企业仅在开发层面满足常用功能,数据规模稍微大些,业务复杂度高些,就容易出现各种架构与运维问题。本文主旨是探讨Redis监控体系,目前业界当然也有很多成熟的产品,但个人觉得都很常规,只做到一些粗粒度的监控, 没有依据业务需求特点因地制宜去细化,从而反向的提供架构开发优化方案。
本文内容将围绕如下几个问题展开讨论:
Redis监控体系有哪些方面?
构建Redis监控体系我们做了哪些工作?
Redis监控体系应该细化到什么程度?
为什么使用ELK构建监控体系?
需求背景
项目描述
公司业务范围属于车联网行业,有上百万级的真实车主用户,业务项目围绕车主生活服务展开,为了提高系统性能,引入了Redis作为缓存中间件,具体描述如下:
部署架构采用Redis-Cluster模式;
后台应用系统有几十个,应用实例数超过二百个;
所有应用系统共用一套缓存集群;
集群节点数几十个,加上容灾备用环境,节点数量翻倍;
集群节点内存配置较高。
图示:Redis集群架构与应用架构示意图
问题描述
系统刚开始关于Redis的一切都很正常,随着应用系统接入越来越多,应用系统子模块接入也越来越多,开始出现一些问题,应用系统有感知,集群服务端也有感知,如下描述:
集群节点崩溃;
集群节点假死;
某些后端应用访问集群响应特别慢。
其实问题的根源都是架构运维层面的欠缺,对于Redis集群服务端的运行监控其实很好做,本身也提供了很多直接的命令方式,但只能看到服务端的一些常用指标信息,无法深入分析,治标不治本,对于Redis的内部运行一无所知,特别是对于业务应用如何使用Redis集群一无所知:
Redis集群使用的热度问题?
哪些应用占用的Redis内存资源多?
哪些应用占用Redis访问数最高?
哪些应用使用Redis类型不合理?
应用系统模块使用Redis资源分布怎么样?
应用使用Redis集群的热点问题?
监控体系
监控的目的不仅仅是监控Redis本身,而是为了更好的使用Redis。传统的监控一般比较单一化,没有系统化,但对于Redis来说,个人认为至少包括:一是服务端,二是应用端,三是服务端与应用端联合分析。
服务端:
服务端首先是操作系统层面,常用的CPU、内存、网络IO,磁盘IO,服务端运行的进程信息等;
Redis运行进程信息,包括服务端运行信息、客户端连接数、内存消耗、持久化信息 、键值数量、主从同步、命令统计、集群信息等;
Redis运行日志,日志中会记录一些重要的操作进程,如运行持久化时,可以有效帮助分析崩溃假死的程序。
应用端:
应用端、获取应用端使用Redis的一些行为,具体哪些应用哪些模块最占用 Redis资源、哪些应用哪些模块最消耗Redis资源、哪些应用哪些模块用法有误等。
联合分析:
联合分析结合服务端的运行与应用端使用的行为,如:一些造成服务端突然阻塞的原因,可能是应用端设置了一个很大的缓存键值,或者使用的键值列表,数据量超大造成阻塞。
解决方案
为什么会选择Elastic-Stack技术栈呢?
多数的第三方只监控一些指标,对于明细日志还是采用ELK(Elasticsearch、Logstash、Kibana),也就是说用第三方监控指标之后,还得再搭建一个ELK集群看明细日志。
再就是说Elastic-Stack技术栈整合的优势,指标也可以、日志文件也可以,从采集开始到存储、到最终报表面板都整合得非常好,门槛很低。
下面详细聊聊我们具体怎么做的,做了哪些工作?
服务端系统
Elastic-Stack家族有Metricbeat产品,支持系统层面的信息收集,简单的配置下Elastic集群地址和系统指标模块即可上线,并且会在Kibana中创建已有的系统监控面板,非常简单快速,一般运维就可以搞定。
图示:metrcibeat示意图
系统指标信息收集配置样例如下:
服务端集群
收集Redis集群运行信息,业界通常做法都是采用Redis提供的info命令,定期收集。
info获取的信息包括如下:
server:Redis服务器的一般信息
clients:客户端的连接部分
memory:内存消耗相关信息
persistence:RDB和AOF相关信息
stats:一般统计
replication:主/从复制信息
cpu:统计CPU的消耗command
stats:Redis命令
统计cluster:Redis集群信息
keyspace:数据库的相关统计
Elastic-Stack家族的Metricbeat产品也支持Redis模块,也是采用info命令获取的,但是有一些实现的局限性,如下描述:
Redis集群的主从关系信息,Metricbeats表达不出来;
Redis集群的一些统计信息,永远是累计增加的,如命令数,如果要获取命令数的波峰值,则无法得到;
Redis集群状态信息变化,Metricbeats是无法动态的,如集群新增节点、下线节点等。
所以这里参考了CacheCloud产品(搜狐团队开源),我们自定义设计开发了 Agent,定时从Redis集群采集信息,并在内部做一些统计数值的简单计算,转换成Json,写入到本地文件,通过Logstash采集发送到Elasticsearch。
图示:Redis服务端运行信息采集架构示意图
服务端日志
Redis服务端运行日志采集很简单,直接通过Elastic-Stack家族的Filebeat产品,其中有Redis模块,配置一下Elastic服务端,日志文件地址即可。
图示:服务端日志采集过程
Redis运行日志采集配置:
应用端
应用端信息采集是整个Redis监控体系最重要的部分,也是实现最麻烦、链路最长的。首先是修改jedis(技术栈Java)源码,增加埋点代码,重新编译并引用到应用项目中,应用端对于Redis集群的任何命令操作,都会被捕捉,并记录下关键信息,之后写入到本地文件。
图示:Redis应用端行为采集架构图
应用端采集的数据格式如下:
图示:应用端采集的数据案例
jedis修改:
jedis改造记录的信息如下:
r_host:访问Redis集群的服务器地址与端口,其中某一台ip:port;
r_cmd:执行命令类型、如get、set、hget、hset等各种;
r_start:执行命令开始时间;
r_cost:时间消耗;
r_size:获取键值大小或者设置键值大小;
r_key:获取键值名称;
r_keys:键值的二级拆分,数组的长度不限制。这里有必要强调一下,所有应用系统共用的是一套集群,所以应用系统的键值都是有规范的,按照特殊符号分割,如:"应用名称_系统模块_动态变量_xxx“,主要便于我们区分。
在jedis改造有几处地方,如下:
类Connection.java文件,统计开始,记录命令执行开始时间;统计结束,记录命令结束时间、时间消耗等,并写入到日志流中;
类JedisClusterCommand文件,获取键的地方key,方便之后分析应用键的行为。
在类Connection.java文件中有2处:
图示:类Connection.java文件埋点代码的地方
图示:类Connection.java文件埋点代码的地方
类JedisClusterCommand文件埋点代码.java文件中有1处:
图示:类JedisClusterCommand文件埋点代码
logback修改:
应用端都会使用logback写入日志文件,同时为了更加精准,应用端写入日志时还需要获取应用端的一些信息,如下:
app_ip:应用端部署在服务器上的IP地址;
app_host:应用端部署在服务器上的服务器名称。
自定义一个Layout,自动获取应用端的IP地址与服务器名称:
图示:自定义Logback的Layout
app配置:
app配置属于最后收尾工作,主要是输出埋点的日志数据,配置日志logback.xml文件即可:
图示:配置应用端日志文件logback.xml
日志采集:
应用端日志采集采用Logstash,配置日志目录,指向Elastic集群,这样整体的监控日志采集部分就结束了。
日志分析
Redis服务端的日志分析比较简单,常规的一些指标而已,创建好关键的图表,容易看出问题。重点讨论应用端的日志分析。
图示:应用端使用Redis一些行为图表
ELK监控体系上线之后,我们连续观察分析两周,获得了一些监控成果,如:
应用端部分键值太大,居然超过1MB,这种键值访问一次消耗时间很大,会严重造成阻塞;
部分应用居然使用Redis当成数据库使用;
有将List类型当成消息队列使用,一次存取几十万的数据;
某些应用对于集群的操作频次特别高,几乎占用了一半以上;
还有很多,就不一一描述了。
后续方案
监控体系相当于架构师的眼睛,有了这个,Redis方面的优化改造方案就很好制定了:
应用端、误用的使用全部要改掉;
服务端,按照应用的数据,进行一些拆分,拆分出一些专用的集群,特定为一些应用使用或者场景;
开发者,后续有新业务模块需要接入Redis需要告知架构师们评审。
结语
监控体系项目前后经历过几个月,服务端部分短期内就完成的,应用端是随着应用发布逐步完成的。上线完成之后又经历几周的跟踪分析,才确定下来整体的优化方案。
监控体系本身并不是为了监控,而是发现问题、预见问题,最终提前解决问题,监控做得好,下班下得早。
Redis集群是个好东西,完全掌握还是需要很长的时间,特别是架构、运维层面,如果没有,请做好监控。
> > > >
Q&A
Q1:请问单台机器一般部署几个Redis实例呢?
A:依据服务器资源设置:
1、CPU核数,Redis是单线程工作模型,实际运行并非进程只有一个线程,这个要搞清楚;
2、内存,一个Redis进程配置部分内存,需要至少对等的内存闲置,fork子进程使用, 所以配置多实例要简单计算下;
3、网络,网络IO超过网卡限制,会出问题。
Q2:直播中讲到的大key,hash要改成什么?分片吗?
A:1、比如,一个车子的基本信息,包括很多区块部分,用hash确实非常好理解,但是过期之后整个hash都删除了,其实很多信息是固定的,不用定时过期的;2、拆分成小的string更合适。
Q3:在客户端打印key和value,如果是bigkey的话,qps有个1000,打印日志就占用很高的机器负载了吧?
A:1、打印的key,不包括value值内容,只有key以及value的大小;2、logback这些框架其实支持的性能相当不错的,可以配置成异步的方式,如果还不够,可以直接输出到Kafka队列等。
Q4:请问ES怎么部署MongoDB慢查询报表平台呢?
A:1、没有深度使用过MongoDB;2、基于Elastic-Stack做慢查询报表平台思路与Redis一样的,不管什么指标+日志全部都采集到ES完事。
Q5:info all执行频繁,会经常阻塞服务器,怎么平衡它的性能呢?
A:1、因为采集的是服务端运行的快照信息,定时采集,可以设定时间间隔大一些,比如5s;2、执行info all,是在 java客户端,可以修改jedis,在其中捕获info命令,采集数据,观察分析一段时间。
Q6:请问应用端jedis要怎么埋点呢?
A:1、原有jedis版本基于2.9,在2个类中修改埋点,参考了CacheCloud产品。最新版本的程序最近没有关注,思路一样;2、详细见本文中贴出的代码。
Q7:监控的话,个人觉得放在K8S里面,不是最优方案,您对这个怎么看?
A:1、本人未使用过K8S部署产品;2、Redis监控体系,整体服务端,应用端,在Docker中也仅服务端可以,将metrcibeats这些集成在一起,但也有一些服务端监指标计算,需要自己编写Agent来完成,也是可以到Docker中去。应用端的就没有办法了,这个属于前端的行为统计。
Q8:请问您的ES有多少节点?要用ssd盘吗?
A:1、标准集群,起步3个实例节点;2、固态硬盘应用看场景,业务系统用用可以,日志系统一般不需要,即使需要也可以做冷热隔离,少量的数据使用ssd,历史的数据全部hdd足矣。
Q9:如果公司缺乏足够的人力物力,是用ES、Prometheus还是Zabbix做监控比较适合呢?能分别说一下它们各自最适用的情况吗?
A:1、ES,Elastic-Stack,首选考虑,ES擅长的领域很多,应用系统查询加速、大数据领域、监控领域;2、其它两个产品主要是做指标型的监控,但实际项目中,仅仅指标监控是不够的,需要一个整体型的监控体系,便于联合分析。ES其实很多方面比时序数据库做得更好,腾讯有资深专家做过详细的ES与TSDB对比的测试,性能与功能都完全超过专门的时序数据库。
特别推荐一个分享架构+算法的优质内容,还没关注的小伙伴,可以长按关注一下:
长按订阅更多精彩▼
如有收获,点个在看,诚挚感谢