4次优化，我把 Redis 性能 “压榨” 到极致！

本文转载自公众号 https://mp.weixin.qq.com/s/y4q4Hb9A6xay3pAC_LBm5g，本文对原创文章内容做部分简略补充

我们有个这样的需求：每天每一个抢购商品只能买一次，并且全场抢购商品总购买次数不允许超过5次。

那么，在每次购买成功商品成功后，发送的MQ大概是这样的（假设当前这笔订单有两件抢购商品）：

[
    {
        "orderId": "2020020622000001",
        "orderTime": "1581001673012",
        "productId": "599055114591",
        "userId": "860000000000001",
        "merchantCode": "A045"
    },
    {
        "orderId": "2020020622000001",
        "orderTime": "1581001673012",
        "productId": "599055114592",
        "userId": "860000000000001",
        "merchantCode": "A045"
    }
]

这条消息表示860000000000001这个用户在1581001673012这个时间点（北京时间为2020/02/06 23:07:53）在A045这个商户分别购买了商品ID为599055114591和599055114592两样商品。

那么，当消费这条信息后，更新频控的几条关键Redis命令如下（上面的需求不是重点，优化下面5条命令才是本文的重点）：

命令1：hset mall:sale:freq:ctrl:860000000000001 599055114591 1（hash结构,field表示购买的商品ID，value表示购买次数）

命令2：hset mall:sale:freq:ctrl:860000000000001 599055114592 2

命令3：expire mall:sale:freq:ctrl:860000000000001 3127（设置过期时间）



命令4：set mall:total:freq:ctrl:860000000000001 3

命令5：expire mall:total:freq:ctrl:860000000000001 3127（设置过期时间）

 

我们首先了解一下执行一条Redis命令耗时由哪几部分组成：

发送命令网络传输时间，命令在Redis服务端队列中等待的时间，命令执行的时间（Redis中的slowlog只是检测这一步骤的时间），结果返回的Redis客户端的时间。如下图所示：

上面的业务总计涉及5条Redis命令，每条命令都需要经过这些步骤，可想而知性能真的弱爆了（可能整个执行过程还不需要10ms，但还是弱爆了）。

• 第1次优化

第一次优化非常简单，稍微有点经验就能看出来，利用hmset命令将两条hmset命令合二为一，优化后的Redis命令如下：

hmset mall:sale:freq:ctrl:860000000000001 599055114591 1 599055114592 2

expire mall:sale:freq:ctrl:860000000000001 3127



set mall:total:freq:ctrl:860000000000001 3

expire mall:total:freq:ctrl:860000000000001 3127

• 第2次优化

第二次优化将set和expire命令合二为一，这个一般对Redis有点了解的也知道如何优化：

hmset mall:sale:freq:ctrl:860000000000001 599055114591 1 599055114592 2

expire mall:sale:freq:ctrl:860000000000001 3127



setex mall:total:freq:ctrl:860000000000001 3127 3

• 第3次优化

第3次优化需要借助pipeline，简直就是Redis优化的一大杀器。

不过，需要注意的是在RedisCluster中使用pipeline时必须满足pipeline打包的所有命令key在RedisCluster的同一个slot上。

如果打包命令的key不在同一个slot上，就会报错。所以我们需要分两批打包：

-- 这两条命令的key都是一样的，肯定在同一个slot上
pipeline(
	hmset mall:sale:freq:ctrl:860000000000001 599055114591 1 599055114592 2
	expire mall:sale:freq:ctrl:860000000000001 3127
)

-- mall:total:freq:ctrl:860000000000001和mall:sale:freq:ctrl:860000000000001两条命令的key不在同一个slot上，所以需要单独执行下面这条命令
setex mall:total:freq:ctrl:860000000000001 3127 3

经过第3次的优化后，这些命令还是需要2次网络交互。较劲的我还是不甘心，想要将其优化到只需要一次网络交互即可，有没有办法？

当然有！

• 第4次优化

这次优化利用了一个高级特性：hashtag

这里我们补充一个知识点：

Redis 集群没有使用一致性hash, 而是引入了 哈希槽的概念，预分好16384个哈希槽，根据 CRC16(key) mod 16384的值，决定将一个key放到哪个槽中，每个Redis物理结点负责一部分槽的管理，当发生Redis节点的增减时，调整槽的分布即可。

为了实现将key分到相同机器，就需要相同的hash值，即相同的key，但key相同是不现实的，因为key都有不同的用途。例如user:user1:ids保存用户id，user:user1:detail保存用户的具体信息，两个key不可能同名。两个key其实有相同的地方，即user。能不能拿这一部分去计算hash呢？这就是 Hash Tag。允许用key的部分字符串来计算hash,

当一个key包含 {} 的时候，就不对整个key做hash，而仅对 {} 包括的字符串做hash。假设hash算法为sha1。对user:{user1}:ids和user:{user1}:detail，其hash值都等同于sha1(user1)
 

 

我们知道，RedisCluster总计有16*1024=16384个slot。那么执行一条Redis命令时，其key对应的是哪个slot呢？是利用这样一个计算公式得到的：slot = CRC16(key)%16384

示意图如下：

也就是说，默认情况下，key在哪个slot上，与key有关。那么，我们能否只让key在哪个slot上与部分key有关呢？

当然可以，这就是hashtag特性。用法非常简单，假设一个key是mall:sale:freq:ctrl:860000000000001，我们只需要用{}将key中我们需要的那部分包括起来即可。

例如，我们只想让其根据用户IMEI计算即可，那么key是这样的：mall:sale:freq:ctrl:{860000000000001}。只要key中有{860000000000001}这一部分，就一定落在同一个slot上。

所以，第四次优化以后的命令执行如下所示：

pipeline(
	hmset mall:sale:freq:ctrl:{860000000000001} 599055114591 1 599055114592 2
	expire mall:sale:freq:ctrl:{860000000000001} 3127
	setex mall:total:freq:ctrl:{860000000000001} 3127 3
)

 

优化后，5条Redis命令压缩到3条Redis命令，并且3条Redis命令只需要发送一次，并且结果也一次就能全部返回。简直完美！！

• 注意事项

我们在使用hashtag特性时，一定要注意，不能把key的离散性变得非常差。

以本文为例，没有利用hashtag特性之前，key是这样的：mall:sale:freq:ctrl:860000000000001，很明显这种key由于与用户相关，所以离散性非常好。

而使用hashtag以后，key是这样的：mall:sale:freq:ctrl:{860000000000001}，这种key还是与用户相关，所以离散性依然非常好。

我们千万不要这样来使用hashtag特性，例如将key设置为：mall:{sale:freq:ctrl}:860000000000001。

这样的话，无论有多少个用户多少个key，其{}中的内容完全一样都是sale:freq:ctrl，也就是说，所有的key都会落在同一个slot上，导致整个Redis集群出现严重的倾斜问题。

后续将会继续探讨关于redis cluster如何避免访问倾斜和数据倾斜。。。