redis

Redis 技术栈

• Author: HuiFer

安装

yum & apt

• apt-get install Redis-server
• yum install Redis

编译

1. 下载

• wget http://download.Redis.io/releases/Redis-5.0.5.tar.gz

2. 编译

  tar -zxvf Redis-5.0.5.tar.gz
  cd Redis-5.0.5
  make && make install

3. 配置

• vim Redis.conf

4. 启动

• Redis-server

5. 关闭

• Redis-cli shutdown

key 命令

keys

• 搜索key根据匹配模式,例如: keys *

exists

• 判断key是否存在,存在返回1,不存在返回0

del

• 删除key

type

• 获取key类型

randomkey

• 随机返回key

expire

• 设置key过期时间

sortzh

• 字符串排序
• 数字排序

服务端命令

flushall

• 强制清空所有key(目标对象所有数据库)

flushdb

• 清空当前数据库

client list

• 连接信息列表

client kill

• 关闭ip:port客户端

ping

• 判断是否正常运行,正常运行返回pong

数据类型(操作命令非完整)

string

• 一个key最大存储512M的数据

操作方法

• get /set(单key操作)
• mget / mset(多key操作)
• getrange 获取指定下标范围内的字符串
• setrange 设置指定下标范围内的字符串
• setex => set expire 组合
• incr 自增1
• incrby 自增指定数字
• decr 自减1
• decrby 自减指定数字
• append 追加字符串
• strlen 返回字符串长度

list

• blpop key 删除并获取第一个元素
• brpop key 删除并获取最后一个元素
• brpoplpush source destination 复制列表从source -> destination
• lindex key index 根据key 和index 获取value
• llen key 获取key的列表长度
• lpop key 从左侧出列
• lpush key value 从左侧入列
• lrange key start stop 根据start,stop获取key一定范围内的列表
• lset key index value 根据key + index 设置value
• lrem key count value 删除列表元素
• rpush等不做赘述

set

• sadd key value 向key插入值
• scard key 获取集合成员数量
• sdiff key1 key2 返回集合差集
• sinter key1 key2 返回集合交集
• sunion key1 key2 返回集合并集
• sismember key value 判断集合中是否包含value
• smembers key 返回集合
• srem key value 删除集合中的一个value

hash

• hget key filed 获取hash中指定key->filed的值
• hgetall key 获取hash中指定key的所有制
• hexists key filed 查看是否存在filed
• hdel key filed 删除指定key下的filed
• hkeys key 获取所有filed
• hset key filed value 设置key->filed->value

sortedSet

• zadd key source member 向key追加source,member
• zcard key 获取成员数量

数据存储(持久化)

RDB

将某个时间点的所有数据都以二进制形式存放到硬盘上

• 可以将快照复制到其它服务器从而创建具有相同数据的服务器副本.
• 如果系统发生故障,将会丢失最后一次创建快照之后的数据.
• 如果数据量很大,保存快照的时间会很长,建议异步写入.
• 存在的问题:时间、性能开销大,不可控且容易丢失数据.
• 同步机制
  • save 命令,阻塞其他命令,直到save命令结束
  • bgsave 命令,异步化,创建子线程进行持久化,不会阻塞其他命令
• 自动化触发
  • 根据修改数量、时间进行命令执行
  • save 900 1 # 900秒之内,对数据库进行了一次修改就执行 bgsave 命令
  • save 300 10 # 300秒之内,对数据库进行了十次修改就执行 bgsave 命令
  • save 60 10000 # 60秒之内,对数据库进行了一万次修改就执行 bgsav e命令

AOF

将写命令添加到 AOF 文件(Append Only File)的末尾(MySQL Binlog、HBase HLog).

• 随着服务器写请求的增多,AOF 文件会越来越大.Redis 提供了一种将 AOF 重写的特性,能够去除 AOF 文件中的冗余写命令
• 使用 AOF 持久化需要设置同步选项,从而确保写命令什么时候会同步到磁盘文件上.这是因为对文件进行写入并不会马上将内容同步到磁盘上,而是先存储到缓冲区,然后由操作系统决定什么时候同步到磁盘.

同步机制

• always 每个命令都同步
• eversec 每秒同步
• no 操作系统决定同步时间

AOF重写

• 对多条原生命令进行优化,重写成简化的命令以减少磁盘占用量、提高故障恢复效率.
• 当 AOF 文件过大或增长速度过快时自动触发
• 配置

  • auto-aof-rewrite-min-size:AOF 文件重写需要的大小

  • auto-aof-rewrite-percentage:AOF 文件增长率

  • aofcurrentsize:AOF 当前大小

  • aof-base-size:AOF 上次启动和重写的大小

• 触发条件
  • aof_current_size > auto-aof-rewrite-min-size
  • aof_current_size - aof_base_size/aof_base_size > auto-aof-rewrite-percentage

集群

主从复制

主从链(拓扑结构)

复制模式

• 全量复制:master 全部同步到 slave
• 部分复制:slave 数据丢失进行备份

问题点

• 同步故障
  • 复制数据延迟(不一致)
  • 读取过期数据(Slave 不能删除数据)
  • 从节点故障
  • 主节点故障
• 配置不一致
  • maxmemory 不一致:丢失数据
  • 优化参数不一致:内存不一致.
• 避免全量复制
  • 选择小主节点(分片)、低峰期间操作.
  • 如果节点运行 id 不匹配(如主节点重启、运行 id 发送变化),此时要执行全量复制,应该配合哨兵和集群解决.
  • 主从复制挤压缓冲区不足产生的问题(网络中断,部分复制无法满足),可增大复制缓冲区( rel_backlog_size 参数).
• 复制风暴

哨兵机制

拓扑图

节点下线

• 客观下线
  • 所有 Sentinel 节点对 Redis 节点失败要达成共识,即超过 quorum 个统一.
• 主管下线
  • 即 Sentinel 节点对 Redis 节点失败的偏见,超出超时时间认为 Master 已经宕机.

leader选举

• 选举出一个 Sentinel 作为 Leader:集群中至少有三个 Sentinel 节点,但只有其中一个节点可完成故障转移.通过以下命令可以进行失败判定或领导者选举.
• 选举流程
  1. 每个主观下线的 Sentinel 节点向其他 Sentinel 节点发送命令,要求设置它为领导者.
  2. 收到命令的 Sentinel 节点如果没有同意通过其他 Sentinel 节点发送的命令,则同意该请求,否则拒绝.
  3. 如果该 Sentinel 节点发现自己的票数已经超过 Sentinel 集合半数且超过 quorum,则它成为领导者.
  4. 如果此过程有多个 Sentinel 节点成为领导者,则等待一段时间再重新进行选举.

故障转移

• 转移流程
  1. Sentinel 选出一个合适的 Slave 作为新的 Master(slaveof no one 命令).
  2. 向其余 Slave 发出通知,让它们成为新 Master 的 Slave( parallel-syncs 参数).
  3. 等待旧 Master 复活,并使之称为新 Master 的 Slave.
  4. 向客户端通知 Master 变化.
• 从 Slave 中选择新 Master 节点的规则(slave 升级成 master 之后)
  1. 选择 slave-priority 最高的节点.
  2. 选择复制偏移量最大的节点(同步数据最多).
  3. 选择 runId 最小的节点.

读写分离

定时任务

• 每 1s 每个 Sentinel 对其他 Sentinel 和 Redis 执行 ping,进行心跳检测.
• 每 2s 每个 Sentinel 通过 Master 的 Channel 交换信息(pub - sub).
• 每 10s 每个 Sentinel 对 Master 和 Slave 执行 info,目的是发现 Slave 节点、确定主从关系.

分布式集群(Cluster)

拓扑图

通讯

集中式

将集群元数据(节点信息、故障等等)几种存储在某个节点上.

• 优势
  1. 元数据的更新读取具有很强的时效性,元数据修改立即更新
• 劣势
  1. 数据集中存储

Gossip

• Gossip 协议

寻址分片

hash取模

• hash(key)%机器数量
• 问题
  1. 机器宕机,造成数据丢失,数据读取失败
  2. 伸缩性

一致性hash

• 

• 问题

  1. 一致性哈希算法在节点太少时，容易因为节点分布不均匀而造成缓存热点的问题。
     • 解决方案
       • 可以通过引入虚拟节点机制解决：即对每一个节点计算多个 hash，每个计算结果位置都放置一个虚拟节点。这样就实现了数据的均匀分布，负载均衡。

hash槽

• CRC16(key)%16384

使用场景

热点数据

会话维持 session

分布式锁 SETNX

表缓存

消息队列 list

计数器 string

缓存设计

更新策略

• LRU、LFU、FIFO 算法自动清除:一致性最差,维护成本低.
• 超时自动清除(key expire):一致性较差,维护成本低.
• 主动更新:代码层面控制生命周期,一致性最好,维护成本高.

更新一致性

• 读请求:先读缓存,缓存没有的话,就读数据库,然后取出数据后放入缓存,同时返回响应.
• 写请求:先删除缓存,然后再更新数据库(避免大量地写、却又不经常读的数据导致缓存频繁更新).

缓存粒度

• 通用性:全量属性更好.
• 占用空间:部分属性更好.
• 代码维护成本.

缓存穿透

当大量的请求无命中缓存、直接请求到后端数据库(业务代码的 bug、或恶意攻击),同时后端数据库也没有查询到相应的记录、无法添加缓存.
这种状态会一直维持,流量一直打到存储层上,无法利用缓存、还会给存储层带来巨大压力.

解决方案

1. 请求无法命中缓存、同时数据库记录为空时在缓存添加该 key 的空对象(设置过期时间)，缺点是可能会在缓存中添加大量的空值键(比如遭到恶意攻击或爬虫)，而且缓存层和存储层数据短期内不一致；
2. 使用布隆过滤器在缓存层前拦截非法请求、自动为空值添加黑名单(同时可能要为误判的记录添加白名单).但需要考虑布隆过滤器的维护(离线生成/ 实时生成).

缓存雪崩

缓存崩溃时请求会直接落到数据库上,很可能由于无法承受大量的并发请求而崩溃,此时如果只重启数据库,或因为缓存重启后没有数据,新的流量进来很快又会把数据库击倒

出现后应对

• 事前:Redis 高可用,主从 + 哨兵,Redis Cluster,避免全盘崩溃.
• 事中:本地 ehcache 缓存 + hystrix 限流 & 降级,避免数据库承受太多压力.
• 事后:Redis 持久化,一旦重启,自动从磁盘上加载数据,快速恢复缓存数据.

请求过程

1. 用户请求先访问本地缓存,无命中后再访问 Redis,如果本地缓存和 Redis 都没有再查数据库,并把数据添加到本地缓存和 Redis；
2. 由于设置了限流,一段时间范围内超出的请求走降级处理(返回默认值,或给出友情提示).

事件型驱动

文件

时间

调度&执行