【Redis】开发规范与性能优化建议
1.键值设计
1.key名设计
【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
trade:order:1
【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}
【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
2.value设计
【建议】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，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
【建议】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)。
【强制】拒绝bigkey。(防止网卡流量、慢查询)
问题一：bigkey有什么危害？
导致redis阻塞（过期删除)。有个bigkey，它安分守己（只执行简单的命令，例如hget、lpop、zscore等），但它设置了过期时间，当它过期后，会被删除，如果没有使用Redis 4.0的过期异步删除(lazyfree-lazyexpire yes)，就会存在阻塞Redis的可能性。
网络拥塞。bigkey也就意味着每次获取要产生的网络流量较大，假设一个bigkey为1MB，客户端每秒访问量为1000，那么每秒产生1000MB的流量，对于普通的千兆网卡(按照字节算是128MB/s)的服务器来说简直是灭顶之灾，而且一般服务器会采用单机多实例的方式来部署，也就是说一个bigkey 可能会对其他实例也造成影响，其后果不堪设想。
问题二：Redis的bigkey具体指什么？
在Redis中，一个字符串大512MB，一个二级数据结构（例如hash、list、set、zset）可以存储大约40亿个(2^32-1)个元素，但实际中如果下面两种情况，一般就会认为它是bigkey：
- 字符串类型：它的big体现在单个value值很大，一般认为超过10KB就是bigkey
- 非字符串类型：哈希、列表、集合、有序集合，它们的big体现在元素个数太多。
一般来说，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。
问题三：什么情况下会产生bigkey？
大多数情况下，bigkey的产生都是由于程序设计不当，或者对于数据规模预料不清楚造成的，来看几个例子：
- 社交类：粉丝列表，如果某些明星或者大v不精心设计下，必是bigkey。
- 统计类：例如按天存储某项功能或者网站的用户集合，除非没几个人用，否则必是bigkey。
- 缓存类：将数据从数据库load出来序列化放到Redis里，这个方式非常常用，但有两个地方需要注意：
- 第一，是不是有必要把所有字段都缓存
- 第二，有没有相关关联的数据，有的同学为了图方便把相关数据都存一个key下，产生bigkey
问题四：如果出现了bigkey，那该如何优化？
第一个想法就是拆，看能不能将bigkey缩小：
- big list： list1、list2、…listN
- big hash：可以将数据分段存储，比如一个大的key，假设存了1百万的用户数据，可以拆分成 200个key，每个key下面存放5000个用户数据
如果bigkey不可避免，也要思考一下要不要每次把所有元素都取出来(例如有时候仅仅需要 hmget，而不是hgetall)，删除也是一样，尽量使用优雅的方式来处理。比如，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。
最后，还要注意防止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）
2.命令使用（redis-cli）
【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。
【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。
【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。
【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。
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。
- 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。
【推荐】Redis事务功能较弱，不建议过多使用，可以用lua替代。
3.客户端使用（Jedis）
【推荐】 避免多个应用使用一个Redis实例。
正例：不相干的业务拆分，公共数据做服务化。
【推荐】 使用带有连接池的数据库，可以有效控制连接，同时提高效率，标准使用方式：
JedisPoolConfig jedisPoolConfig = new JedisPoolConfig();
jedisPoolConfig.setMaxTotal(5);
jedisPoolConfig.setMaxIdle(2);
jedisPoolConfig.setTestOnBorrow(true);
JedisPool jedisPool = new JedisPool(jedisPoolConfig, "192.168.0.60", 6379, 3000, null);
Jedis jedis = null;
try {
jedis = jedisPool.getResource();
// 具体的命令
jedis.executeCommand()
} catch (Exception e) {
logger.error("op key {} error: " + e.getMessage(), key, e);
} finally {
// 注意这里不是关闭连接，在JedisPool模式下，Jedis会被归还给资源池。
if (jedis != null)
jedis.close();
}
连接池参数含义：
| 序号 | 参数名 | 含义 | 默认值 | 使用建议 |
|---|---|---|---|---|
| 1 | maxTotal | 资源池中大连接数 | 8 | 设置建议见下面 |
| 2 | maxIdle | 资源池允许最大空闲的连接数 | 8 | 设置建议见下面 |
| 3 | minIdle | 资源池确保少空闲的连接数 | 0 | 设置建议见下面 |
| 4 | blockWhenExhausted | 当资源池用尽后，调用者是否要等待。 只有当为true时，下面的maxWaitMillis才会 生效 |
true | 建议使用默认值 |
| 5 | maxWaitMillis | 当资源池连接用尽后，调用者的大等待时间(单位为毫秒) | -1：表示永不超时 | 不建议使用默认值 |
| 6 | testOnBorrow | 向资源池借用连接时 是否做连接有效性检测(ping)，无效连接会被移除 | false | 业务量很大时候建议设置为false(多一次ping的开销)。 |
| 7 | testOnReturn | 向资源池归还连接时是否做连接有效性检 测(ping)，无效连接会被移除 | false | 业务量很大时候建议设置为false(多一次 ping的开销)。 |
| 8 | jmxEnabled | 是否开启jmx监控，可用于监控 | true | 建议开启，但应用本身也要开启 |
优化建议：
1）maxTotal
最大连接数，早期的版本叫maxActive实际上这个是一个很难回答的问题，考虑的因素比较多：
- 业务希望Redis并发量
- 客户端执行命令时间
- Redis资源。例如 nodes(应用个数) * maxTotal 是不能超过redis的大连接数(maxclients)。
- 资源开销。例如虽然希望控制空闲连接(连接池此刻可马上使用的连接)，但是不希望因为连接池的频繁释放创建连接造成不必靠开销。
以一个例子说明，假设:
- 一次命令时间（borrow|return resource + Jedis执行命令(含网络) ）的平均耗时约为 1ms，一个连接的QPS大约是1000
- 业务期望的QPS是50000
那么理论上需要的资源池大小是50000 / 1000 = 50个。但事实上这是个理论值，还要考虑到要比理论值预留一些资源，通常来讲maxTotal可以比理论值大一些。 但这个值不是越大越好，一方面连接太多占用客户端和服务端资源，另一方面对于Redis这种高 QPS的服务器，一个大命令的阻塞即使设置再大资源池仍然会无济于事。
2）maxIdle和minIdle
maxIdle实际上才是业务需要的大连接数，maxTotal是为了给出余量，所以maxIdle不要设置过小，否则会有new Jedis(新连接)开销。
连接池的最佳性能是 maxTotal = maxIdle，这样就避免连接池伸缩带来的性能干扰。但是如果并发量不大或者maxTotal设置过高，会导致不必要的连接资源浪费。一般推荐maxIdle可以设置为按上面的业务期望QPS计算出来的理论连接数，maxTotal可以再放大一倍。
minIdle（小空闲连接数），与其说是小空闲连接数，不如说是"至少需要保持的空闲连接数"，在使用连接的过程中，如果连接数超过了minIdle，那么继续建立连接，如果超过了 maxIdle，当超过的连接执行完业务后会慢慢被移出连接池释放掉。
如果系统启动完马上就会有很多的请求过来，那么可以给redis连接池做预热，比如快速的创建一些redis连接，执行简单命令，类似ping()，快速的将连接池里的空闲连接提升到minIdle的数量。
连接池预热示例代码：
List<Jedis> minIdleJedisList = new ArrayList<Jedis>(jedisPoolConfig.getMinIdle());
for (int i = 0; i < jedisPoolConfig.getMinIdle(); i++) {
Jedis jedis = null;
try {
jedis = pool.getResource();
minIdleJedisList.add(jedis);
jedis.ping();
} catch (Exception e) {
logger.error(e.getMessage(), e);
} finally {
// 注意，这里不能马上close将连接还回连接池，否则最后连接池里只会建立1个连接。。
// jedis.close();
}
}
// 统一将预热的连接还回连接池
for (int i = 0; i < jedisPoolConfig.getMinIdle(); i++) {
Jedis jedis = null;
try {
jedis = minIdleJedisList.get(i);
// 将连接归还回连接池
jedis.close();
} catch (Exception e) {
logger.error(e.getMessage(), e);
} finally {
}
}
总之，要根据实际系统的QPS和调用redis客户端的规模整体评估每个节点所使用的连接池大小。
【推荐】 高并发下建议客户端添加熔断功能(例如netflix hystrix)
【推荐】 设置合理的密码，如有必要可以使用SSL加密访问
【推荐】 选择合适的删除策略。
Redis对于过期键有三种清除策略：
-
被动删除：当读/写一个已经过期的key时，会触发惰性删除策略，直接删除掉这个过期key
-
主动删除：由于惰性删除策略无法保证冷数据被及时删掉，所以Redis会定期主动淘汰一批已过期的key
-
当前已用内存超过maxmemory限定时，触发主动清理策略
注意，当Redis运行在主从模式时，只有主结点才会执行被动和主动这两种过期删除策略，然后把删除操作”del key”同步到从结点。
第三种策略的情况如下： 当前已用内存超过maxmemory限定时，会触发主动清理策略。所以，我们需要根据自身业务类型，选好maxmemory-policy(大内存淘汰策略)，设置好过期时间。如果不设置大内存，当 Redis 内存超出物理内存限制时，内存的数据会开始和磁盘产生频繁的交换 (swap)， 会让 Redis 的性能急剧下降。
默认策略是volatile-lru，即超过大内存后，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。 其他策略如下：
- allkeys-lru：根据LRU算法删除键，不管数据有没有设置超时属性，直到腾出足够空间为止。
- allkeys-random：随机删除所有键，直到腾出足够空间为止。
- volatile-random: 随机删除过期键，直到腾出足够空间为止。
- volatile-ttl：根据键值对象的ttl属性，删除近将要过期数据。如果没有，回退到 noeviction策略。
- noeviction：不会剔除任何数据，拒绝所有写入操作并返回客户端错误信息"(error) OOM command not allowed when used memory"，此时Redis只响应读操作。