Redis最佳实践

1 Redis键值设计

1.1 优雅的key结构

Redis的Key虽然可以自定义，但最好遵循下面的几个最佳实践约定：

• 遵循基本格式：[业务名称]:[数据名]:[id]
• 长度不超过44个字节
• 不包含特殊字符

例如：登录业务，保存用户信息，其key是这样的：

优点：

• 可读性强
• 避免key冲突
• 方便管理
• 更节省内存：key是string类型，底层编码包含int、embstr和raw三种。
  • embstr在小于44字节使用，采用连续内存空间，内存占用更小，所以推荐长度小于44字
  • 大于44个字节就是raw编码。
  • 当string类型key的value值都是数字时，就使用的是int编码。

1.2 拒绝BigKey

1.2.1 什么是BigKey

BigKey通常是以 Key的大小和Key中成员的数量 来综合判定，例如：

• Key本身的数据量过大: 一个String类型的Key，它的值为5MB。
• Key中的成员数过多：一个ZSET类型的Key，它的成员数量为1000个
• Key中成员的数据量过大：一个Hash类型的Key，它的成员数量虽然只有1000个，但这些成员的Value（值）总大小为100MB。

推荐值：

• 单个key的value小于10KB
• 对于集合类型的key，建议元素数量小于1000

1.2.2 BigKey的危害

• 网络阻塞

  对BigKey执行请求时，少量的QPS就可能导致带宽使用率被占满，导致redis实例，乃至所在物理机变慢

• 数据倾斜

  BigKey所在的Redis实例内存使用率远超其它实例，无法使数据分片的内存资源达到均衡

  因为每个节点插槽数量基本一致，key的数量也基本一致，那么有BigKey的机器的数据量就会超过其它机器，内存使用率就会非常的高，为了解决这个问题，就得对插槽对手动的分配。

• Redis阻塞

  对元素较多的hash、list、zest等做运算会耗时较旧，使主线程被阻塞

• CPU压力

  对BigKey的数据序列化和反序列化会导致CPU的使用率飙升，影响Redis实例和本级其它应用

1.2.3 如何发现BigKey

• redis-cli --bigkeys

  利用retdis-cli提供的–bigkeys参数，可以遍历分析所有key，并返回Key的整体统计信息与每个数据的Top1的big key

• scan扫描

  自己编程，利用scan扫描Redis中的所有key，利用strlen、hlen等命令判断key的长度(此处不建议使用MEMORY USAGE)

• 第三方工具

  利用第三方工具，如 Redis-Rdb-Tools分析RDB快照文件，全面分析内存使用情况

• 网络监控

  自定义工具，监控进出Redis的网络数据，超出预警值时主动告警

1.2.4 如何删除BigKey

BigKey内存占用较多，即便时删除这样的key也需要耗费很长时间，导致Redis主线程阻塞，引发一系列问题

• redis 3.0 及以下版本

  如果是集合类型，则遍历BigKey的元素，先逐个删除子元素，最后删除BigKey

• redis 4.0 及以下版本

  Redis在4.0后提供了异步删除的命令:unlink

1.3 恰当的数据类型

例1 ：比如存储一个User对象，有三种存储类型

方式一：json字符串

方式二：字段打散

方式三：hash

每一个key在保存的时候都有大量的元信息，无效数据，所以key少点占用的内存少，那么以上三种中hash最好，只有一个key，且ziplist内存优化，访问对象灵活

例2 ：假如有hash类型的key，其中有100万对field和value，field是自增id，这个key存在什么问题？如何优化

存在的问题：

• hash的entry数量超过500时，会使用哈希表而不是ZipList，内存占用较多
• 可以通过hash-max-ziplist-entryies配置entry上限。但是如果entry过多就会导致BigKey问题

方案二：拆分为String类型

虽然解决了BigKey的问题 但是存在其它问题：

• string结构底层没有太多内存优化，内存占用较多
• 想要批量获取这些数据比较麻烦

方案三：拆分为小的hash，将id / 100作为Key，将id % 100 作为field，这样每100个元素为一个hash

最后就会有10000个key，且每个key只有100个元素，内存还是可以使用ziplist优化，又避免了BigKey的问题。

1.4 总结

2 批处理优化

2.1 Pipeline

2.1.1 大数据导入的方式

一对粮食要搬运到仓库，有几种办法？

• 单个命令的执行流程

  一次命令的响应时间 = 1次往返的网络传输耗时 + 1次Redis执行命令耗时

• N条命令依次执行

  N次命令的响应时间 = N次往返的网络传输耗时 + N次Redis执行命令耗时
  

  网络传输的时间比远大于Redis执行命令耗时，所以命令响应时间主要是 网络传输的时间

• N条命令批量执行

  N次命令的响应时间 = 1次往返的网络传输耗时 + N次Redis执行命令耗时

这种模式效率最高

MSET：

• Redis提供了很多Mxxx这样的命令，可以实现批量插入数据，例如：

  • mset
  • hmset

  利用mset批量插入10万条数据：

但是一次性也别发太多数据了，一次性发太多数据，带宽占满，网络会堵塞。

不要在一次性批处理中传输太多命令，否则单次命令占用带宽过多，会导致网络阻塞。

2.1.2 Pipeline

MSET虽然可以批处理，但是却只能操作部分数据类型，因此如果有对复杂数据类型的批处理需要，建议使用Pipeline功能：

MSET中命令是有原子性的，发送到Redis中是一次性执行完。但是Pipeline不是，多条命令执行过程中可能Redis还会执行别的请求中的命令，所以Pipeline执行市场会比MSET时长多一点。

2.1.3 总结

2.2 集群下的批处理

如MSET或Pipeline这样的批处理需要在一次请求中携带多个命令，而此时如果Redis是一个集群，那批处理命令的多个key必须 落在一个插槽 上，否则就会导致执行失败。

hash_tag指的是key的有效部分，比如{}中的数据或者没有大括号就是全部key内容，不过这里肯定是指的是{}。但是这么多key都在一个节点上，容易出现数据倾斜。推荐使用并行slot

3 服务端优化

3.1 持久化配置

Redis的持久化虽然可以保证数据安全，但也会带来很多额外的开销，因此持久化遵循下列建议：

• 用来做缓存的Redis实例尽量不要开启持久化功能
• 建议关闭RDB持久化功能，使用AOF持久化
• 利用脚本定期在slave节点做RDB，实现数据备份
• 设置合理的rewrite阈值，避免频繁的bgrewrite
• 配置no-appendfsync-on-rewrite = yes ，禁止在rewrite期间做aof，避免AOF引起的阻塞。

部署有关建议：

• Redis市里的物理机要预留足够内存，应对fork和rewrite
• 单个Redis实例内存上限不要太大，例如4G或8G，可以加快fork的速度，减少主从同步、数据迁移压力
• 不要与CPU密集型应用部署在一起
• 不要与高硬盘负载应用一起部署。例如：数据库、消息队列

就是独占服务器，内存自己用，多个Redis一起开

3.2 慢查询

慢查询： 在Redis执行时耗时超过某个阈值的命令，成为慢查询。

Redis中有个队列，用于存储发送过来的Redis命令。Redis会从队列中依次取出数据执行。如果某个命令执行时间过长，则会阻塞队列中其它命令的执行，从而影响性能。

慢查询的阈值可以通过配置指定：

• slow-log-slower-than：慢查询阈值，单位是微妙。默认是10000，建议1000

慢查询会被放入慢查询日志中，日志的长度有上限，可以通过配置指定

• slow-max-len：慢查询日志（本质是一个队列）的长度，默认是128，建议1000

查看慢查询日志列表：

• slowlog len：查询慢查询日志长度
• slowlog get[n]: 读取n条慢查询日志
• slowlog reset：清空慢查询列表

3.3 命令及安全配置

为了避免漏洞，给出建议：

• Redis一定要设置密码
• 禁止线下使用下面命令：keys、flushall、flushdb、config set等命令，可以利用rename-command禁用
• bind：限制网卡，禁止外网网卡访问
• 开启防火墙
• 不要使用Root账户启动redis
• 尽量不要有默认端口

3.4 内存配置

3.4.1 数据内存的问题

在Redis内存不足时，可能导致Key频繁被删除、响应时间补偿、QPS不稳定等问题。当内存使用率达到90%以上时就需要警惕，并快速定位到内存占用的原因

Redis提供了一些命令，可以查看到Redis目前的内存分配状态：

• info memory
• memory xxx

3.4.2 内存缓冲区的问题

内存缓冲区常见的有三种：

• 复制缓冲区： 主从复制的repl_backlog_buf，如果太小可能导致频繁的全量复制，影响性能。通过repl-backlog-size来设置，默认1mb

  因为如果太小了，那么此文件就容易满，出现下图右边那种情况。slave就得采用全量复制

  

• AOF缓冲区： AOF刷盘之前的缓冲区域，AOF执行rewrite的缓冲区，无法设置容量上限

• 客户端缓冲区： 分为输入缓冲区（Redis接收数据的缓冲区，应该是那个队列）和输出缓冲区（Redis处理完返回的结果），输入缓冲区最大1GB且不能设置。输出缓冲区可以设置

4 集群最佳实践

集群虽然具备高可用特性，能实现自动故障恢复，如果使用不当，也会存在一些问题：

• 集群完整性问题
• 集群带宽问题
• 数据倾斜问题
• 客户端性能问题
• 命令的集群兼容性问题
• lua和事务问题

4.1 集群完整性问题

在Redis的默认配置中，如果发现任意一个插槽不可用，则整个集群都会停止对外服务

为了保证高可用性，这里建议将上图中yes 改为 false

4.2 集群带宽问题

集群节点之间会不断地互相Ping来确定集群中其他节点的状态。每次Ping携带的信息至少包括：

• 插槽信息
• 集群状态信息

集群中节点越多，集群状态信息数据量也越大，10个节点的相关信息可能达到1kb，此时每次集群互通需要的带宽会非常高

解决途径：

• 避免大集群，集群节点数不要太多，最好少于1000，如果业务庞大，则建立了多个集群
• 避免在单个物理机中运行太多Redis实例
• 配置合适的cluster-node-timeout值