共计 4352 个字符，预计需要花费 11 分钟才能阅读完成。
这可能是最中肯的 Redis 应用标准了
码哥，昨天我被公司 Leader 批评了。
我在独身红娘婚恋类型互联网公司工作，在双十一推出下单就送女朋友的流动。
谁曾想，凌晨 12 点之后，用户量暴增，呈现了一个技术故障，用户无奈下单，过后老大火冒三丈！
通过查找发现 Redis 报 Could not get a resource from the pool。
获取不到连贯资源，并且集群中的单台 Redis 连贯量很高。
于是各种更改最大连接数、连贯期待数，尽管报错信息频率有所缓解，但还是 继续报错。
起初通过线下测试，发现寄存 Redis 中的 字符数据很大，均匀 1s 返回数据。
码哥，能够分享下应用 Redis 的标准么？我想做一个唯快不破的真男人！
通过 Redis 为什么这么快？这篇文章咱们晓得 Redis 为了高性能和节俭内存吃力心理。
所以，只有标准的应用 Redis，能力实现高性能和节俭内存，否则再屌的 Redis 也禁不起咱们瞎折腾。
Redis 应用标准围绕如下几个纬度开展：
- 键值对应用标准；
- 命令应用标准；
- 数据保留标准；
- 运维标准。
键值对应用标准
有两点须要留神：
- 好的
key命名，能力提供可读性强、可维护性高的 key，便于定位问题和寻找数据。 value要避免出现bigkey、抉择高效的序列化和压缩、应用对象共享池、抉择高效失当的数据类型（可参考《Redis 实战篇：巧用数据类型实现亿级数据统计》）。
key 命名标准
标准的 key命名，在遇到问题的时候可能不便定位。Redis 属于 没有 Scheme的 NoSQL数据库。
所以要靠标准来建设其 Scheme 语意，就好比依据不同的场景咱们建设不同的数据库。
敲黑板
把「业务模块名」作为前缀（好比数据库 Scheme），通过「冒号」分隔，再加上「具体业务名」。
这样咱们就能够通过 key 前缀来辨别不同的业务数据，清晰明了。
总结起来就是：「业务名: 表名:id」
比方咱们要统计公众号属于技术类型的博主「码哥字节」的粉丝数。
set 公众号: 技术类: 码哥字节 100000码哥，key 太长的话有什么问题么？
key 是字符串，底层的数据结构是 SDS，SDS 构造中会蕴含字符串长度、调配空间大小等元数据信息。
字符串长度减少，SDS 的元数据也会占用更多的内存空间。
所以当字符串太长的时候，咱们能够采纳适当缩写的模式。
不要应用 bigkey
码哥，我就中招了，导致报错获取不到连贯。
因为 Redis 是单线程执行读写指令，如果呈现bigkey 的读写操作就会阻塞线程，升高 Redis 的解决效率。
bigkey蕴含两种状况：
- 键值对的
value很大，比方value保留了2MB的String数据； - 键值对的
value是汇合类型，元素很多，比方保留了 5 万个元素的List汇合。
尽管 Redis 官网阐明了 key和 string 类型 value限度均为512MB。
避免网卡流量、慢查问，string类型管制在 10KB 以内，hash、list、set、zset元素个数不要超过 5000。
码哥，如果业务数据就是这么大咋办？比方保留的是《金瓶梅》这个大作。
咱们还能够通过 gzip 数据压缩来减小数据大小:
/**
* 应用 gzip 压缩字符串
*/
public static String compress(String str) {if (str == null || str.length() == 0) {return str;}
try (ByteArrayOutputStream out = new ByteArrayOutputStream();
GZIPOutputStream gzip = new GZIPOutputStream(out)) {gzip.write(str.getBytes());
} catch (IOException e) {e.printStackTrace();
}
return new sun.misc.BASE64Encoder().encode(out.toByteArray());
}
/**
* 应用 gzip 解压缩
*/
public static String uncompress(String compressedStr) {if (compressedStr == null || compressedStr.length() == 0) {return compressedStr;}
byte[] compressed = new sun.misc.BASE64Decoder().decodeBuffer(compressedStr);;
String decompressed = null;
try (ByteArrayOutputStream out = new ByteArrayOutputStream();
ByteArrayInputStream in = new ByteArrayInputStream(compressed);
GZIPInputStream ginzip = new GZIPInputStream(in);) {byte[] buffer = new byte[1024];
int offset = -1;
while ((offset = ginzip.read(buffer)) != -1) {out.write(buffer, 0, offset);
}
decompressed = out.toString();} catch (IOException e) {e.printStackTrace();
}
return decompressed;
}
汇合类型
如果汇合类型的元素确实很多，咱们能够将一个大汇合拆分成多个小汇合来保留。
应用高效序列化和压缩办法
为了节俭内存，咱们能够应用高效的序列化办法和压缩办法去缩小 value的大小。
protostuff和 kryo这两种序列化办法，就要比 Java内置的序列化办法效率更高。
上述的两种序列化形式尽管省内存，然而序列化后都是二进制数据，可读性太差。
通常咱们会序列化成 JSON或者 XML，为了防止数据占用空间大，咱们能够应用压缩工具（snappy、gzip）将数据压缩再存到 Redis 中。
应用整数对象共享池
Redis 外部保护了 0 到 9999 这 1 万个整数对象，并把这些整数作为一个共享池应用。
即便大量键值对保留了 0 到 9999 范畴内的整数，在 Redis 实例中，其实只保留了一份整数对象，能够节俭内存空间。
须要留神的是，有两种状况是不失效的：
-
Redis 中设置了
maxmemory，而且启用了LRU策略（allkeys-lru 或 volatile-lru 策略），那么，整数对象共享池就无奈应用了。这是因为 LRU 须要统计每个键值对的应用工夫，如果不同的键值对都复用一个整数对象就无奈统计了。
-
如果汇合类型数据采纳 ziplist 编码，而汇合元素是整数，这个时候，也不能应用共享池。
因为 ziplist 应用了紧凑型内存构造，判断整数对象的共享状况效率低。
命令应用标准
有的命令的执行会造成很大的性能问题，咱们须要分外留神。
生产禁用的指令
Redis 是单线程解决申请操作，如果咱们执行一些波及大量操作、耗时长的命令，就会重大阻塞主线程，导致其它申请无奈失去失常解决。
-
KEYS：该命令须要对 Redis 的全局哈希表进行全表扫描，重大阻塞 Redis 主线程；
应该应用 SCAN 来代替，分批返回符合条件的键值对，防止主线程阻塞。
- FLUSHALL：删除 Redis 实例上的所有数据，如果数据量很大，会重大阻塞 Redis 主线程；
-
FLUSHDB，删除以后数据库中的数据，如果数据量很大，同样会阻塞 Redis 主线程。
加上 ASYNC 选项，让 FLUSHALL，FLUSHDB 异步执行。
咱们也能够间接禁用，用 rename-command 命令在配置文件中对这些命令进行重命名，让客户端无奈应用这些命令。
慎用 MONITOR 命令
MONITOR 命令会把监控到的内容继续写入输入缓冲区。
如果线上命令的操作很多，输入缓冲区很快就会溢出了，这就会对 Redis 性能造成影响，甚至引起服务解体。
所以，除非非常须要监测某些命令的执行（例如，Redis 性能忽然变慢，咱们想查看下客户端执行了哪些命令）咱们才应用。
慎用全量操作命令
比方获取汇合中的所有元素（HASH 类型的 hgetall、List 类型的 lrange、Set 类型的 smembers、zrange 等命令）。
这些操作会对整个底层数据结构进行全量扫描，导致阻塞 Redis 主线程。
码哥，如果业务场景就是须要获取全量数据咋办？
有两个形式能够解决：
- 应用
SSCAN、HSCAN等命令分批返回汇合数据； - 把大汇合拆成小汇合，比方依照工夫、区域等划分。
数据保留标准
冷热数据拆散
尽管 Redis 反对应用 RDB 快照和 AOF 日志长久化保留数据，然而，这两个机制都是用来提供数据可靠性保障的，并不是用来裁减数据容量的。
不要什么数据都存在 Redis，应该作为缓存保留 热数据，这样既能够充分利用 Redis 的高性能个性，还能够把贵重的内存资源用在服务热数据上。
业务数据隔离
不要将不相干的数据业务都放到一个 Redis 中。一方面防止业务相互影响，另一方面防止单实例收缩，并能在故障时升高影响面，疾速复原。
设置过期工夫
在数据保留时，我倡议你依据业务应用数据的时长，设置数据的过期工夫。
写入 Redis 的数据会始终占用内存，如果数据继续增多，就可能达到机器的内存下限，造成内存溢出，导致服务解体。
管制单实例的内存容量
倡议设置在 2~6 GB。这样一来，无论是 RDB 快照，还是主从集群进行数据同步，都能很快实现，不会阻塞失常申请的解决。
避免缓存雪崩
防止集中过期 key 导致缓存雪崩。
码哥，什么是缓存雪崩？
当某一个时刻呈现大规模的缓存生效的状况，那么就会导致大量的申请间接打在数据库下面，导致数据库压力微小，如果在高并发的状况下，可能霎时就会导致数据库宕机。
运维标准
- 应用 Cluster 集群或者哨兵集群，做到高可用；
- 实例设置最大连接数，避免过多客户端连贯导致实例负载过高，影响性能。
- 不开启 AOF 或开启 AOF 配置为每秒刷盘，防止磁盘 IO 拖慢 Redis 性能。
- 设置正当的 repl-backlog，升高主从全量同步的概率
- 设置正当的 slave client-output-buffer-limit，防止主从复制中断状况产生。
- 依据理论场景设置适合的内存淘汰策略。
- 应用连接池操作 Redis。
最初，欢送在留言区分享一下你罕用的应用标准，咱们一起交换探讨。
好文举荐
Redis 外围篇：为什么这么快
Redis 长久化篇：AOF 与 RDB 如何保证数据高可用
Redis 高可用篇：主从架构数据一致性同步原理
Redis 高可用篇：哨兵集群原理
Redis 高可用篇：Cluster 集群原理
Redis 实战篇：巧用 Bitmap 实现亿级海量数据统计
Redis 实战篇：通过 Geo 类型实现左近的人邂逅女神
Redis 新个性篇：多线程模型解读
Redis 6.0 新个性篇：客户端缓存带来的反动
