作者：Kaito
出处：kaito-kidd.com/2020/07/04/redis-best-practices/
这篇文章咱们就来总结一下，在应用 Redis 时的最佳实际形式，次要蕴含两个层面：业务层面、运维层面。
因为我之前写过很多 UGC 后端服务，在大量场景下用到了 Redis，这个过程中也踩过很多坑，所以在应用过程中也总结了一套正当的应用办法。
起初做基础架构，开发 Codis、Redis 相干的中间件，在这个阶段关注畛域从应用层面下沉到 Redis 的开发和运维，更多聚焦在 Redis 的外部实现和运维过程中产生的各种问题，在这块也积攒了一些教训。
上面就针对这两块，分享一下我认为比拟正当的 Redis 应用和运维办法，不肯定最全面，也可能与你应用 Redis 的办法不同，但以下这些办法都是我在踩坑之后总结的理论教训，供你参考。关注公众号 Java 技术栈回复 redis 获取系列 Redis 教程。
业务层面次要是开发人员须要关注，也就是开发人员在写业务代码时，如何正当地应用 Redis。开发人员须要对 Redis 有根本的理解，能力在适合的业务场景应用 Redis，从而防止业务层面导致的提早问题。
在开发过程中，业务层面的优化倡议如下：
- key 的长度尽量要短，在数据量十分大时，过长的 key 名会占用更多的内存
- 肯定防止存储过大的数据（大 value），过大的数据在分配内存和开释内存时耗时重大，会阻塞主线程
- Redis 4.0 以上倡议开启 lazy-free 机制，开释大 value 时异步操作，不阻塞主线程
- 倡议设置过期工夫，把 Redis 当做缓存应用，尤其在数量很大的时，不设置过期工夫会导致内存的有限增长
- 不应用简单度过高的命令，例如 SORT、SINTER、SINTERSTORE、ZUNIONSTORE、ZINTERSTORE，应用这些命令耗时较久，会阻塞主线程
- 查问数据时，一次尽量获取较少的数据，在不确定容器元素个数的状况下，防止应用 LRANGE key 0 -1，ZRANGE key 0 - 1 这类操作，应该设置具体查问的元素个数，举荐一次查问 100 个以下元素
- 写入数据时，一次尽量写入较少的数据，例如 HSET key value1 value2 value3…，- 管制一次写入元素的数量，举荐在 100 以下，大数据量分多个批次写入
- 批量操作数据时，用 MGET/MSET 替换 GET/SET、HMGET/MHSET 替换 HGET/HSET，缩小申请来回的网络 IO 次数，升高提早，对于没有批量操作的命令，举荐应用 pipeline，一次性发送多个命令到服务端
- 禁止应用 KEYS 命令，须要扫描实例时，倡议应用 SCAN，线上操作肯定要管制扫描的频率，防止对 Redis 产生性能抖动
- 防止某个工夫点集中过期大量的 key，集中过期时举荐减少一个随机工夫，把过期工夫打散，升高集中过期 key 时 Redis 的压力，防止阻塞主线程
- 依据业务场景，抉择适合的淘汰策略，通常随机过期要比 LRU 过期淘汰数据更快
- 应用连接池拜访 Redis，并配置正当的连接池参数，防止短连贯，TCP 三次握手和四次挥手的耗时也很高
- 只应用 db0，不举荐应用多个 db，应用多个 db 会减少 Redis 的累赘，每次拜访不同的 db 都须要执行 SELECT 命令，如果业务线不同，倡议拆分多个实例，还能进步单个实例的性能
- 读的申请量很大时，举荐应用读写拆散，前提是能够容忍从节数据更新不及时的问题
- 写申请量很大时，举荐应用集群，部署多个实例摊派写压力
运维层面
目标是正当布局 Redis 的部署和保障 Redis 的稳固运行，次要优化如下：
- 不同业务线部署不同的实例，各自独立，防止混用，举荐不同业务线应用不同的机器，依据业务重要水平划分不同的分组来部署，防止某一个业务线呈现问题影响其余业务线
- 保障机器有足够的 CPU、内存、带宽、磁盘资源，避免负载过高影响 Redis 性能
- 以 master-slave 集群形式部署实例，并散布在不同机器上，防止单点，slave 必须设置为 readonly
- master 和 slave 节点所在机器，各自独立，不要穿插部署实例，通常备份工作会在 slave 上做，做备份时会耗费机器资源，穿插部署会影响到 master 的性能
- 举荐部署哨兵节点减少可用性，节点数量至多 3 个，并散布在不同机器上，实现故障主动故障转移
- 提前做好容量布局，一台机器部署实例的内存下限，最好是机器内存的一半，主从全量同步时会占用最多额定一倍的内存空间，防止网络大面积故障引发所有 master-slave 的全量同步导致机器内存被吃光
- 做好机器的 CPU、内存、带宽、磁盘监控，在资源有余时及时报警解决，Redis 应用 Swap 后性能急剧下降，网络带宽负载过高拜访提早显著增大，磁盘 IO 过高时开启 AOF 会拖慢 Redis 的性能
- 设置最大连接数下限，避免过多的客户端连贯导致服务负载过高
- 单个实例的应用内存倡议管制在 20G 以下，过大的实例会导致备份工夫久、资源耗费多，主从全量同步数据工夫阻塞工夫更长
- 设置正当的 slowlog 阈值，举荐 10 毫秒，并对其进行监控，产生过多的慢日志须要及时报警 设置正当的复制缓冲区 repl-backlog 大小，适当调大 repl-backlog 能够升高主从全量复制的概率
- 设置正当的 slave 节点 client-output-buffer-limit 大小，对于写入量很大的实例，适当调大能够防止主从复制中断问题
- 备份时举荐在 slave 节点上做，不影响 master 性能
- 不开启 AOF 或开启 AOF 配置为每秒刷盘，防止磁盘 IO 耗费升高 Redis 性能
- 当实例设置了内存下限，须要调大内存下限时，先调整 slave 再调整 master，否则会导致主从节点数据不统一
- 对 Redis 减少监控，监控采集 info 信息时，应用长连贯，频繁的短连贯也会影响 Redis 性能，redis 性能监控指标，参考这个文章
- 线上扫描整个实例数时，记得设置休眠工夫，防止扫描时 QPS 突增对 Redis 产生性能抖动
- 做好 Redis 的运行时监控，尤其是 expired_keys、evicted_keys、latest_fork_usec 指标，短时间内这些指标值突增可能会阻塞整个实例，引发性能问题
以上就是我在应用 Redis 和开发 Redis 相干中间件时，总结进去 Redis 举荐的实际办法，以上提出的这些方面，都或多或少在理论应用中遇到过。
可见，要想稳固施展 Redis 的高性能，须要在各个方面做好工作，凡是某一个方面呈现问题，必然会影响到 Redis 的性能，这对咱们应用和运维提出了更高的要求。
如果你在应用 Redis 过程中，遇到更多的问题或者有更好的应用教训，能够留言一起探讨！