点的外卖总能让离店近的外卖小哥送来，双11秒杀完结后产品能立即下架，12306火车票保障从来不超卖，微博下拉就能刷新出好友动静……这些日常碎片的背地都有着Redis的身影。

提起Redis，互联网从业者无人不知，无人不晓。毕竟，开源Redis作为一款经典的“缓存”产品，能撑持泛滥业务架构搭建，在游戏、电商、社交媒体等行业中施展着重要的作用，广受开发者青眼。

然而近年来，随着各行业规模逐步扩充，简直只能依附于关系型数据库的传统“缓存”逐步难以撑持下层业务，越来越力不从心。

一旦业务规模扩充后数据量迫近内存下限，开源Redis轻则产生重要数据逐出，重则导致节点OOM宕机。而且开源Redis为了拜访疾速，全副数据都保留在内存中，其独有的fork机制，更让平时的内存应用不得高于50%，使得内存价格始终居高不下，导致部署老本十分高。

为了解决这些难题，华为云推出了自研的企业级Key-Value数据库——云原生分布式数据库GaussDB(for Redis)（下文简称高斯Redis），让开发者用更低的老本构建依赖缓存的利用，且性能更高，运行更稳固。本文将从高斯Redis的技术架构和利用场景登程，一一道来为什么高斯Redis比开源香，以及它是如何做到又快又好的。

开源不够，自研顶上

单刀直入，先看看开发者最关怀的性能和老本。如下图所示，与开源Redis相比，高斯 Redis在老本、可用容量、吞吐、压缩上都有十分大的劣势：

注：比拟雷同数据容量（约200G）的老本开销

核算下来，高斯Redis以1/4的价格领有10倍以上的可用空间，整体老本相当于是开源Redis自建数据库的1/40，这里还不包含自建Redis数据库须要额定的搭建、运维、监控、降级扩容等各项老本。

同样，比照高斯Redis和开源Redis集群在X86架构下的性能测试，结果显示，它能较开源Redis集群能提供更高的QPS，更低的拜访提早，以及更低的数据存储老本。

性能劣势：在雷同测试条件下，高斯Redis的QPS较开源Redis集群进步了11%~19%，均匀提早和P99比Redis集群升高了70%以上，p9999比Redis集群升高了15%以上。
抗写劣势：在数据量大于内存的写测试中，原生Redis集群因内存限度而OOM，高斯Redis仍然能够提供不俗的性能服务，它的可用的存储空间由底层SSD大小决定的，相比原生Redis集群抗写劣势显著。
据存储老本更低：高斯Redis提供了高效的数据压缩服务，其占用的存储空间只有开源Redis集群的十分之一，相当于数据存储老本升高了10倍。

那么，高斯Redis的劣势源自什么？从它的架构中或者能够窥见一斑。

存算拆散，冲破瓶颈

高斯Redis有两个跟业界齐全不一样的个性，第一个便是独有的存算拆散架构， 计算层实现热数据缓存，存储层实现全量数据的落盘，两头通过RDMA高速网络互连，通过算法预测用户的拜访法则，实现数据的主动冷热替换，最终达到性能晋升。

该架构基于华为外部的自研分布式共享存储池， 它也是华为全栈数据服务的基石，比方文件EVS、对象存储OBS、块存储，还有数据库族、大数据族都依赖于此，可想它的弱小及稳定性。

高斯Redis基于共享存储池实现了一套Shared Everything的云原生架构，充分发挥了云原生的弹性伸缩、资源共享的劣势，使得它具备强统一、秒扩容、低成本、超可用等个性，完满避开了开源Redis的主从沉积、主从不统一、fork抖动、内存利用率只有50%、大key阻塞、gossip集群治理等问题。

在存算拆散的架构下，高斯Redis的劣势能够总结为：强统一、高可用、弹性伸缩、高性能。

强统一

高斯Redis将全量数据下沉到强统一的共享存储池，得益于共享存储池的3正本机制，因而写入高斯Redis的数据，在客户端收到回复时，数据也将是3正本强统一的，保障宕机的时候数据不会失落，从而为业务提供前后一致的状态，再也不必放心主从切换后的数据一致性和失落问题。

高可用

其次是高可用，受害于分布式共享存储池，高斯Redis的每个计算节点都能够看到并共享所有数据，当某一个计算节点产生故障挂掉，其保护的slot路由信息，会被剩下的节点主动接管。因为不波及底层数据的迁徙，这个接管过程十分快。所以N个节点下，最多能够容忍挂掉N-1个节点。

弹性伸缩

再就是弹性伸缩带来的秒扩容能力，实现按需扩容计算和存储。计算资源的扩容只波及到元数据的批改，把相应的slot路由信息迁徙到新的节点上，迁徙速度十分快。因为采纳的共享存储，大多数状况下存储扩容只有进行逻辑扩容，不波及数据的搬迁，在后盾批改存储配额即可。

高性能

存算拆散的架构看似比拟重，链路比较复杂，实则在硬件采纳、软件优化上，能够做的更大胆更激进，比方RDMA网络、用户态协定、长久化内存等等。因而受害于这些专属的存储设备，加上计算层全负荷分担架构（不引入从节点，因而性能轻松翻倍），比照同类商业数据库产品，在数据量大于内存的存储场景下，高斯Redis的性能体现很好。另外，比照开源Redis，在数据小于内存的点查场景下，高斯性能也有很大劣势。

第二个个性是多模架构带来的产品应用便捷性。

高斯Redis是多模数据库Gauss NoSQL的一员，Gauss NoSQL提供了全栈的分布式KV引擎、用户态文件系统、存储池等技术，只须要在接口上封装Redis协定，即可轻松实现一个全新的NoSQL产品。相似的，华为还提供了MongoDB、Cassandra、Influx等NoSQL引擎。

也正是得益于高斯Redis的独特劣势，使得它在一些典型的利用场景下，可能应答各种突发状况，最大化施展出Redis的个性。

互联网业务神器，撑持海量存储场景

Redis最常见的利用场景是缓存，用来寄存秒杀、热点事件的数据，比方微博热搜。同时，凭借其优异的存储能力，缓存场景之外的诸多利用Redis也能够轻松应答，比方

流： feed、音讯队列、IM聊天、IoT心跳上报；

只读状态： 历史订单、日志审计、归档信息、历史轨迹、生产记录、物流详情；

可变状态： BI报表、金融风控、智能客服、广告举荐、标签工程、用户画像、地理位置、门路布局、常识图谱等。

上面，以其中的一些场景为例，具体看看高斯Redis到底有多弱小？

Geo

饭点时关上公众点评查看左近的餐馆，外卖小哥依据距离远近来决定配送的门路布局……这些都依附LBS服务，它的实现又须要Redis来存储地理位置数据。但开源版本Redis因为内存限度，始终没有大规模利用反对地理位置信息存储管理的Geo性能。

高斯Redis应用磁盘代替内存，解决了这些难题，它的Geo性能实用于数据量大、读写频繁的场景，能够应答诸如外卖平台、点评平台、找房平台中，随着用户增长而对应的地理位置信息的数据量的增长，最高可达TB级别。以下图为例，能够看到在高斯Redis反对下，外卖零碎能够应用Geo的相干命令，让用户获取骑手的实时地位，骑手也能找到左近可配送的订单，最终顺利将用户的外卖送到用户。

计数

社交平台每条热搜记录的搜寻量数值；用户注册一个帐号后，网站记录的关注数、粉丝数、动静数；一个接口一分钟被限度100次申请等。这些数据背地，是一个个计数器在工作。

计数是典型的强统一利用场景，比方电商在秒杀流动中，往往会搭建Redis主从集群给上层MySQL做缓存，用Redis的计数器性能抵住流量压力。

所以如果数据产生不统一，计数器就会失去谬误的信息，整个数据库可能面临解体的危险。但原生Redis的主从同步是异步的，当主节点写入数据后，从节点不保障立即更新数据，如果此时读取数据，读到的就是过期的旧数据，产生数据不统一问题。高斯Redis则能够把全量数据下沉到强统一共享存储池，彻底摒弃了开源Redis的异步复制机制。另外，计算层将海量数据进行分片，在故障场景下，主动进行接管，实现了服务的高可用。

即时通讯

即时通讯（简称IM）是一个实时通信零碎，容许两人或多人应用网络实时的传递文字音讯、文件、语音与视频。它最外围的是音讯零碎，包含聊天音讯的同步、存储和检索。而音讯存储库和同步库又对存储层的性能有很高的要求：要能撑持海量音讯数据的永恒存储，具备极高的写入吞吐能力，尽可能低的读取提早等等。

综上，存储层的性能会间接影响到IM零碎的用户体验。高斯Redis在性能和规模上能够满足IM系统对存储层的严格要求，它作为IM零碎的存储层，能够将大量的随机写转换为程序写，晋升数据写入性能，再通过读缓存、bloom filter优化读取性能。

下图是一个基于高斯Redis的IM利用案例，应用的是Stream作为根本数据结构。创立一个群聊时，在Redis中对应地为该群聊创立一个Stream队列。在发送音讯时，每个用户都将音讯依照工夫程序增加到Stream队列中，保障了音讯的有序性。

这个利用中波及到了一种数据类型——Redis Stream，它也是一种音讯队列，提供音讯的落地存储性能，让每个客户端能够拜访任意时刻的音讯，并记录拜访地位，保障音讯不会失落，以IM中的文字聊天为例，应用Stream作为中间件，实现聊天室的发言和信息查看。高斯Redis能够存储和解决大规模的Stream数据，鲁棒性强的同时老本绝对更低，实用于海量音讯队列的场景。所以，相较于原生Redis，是更为理想的Stream队列承载计划。

Feed流

互联网时代，微博、抖音、头条等都在通过Feed流（信息流）将关注的好友或感兴趣的内容及时推送给用户，吸引用户的趣味，进步产品的商业价值。Feed流零碎是Feed生成者将生产的Feed通过存储散发零碎传递给Feed消费者，最终以某种展示模式。

整个零碎最要害的是同步存储系统，首先是内容存储模块，由它来存储最原始的内容，比方用户发的一条微博；其次是关联关系存储模块，存储的是用户之间的关系；最初是信箱模块，也叫消息传递模块，通过它将消息传递到每个关联用户手中。

在Feed流场景下，高斯Redis可能撑持海量音讯内容的存储和低提早拜访，以及关联关系的增删查改。在同步存储系统中的信箱存储模块，高斯Redis的Stream数据结构能够实现队列能力，实现Feed流音讯读取。

举荐零碎

电商、社交等畛域的举荐零碎十分发达，追溯其背地技术，不外乎这三个环节：分布式计算、特色存储、举荐算法。其中，特色数据的存储起到要害的连接作用，因为KV模式的数据抽象与特色数据极为靠近，因而举荐零碎里往往少不了Redis的身影。

因为开源Redis在大数据场景下的一些固有痛点，高斯Redis是不少客户首选的数据库选型。由高斯Redis负责外围的特色数据存储，提供稳固、牢靠的KV存储能力。加上它的高性能长久化技术和细粒度存储池，可帮忙企业将数据库应用老本升高75%以上。高斯Redis独特的多线程设计和全副节点可写，抗写能力强，可从容应对Spark灌库压力和实时更新。

而且因为高斯Redis齐全兼容Redis协定，即开即用，用户可应用相熟的Spark SQL语法轻松拜访，实现特色数据灌库、更新、提取等要害工作。与此同时，数据源通过Flink加工后，也可轻松存入高斯Redis中。

成为VMALL智能举荐背地的英雄

当电商平台对AI算法模型的需要越来越多，特色数据平台的对立建设是不少开发团队头疼的事件。只有通过对立的特色数据存储，能力扭转原有的“数据孤岛”，解决生产反复造轮子的困境。

华为商城（VMALL）就有这样的困扰，VMALL应用了大量的AI和大数据技术，用来撑持智能举荐、精准营销、智能搜寻、选品投放等业务的高效发展。但因为特色数据筹备阶段不足通用平台，重大影响研发效率。

特色数据库须要承当买通线上/线下多个场景，对接批式/流式多种数据源，满足训练/推理多样生产需要，相应地对存储也提出了高要求：既能提供低成本的海量数据存储并不便扩容， 又能保证数据的相对牢靠和服务的高可用；既要满足低时延的线上推理，又要满足高吞吐的线下训练； 既能提供简洁的KV接口供上游轻松生产，又要兼容支流的批式/流式解决引擎（Spark/Flink等）供上游疾速接入。

为了满足这些要求，深刻调研后，VMALL大数据团队最终抉择了高斯Redis作为特色数据库。

在线上推理的特色生产（抽取、解决、存储）中，特色平台会定时调度Spark作业，从各种数据仓库、数据湖中提取数据，进行特色工程解决后，存入高斯Redis。至于实时特色，则由Flink生产Kafka，或流式存储中的数据，继续更新到高斯Redis中。

在特色生产的推理环节，对于应用实时特色的场景（如实时举荐零碎），由Flink从Kafka中实时获得用户申请记录，并从高斯Redis查问获得特色，将记录和特色拼接成训练样本，存储到文件中，供线下训练应用。

目前VMALL已实现一期的特色数据迁徙，包含“特色生产”业务中的“Spark离线特色生产”，以及“特色生产”业务中的“线下训练Flink特色查问”。迁徙后的运行结果显示，高斯Redis在业务顶峰时段时延稳固，可能满足VMALL以后业务要求。其中，读均匀时延0.2ms（p99<0.4ms），写入均匀时延0.6ms（P99<2ms）。

费用方面，依照VMALL的特色体量测算，亿级用户，每个用户的特色数量是数K-数10K，高斯Redis一年的费用仅3W出头，如果选用社区Redis，费用在20W+。

综上，高斯Redis在VMALL特色工程平台建设中，起到了关键作用。它在老本，可靠性，可扩展性等方面具备劣势，可作为特色数据存储的现实计划，提供企业级的稳固牢靠的Redis服务能力。

最初

作为一款KV数据库，高斯Redis即保留了开源Redis的能力，同时凭借其存算拆散的架构，在老本、稳定性、可靠性、一致性等方面做出了新的冲破，它也更加实用于当下数据规模宏大的互联网业务，包含电商平台的秒杀、举荐零碎、社交平台的信息流等等。本文只是简略地解读了高斯Redis的几个典型个性，更多技术细节，以及利用案例、迁徙指南等能够查看【大厂内参】第12期：技术架构+利用场景揭秘，为什么高斯Redis比开源香？-云社区-华为云 (huaweicloud.com)

本文由华为云公布