关于redis:Redis系列之如何高效使用

本文将从避免阻塞和内存节约两个方面介绍如和高效应用Reids。

应用Redis时，咱们须要联合具体业务和Redis个性两方面来思考如何设计应用计划。须要两个从两个方面思考：

1. 避免阻塞
2. 节约内存

上面，咱们将就下面两个点开展阐明如何高效正当应用Redis。

避免阻塞

从阻塞章节咱们晓得，引起Redis阻塞可能的起因有内因和外因两方面。

内因躲避

缩小简单命令的应用，或者有节制的应用。上面这些命令能够看做简单命令（工夫复杂度为O(N)或者更高）：SETRANGE, GETRANGE, MSET, MGET, MSETNX, HMSET, HMGET, HKEYS,HVALS, HGETALL, HSCAN, LTRIM, LINDEX, SMEMBERS, SUNION, SUNIONSTORE, SDIFF, SDIFFSTORE, ZUNIONSTORE, ZINTERSTORE, SINTER, SINTERSTORE。这些命令当操作的key或者field过多时将会导致Redis过程阻塞。
举例来说，对一个蕴含上十万甚至百万个field的hash执行hgetall操作，hgetall命令的工夫复杂度为O(N)，此时N页特地大（上十万甚至百万）必然耗时很长。
从这个例子，咱们能够发现至多两个不合理的中央：

1. 这种有大量元素的数据不应该存在，因为，咱们并不能确定什么时候咱们对它执行了简单命令。
2. 如果真的不可躲避超多元素的状况，在获取多个元素或者全量元素时，务必应用scan之类命令，且确保每次获取元素数量在肯定范畴，比方50等。

防止频繁生成RDB和AOF重写，尤其是高峰期。失常状况下，Redis比拟时候缓存类型数据，当然为了保证数据不失落，能够进行导出RDB和从新AOF。但须要确保一下几点：

1. 不要执行save等同步命令；
2. 尽量不要在高峰期进行长久化操作；
3. 尽量在从实例上做长久化操作；

如果必须频繁长久化，须要确保如下几点：

1. 保障CPU、内存短缺，倡议CPU和内存留出肯定的buffer
2. 不要绑定CPU
3. 防止和CPU密集型服务混布
4. 如果多个Redis实例部署在同一台机器，留神布局好系统资源，能够思考错峰长久化，防止同时长久化导致系统资源开销霎时突增
5. 零碎尽量不要开启HugePage，避免复制内存页过大而拖慢执行工夫，且会导致长久化期间内存耗费增长

防止单Redis实例负载过高。Redis是单线程服务，当负载过大必然影响整体性能，能够通过如下计划进步读写能力：

1. 能够通过读写拆散，从实例承接局部读申请，来升高主实例压力；
2. 如果读写压力都很大的话，须要思考集群计划。

外因躲避

通常，引起服务的外因无外乎CPU、内存和网络，导致Redis阻塞的起因同样也须要从这几方面去思考。
CPU竞争导致Redis阻塞的问题起因在阻塞章节曾经具体介绍过，对于解决方案，能够通过以下伎俩来躲避：

1. 过程CPU资源竞争，倡议不要和其余多线程CPU密集型服务混布，尤其是线上环境。另外，如果流量趋势有稳定的服务，比方有早晚顶峰，倡议不要把流量稳定统一的服务混布。
2. 绑定CPU，绑定CPU（设置CPU亲和力affinity）是为了升高Redis过程在不同CPU来回切换导致缓存命中率降落等引起的性能问题，然而，过程的CPU亲和力会继承给子过程，Redis过程fork出的子过程也共享该CPU。因而，如果须要频繁长久化的Redis不倡议绑定CPU。

节约内存

系统优化

缩小内存碎片，失常的碎片率（mem_fragmentation_ratio）在1.03左右。然而当存储的数据长短差别较大时，以下场景容易呈现高内存碎片问题：

1. 频繁做更新操作，例如频繁对已存在的键执行append、setrange等更新操作。
2. 大量过期键删除，键对象过期删除后，开释的空间无奈失去充分利用，导致碎片率回升。

呈现高内存碎片问题时常见的解决形式如下：

1. 数据对齐：在条件容许的状况下尽量做数据对齐，比方数据尽量采纳数字类型或者固定长度字符串等，然而这要视具体的业务而定，有些场景无奈做到。
2. 平安重启：重启节点能够做到内存碎片重新整理，因而能够利用高可用架构，如Sentinel或Cluster，将碎片率过高的主节点转换为从节点，进行平安重启。

RDB生成和AOF重写会fork子过程，进而导致内存耗费。总结如下：

1. 失常状况下Redis产生的子过程并不需要耗费1倍的父过程内存，理论耗费依据期间写入命令量决定，然而仍然要预留出一些内存避免溢出。
2. 须要设置sysctl vm.overcommit_memory=1容许内核能够调配所有的物理内存，避免Redis过程执行fork时因零碎残余内存不足而失败。
3. 排查以后零碎是否反对并开启THP，如果开启倡议敞开，避免copy-onwrite期间内存适度耗费。

用户优化

减小键值字符串长度

1. key能够通过字符串缩减来缩小长度
2. value能够通过序列化和压缩来缩小存储，也能够能够通过业务侧优化缩小不必要的字段

尽量应用set而非append

因为字符串（SDS）存在预分配机制，日常开发中要小心预调配带来的内存节约。

表-2 set & append 比照测试

从下面的试验能够看出，同样存储100w条key大小为20B，value大小为200B的数据，通过set和append操作实现的和间接应用set实现多了近75% 的存储耗费。

字符串重构

字符串重构：指不肯定把每份数据作为字符串整体存储，像json这样的数据能够应用hash构造，这样做有如下收益：

1. 应用二级构造存储也能帮咱们节俭内存。
2. 同时能够应用hmget、hmset命令反对字段的局部读取批改，而不必每次整体存取。

留神，这样样做的一个前提是json key-value对中value绝对较小，上面是一个测试例子。

{"id" : "12345678","title" : "redis-memory-optimization","chinese_url" : "http://www.redis.cn/topics/memory-optimization.html","english_url" : "https://redis.io/topics/memory-optimization"}

代码-2 一个json实例

表-3 hash优化测试

依据测试构造，hash-max-ziplist-value 50配置下应用hash类型，内存耗费岂但没有升高反而比字符串存储多出2倍，而调整hash-max-ziplist-value 64之后内存升高为252.95M。因为json的chinese_url属性长度是51，调整配置后hash类型外部编码方式变为ziplist，相比字符串在内存应用上至多持平且反对属性的局部操作。
intset编码：intset编码是汇合（set）类型编码的一种，外部体现为存储有序、不反复的整数集。当汇合只蕴含整数且长度不超过set-max-intset-entries配置时被启用。

typedef struct intset {uint32_t encoding;uint32_t length;int8_t contents[];} intset;

代码-3 intset构造

encoding：整数示意类型，依据汇合内最长整数值确定类型，整数类型划分为三种：int-16、int-32、int-64。intset保留的整数类型依据长度划分，当保留的整数超出以后类型时，将会触发主动降级操作且降级后不再做回退。降级操作将会导致从新申请内存空间，把原有数据按转换类型后拷贝到新数组。
应用intset编码的汇合时，尽量放弃整数范畴统一，如都在int-16范畴内。避免个别大整数触发汇合降级操作，产生内存节约。

控制键的数量

通过在客户端预估键规模，把大量键分组映射到多个hash构造中升高键的数量。简略的说就是复用key前缀。

总结

内存是绝对贵重的资源，通过正当的优化能够无效地升高内存的使用量，内存优化的思路包含：

1. 精简键值对大小，键值字面量精简，应用高效二进制序列化工具。
2. 应用对象共享池优化小整数对象。
3. 数据优先应用整数，比字符串类型更节俭空间。
4. 优化字符串应用，防止预调配造成的内存节约。
5. 应用ziplist压缩编码优化hash、list等构造，重视效率和空间的均衡。
6. 应用intset编码优化整数汇合。
7. 应用ziplist编码的hash构造升高小对象链规模。

reference

Redis官网

Redis开发与运维

How Twitter Uses Redis To Scale - 105TB RAM, 39MM QPS, 10,000+ Instances

Latency Numbers Every Programmer Should Know