歡迎光臨
每天分享高質量文章

Redis查漏補缺:最易錯過的技術要點大掃盲|文末簽到福利

本文圍繞以下幾點進行闡述:

1、為什麼使用Redis

2、使用Redis有什麼缺點

3、單執行緒的Redis為什麼這麼快

4、Redis的資料型別,以及每種資料型別的使用場景

5、Redis的過期策略以及記憶體淘汰機制

6、Redis和資料庫雙寫一致性問題

7、如何應對快取穿透和快取雪崩問題

8、如何解決Redis的併發競爭問題

一、為什麼使用Redis

筆者認為,在專案中使用Redis,主要是從兩個角度去考慮:性能和併發。當然,Redis還具備可做分佈式鎖等功能的其它功能,但如果只是為了分佈式鎖這些其它功能,完全還有其它中間件(如Zookpeer等)可以代替,並不是非要使用Redis。

因此,這個問題主要從性能和併發兩個角度去答:

1、性能

如下圖所示,我們在碰到需要執行耗時特別久、且結果不頻繁變動的SQL時,就特別適合將運行結果放入快取。這樣,後面的請求就去快取中讀取,使得請求能夠迅速響應。

題外話:忽然想聊一下這個迅速響應的標準——其實根據交互效果的不同,這個響應時間沒有固定標準。不過曾經有人這麼告訴我:“在理想狀態下,我們的頁面跳轉需要在瞬間解決,對於頁內操作則需要在剎那間解決。另外,超過一彈指的耗時操作要有進度提示,並且可以隨時中止或取消,這樣才能給用戶最好的體驗。”

那麼瞬間、剎那、一彈指具體是多少時間呢?

根據《摩訶僧祗律》記載:一剎那者為一念,二十念為一瞬,二十瞬為一彈指,二十彈指為一羅預,二十羅預為一須臾,一日一夜有三十須臾。

那麼,經過周密的計算,一瞬間為0.36秒,一剎那有0.018秒,一彈指長達7.2秒。

2、併發

如下圖所示,在大併發的情況下,所有的請求直接訪問資料庫,資料庫會出現連接異常。這個時候,就需要使用Redis做一個緩衝操作,讓請求先訪問到Redis,而不是直接訪問資料庫。

二、使用Redis有什麼缺點

大家用Redis這麼久,這個問題是必須要瞭解的,基本上使用Redis都會碰到一些問題,常見的主要是四方面的問題:

1、快取和資料庫雙寫一致性問題

2、快取雪崩問題

3、快取擊穿問題

4、快取的併發競爭問題

這四個問題,筆者個人覺得在專案中比較常遇見,具體解決方案,後文會給出。

三、單執行緒的Redis為什麼這麼快

這個問題其實是對Redis內部機制的一個考察。其實根據筆者的面試經驗,很多人其實都不知道Redis是單執行緒工作模型。所以,這個問題還是應該要複習一下的。主要是以下三點:

1、純記憶體操作

2、單執行緒操作,避免了頻繁的背景關係切換

3、採用了非阻塞I/O多路復用機制

我們現在仔細地說一說I/O多路復用機制,因為這個說法實在是太通俗了,通俗到一般人都不懂是什麼意思。打一個比方:小曲在S城開了一家快遞店,負責同城快送服務。小曲因為資金限制,雇佣了一批快遞員,然後小曲發現資金不夠了,只夠買一輛車送快遞。

經營方式一:

客戶每送來一份快遞,小曲就讓一個快遞員盯著,然後快遞員開車去送快遞。慢慢的小曲就發現了這種經營方式存在很多問題,幾十個快遞員基本上時間都花在了搶車上了,大部分快遞員都處在閑置狀態,誰搶到了車,誰就能去送快遞。

隨著快遞的增多,快遞員也越來越多,小曲發現快遞店里越來越擠,沒辦法雇佣新的快遞員了,快遞員之間的協調很花時間,大部分時間花在搶車上。綜合上述缺點,小曲痛定思痛,提出了下麵的經營方式↓

經營方式二:

小曲只雇佣一個快遞員,客戶送來的快遞,小曲按送達地點標註好,然後依次放在一個地方。最後,那個快遞員依次去取快遞,一次拿一個,開著車去送快遞,送好了就回來拿下一個快遞。

上述兩種經營方式對比,是不是明顯覺得第二種,效率更高、更好呢?在上述比喻中:

1、每個快遞員→每個執行緒

2、每個快遞→每個Socket(I/O流)

3、快遞的送達地點→Socket的不同狀態

4、客戶送快遞請求→來自客戶端的請求

5、小曲的經營方式→服務端運行的代碼

6、一輛車→CPU的核數

於是我們有如下結論:

1、經營方式一就是傳統的併發模型,每個I/O流(快遞)都有一個新的執行緒(快遞員)管理。

2、經營方式二就是I/O多路復用。只有單個執行緒(一個快遞員),通過跟蹤每個I/O流的狀態(每個快遞的送達地點),來管理多個I/O流。

下麵類比到真實的Redis執行緒模型,如圖所示:

參照上圖,簡單來說就是,我們的Redis-client在操作的時候,會產生具有不同事件型別的Socket。在服務端,有一段I/O多路復用程式,將其置入佇列之中。然後檔案事件分派器依次去佇列中取,轉發到不同的事件處理器中。

需要說明的是,這個I/O多路復用機制,Redis還提供了Select、Epoll、Evport、Kqueue等多路復用函式庫,大家可以自行去瞭解。

四、Redis的資料型別及各自使用場景

 

看到這個問題,是不是覺得它很基礎?其實筆者也這麼覺得。然而根據面試經驗發現,至少80%的人答不上這個問題。建議在專案中用到後,再類比記憶,體會更深,不要硬記。基本上,一個合格的程式員五種型別都會用到:

1、String

這個其實沒什麼好說的,最常規的Set/Get操作,Value可以是String也可以是數字,一般做一些複雜的計數功能的快取。

2、Hash

這裡Value存放的是結構化的物件,比較方便的就是操作其中的某個欄位。筆者在做單點登錄的時候,就是用這種資料結構儲存用戶信息,以CookieId作為Key,設置30分鐘為快取過期時間,能很好地模擬出類似Session的效果。

3、List

使用List的資料結構,可以做簡單的訊息佇列的功能。另外還有一個就是,可以利用Lrange命令,做基於Redis的分頁功能,性能極佳,用戶體驗好。

4、Set

因為Set堆放的是一堆不重覆值的集合,所以可以做全域性去重的功能。

為什麼不用JVM自帶的Set進行去重?因為我們的系統一般都是集群部署,使用JVM自帶的Set比較麻煩,難道為了做一個全域性去重,再起一個公共服務?太麻煩了。

另外,就是利用交集、並集、差集等操作,可以計算共同喜好、全部的喜好、自己獨有的喜好等功能。

5、Sorted Set

Sorted Set多了一個權重引數Score,集合中的元素能夠按Score進行排列。可以做排行榜應用,取TOP N操作。另外,Sorted Set還可以用來做延時任務。最後一個應用就是可以做範圍查找。

五、Redis的過期策略及記憶體淘汰機制

這個問題其實相當重要,從這個問題就可以看出來到底Redis有沒有用到位。比如,你Redis只能存5G資料,可是你寫了10G,那會刪5G的資料。怎麼刪的?這個問題思考過麽?還有,你的資料已經設置了過期時間,但是時間到了,記憶體占用率還是比較高,有思考過原因麽?

Redis採用的是定期刪除+惰性刪除策略。

為什麼不用定時刪除策略?

定時刪除,用一個定時器來負責監視Key,過期則自動刪除。雖然記憶體及時釋放,但是十分消耗CPU資源。在大併發請求下,CPU要將時間應用在處理請求,而不是刪除Key,因此沒有採用這一策略。

定期刪除+惰性刪除是如何工作的呢?

定期刪除,Redis預設每個100ms檢查是否有過期的Key,有過期Key則刪除。需要說明的是,Redis不是每個100ms將所有的Key檢查一次,而是隨機抽取進行檢查(如果每隔100ms,全部Key進行檢查,Redis豈不是卡死)。因此,如果只採用定期刪除策略,會導致很多Key到時間沒有刪除。

於是,惰性刪除派上用場。也就是說在你獲取某個Key的時候,Redis會檢查一下,這個Key如果設置了過期時間,那麼是否過期了?如果過期了此時就會刪除。

採用定期刪除+惰性刪除就沒其他問題了麽?

不是的,如果定期刪除沒刪除Key。然後你也沒及時去請求Key,也就是說惰性刪除也沒生效。這樣,Redis的記憶體會越來越高,那麼就應該採用記憶體淘汰機制。

在Redis.conf中有一行配置:

# maxmemory-policy volatile-lru

該配置就是配記憶體淘汰策略的:

Noeviction:當記憶體不足以容納新寫入資料時,新寫入操作會報錯。應該沒人使用吧;

Allkeys-lru:當記憶體不足以容納新寫入資料時,在鍵空間中,移除最近最少使用的Key。推薦使用,目前專案在用這種;

Allkeys-random:當記憶體不足以容納新寫入資料時,在鍵空間中,隨機移除某個key,應該也沒人使用吧;

Volatile-lru:當記憶體不足以容納新寫入資料時,在設置了過期時間的鍵空間中,移除最近最少使用的Key。這種情況一般是把Redis既當快取又做持久化儲存的時候才用。不推薦;

Volatile-random:當記憶體不足以容納新寫入資料時,在設置了過期時間的鍵空間中,隨機移除某個Key。依然不推薦;

Volatile-ttl:當記憶體不足以容納新寫入資料時,在設置了過期時間的鍵空間中,有更早過期時間的Key優先移除。不推薦。

PS:如果沒有設置Expire的Key,不滿足先決條件(Prerequisites);那麼Volatile-lru、Volatile-random和Volatile-ttl策略的行為,和Noeviction(不刪除)基本上一致。

六、Redis和資料庫雙寫一致性問題

一致性問題是分佈式常見問題,還可以再分為最終一致性和強一致性。資料庫和快取雙寫,就必然會存在不一致的問題,想要回答這個問題,就要先明白一個前提:如果對資料有強一致性要求,就不能放快取。我們所做的一切,只能保證最終一致性。

另外,我們所做的方案其實從根本上來說,只能說降低不一致發生的概率,無法完全避免。因此,有強一致性要求的資料不能放快取。

《分佈式資料庫與快取雙寫一致性方案解疑》

給出了詳細的分析,在這裡簡單地說一說:首先,採取正確更新策略,先更新資料庫,再刪快取;其次,因為可能存在刪除快取失敗的問題,提供一個補償措施即可,例如利用訊息佇列。

七、應對快取穿透和快取雪崩問題

關於“如何應對快取穿透和快取雪崩”這兩個問題,說句實在話,一般中小型傳統軟體企業很難碰到。如果有大併發的專案,流量有幾百萬左右,這兩個問題一定要深刻考慮:

1、應對快取穿透

快取穿透,即黑客故意去請求快取中不存在的資料,導致所有的請求都懟到資料庫上,從而資料庫連接異常。

解決方案:

利用互斥鎖,快取失效的時候,先去獲得鎖,得到鎖了,再去請求資料庫,沒得到鎖,則休眠一段時間重試;

1、採用異步更新策略,無論Key是否取到值,都直接傳回。Value值中維護一個快取失效時間,快取如果過期,異步起一個執行緒去讀資料庫,更新快取,需要做快取預熱(專案啟動前,先加載快取)操作;

2、提供一個能迅速判斷請求是否有效的攔截機制,比如利用布隆過濾器,內部維護一系列合法有效的Key,迅速判斷出,請求所攜帶的Key是否合法有效,如果不合法,則直接傳回。

2、應對快取雪崩

快取雪崩,即快取同一時間大面積的失效,這個時候又來了一波請求,結果請求都懟到資料庫上,從而導致資料庫連接異常。

解決方案:

1、給快取的失效時間加上一個隨機值,避免集體失效;

2、使用互斥鎖,但是該方案吞吐量明顯下降了;

3、雙快取。我們有兩個快取,快取A和快取B。快取A的失效時間為20分鐘,快取B不設失效時間,自己做快取預熱操作。

然後細分以下幾個小點:

a. 從快取A讀資料庫,有則直接傳回;

b. A 沒有資料,直接從B讀資料,直接傳回,並且異步啟動一個更新執行緒;

c. 更新執行緒同時更新快取A和快取B。

八、如何解決Redis併發競爭Key問題

這個問題大致就是同時有多個子系統去Set一個Key。這個時候要註意什麼呢?本人提前百度了一下,發現大家思考的答案基本都是推薦用Redis事務機制。但本人不推薦使用Redis的事務機制。因為我們的生產環境,基本都是Redis集群環境,做了資料分片操作。你一個事務中有涉及到多個Key操作的時候,這多個Key不一定都儲存在同一個Redis-Server上。因此,Redis的事務機制,十分雞肋。

解決方法如下:

如果對這個Key操作不要求順序

這種情況下,準備一個分佈式鎖,大家去搶鎖,搶到鎖就做Set操作即可,比較簡單。

如果對這個Key操作要求順序

假設有一個Key1,系統A需要將Key1設置為ValueA,系統B需要將Key1設置為ValueB,系統C需要將Key1設置為ValueC。期望按照Key1的Value值按照 ValueA→ValueB→ValueC的順序變化。這種時候我們在資料寫入資料庫的時候,需要儲存一個時間戳。假設時間戳如下:

1、系統A Key 1 {ValueA  3:00}

2、系統B Key 1 {ValueB  3:05}

3、系統C Key 1 {ValueC  3:10}

那麼,假設這會系統B先搶到鎖,將Key1設置為{ValueB 3:05}。接下來系統A搶到鎖,發現自己的ValueA的時間戳早於快取中的時間戳,那就不做Set操作了。以此類推。

其他方法,比如利用佇列,將Set方法變成串行訪問也可以。總之,靈活變通。

九、總結

本文對Redis的常見問題做了一個總結。大部分是筆者自己在工作中遇到,以及以前面試別人的時候常問的一些問題,希望大家能夠有所收穫。

赞(0)

分享創造快樂