加餐(六)-Redis的使用规范小建议
你好,我是蒋德钧。
今天的加餐,我们来聊一个轻松点儿的话题,我来给你介绍一下Redis的使用规范,包括键值对使用、业务数据保存和命令使用规范。
毕竟,高性能和节省内存,是我们的两个目标,只有规范地使用Redis,才能真正实现这两个目标。如果说之前的内容教会了你怎么用,那么今天的内容,就是帮助你用好Redis,尽量不出错。
好了,话不多说,我们来看下键值对的使用规范。
键值对使用规范
关于键值对的使用规范,我主要想和你说两个方面:
- key的命名规范,只有命名规范,才能提供可读性强、可维护性好的key,方便日常管理;
- value的设计规范,包括避免bigkey、选择高效序列化方法和压缩方法、使用整数对象共享池、数据类型选择。
规范一:key的命名规范
一个Redis实例默认可以支持16个数据库,我们可以把不同的业务数据分散保存到不同的数据库中。
但是,在使用不同数据库时,客户端需要使用SELECT命令进行数据库切换,相当于增加了一个额外的操作。
其实,我们可以通过合理命名key,减少这个操作。具体的做法是,把业务名作为前缀,然后用冒号分隔,再加上具体的业务数据名。这样一来,我们可以通过key的前缀区分不同的业务数据,就不用在多个数据库间来回切换了。
我给你举个简单的小例子,看看具体怎么命名key。
比如说,如果我们要统计网页的独立访客量,就可以用下面的代码设置key,这就表示,这个数据对应的业务是统计unique visitor(独立访客量),而且对应的页面编号是1024。
这里有一个地方需要注意一下。key本身是字符串,底层的数据结构是SDS。SDS结构中会包含字符串长度、分配空间大小等元数据信息。从Redis 3.2版本开始,当key字符串的长度增加时,SDS中的元数据也会占用更多内存空间。
所以,我们在设置key的名称时,要注意控制key的长度。否则,如果key很长的话,就会消耗较多内存空间,而且,SDS元数据也会额外消耗一定的内存空间。
SDS结构中的字符串长度和元数据大小的对应关系如下表所示:
为了减少key占用的内存空间,我给你一个小建议:对于业务名或业务数据名,可以使用相应的英文单词的首字母表示,(比如user用u表示,message用m),或者是用缩写表示(例如unique visitor使用uv)。
规范二:避免使用bigkey
Redis是使用单线程读写数据,bigkey的读写操作会阻塞线程,降低Redis的处理效率。所以,在应用Redis时,关于value的设计规范,非常重要的一点就是避免bigkey。
bigkey通常有两种情况。
- 情况一:键值对的值大小本身就很大,例如value为1MB的String类型数据。为了避免String类型的bigkey,在业务层,我们要尽量把String类型的数据大小控制在10KB以下。
- 情况二:键值对的值是集合类型,集合元素个数非常多,例如包含100万个元素的Hash集合类型数据。为了避免集合类型的bigkey,我给你的设计规范建议是,尽量把集合类型的元素个数控制在1万以下。
当然,这些建议只是为了尽量避免bigkey,如果业务层的String类型数据确实很大,我们还可以通过数据压缩来减小数据大小;如果集合类型的元素的确很多,我们可以将一个大集合拆分成多个小集合来保存。
这里,还有个地方需要注意下,Redis的4种集合类型List、Hash、Set和Sorted Set,在集合元素个数小于一定的阈值时,会使用内存紧凑型的底层数据结构进行保存,从而节省内存。例如,假设Hash集合的hash-max-ziplist-entries配置项是1000,如果Hash集合元素个数不超过1000,就会使用ziplist保存数据。
紧凑型数据结构虽然可以节省内存,但是会在一定程度上导致数据的读写性能下降。所以,如果业务应用更加需要保持高性能访问,而不是节省内存的话,在不会导致bigkey的前提下,你就不用刻意控制集合元素个数了。
规范三:使用高效序列化方法和压缩方法
为了节省内存,除了采用紧凑型数据结构以外,我们还可以遵循两个使用规范,分别是使用高效的序列化方法和压缩方法,这样可以减少value的大小。
Redis中的字符串都是使用二进制安全的字节数组来保存的,所以,我们可以把业务数据序列化成二进制数据写入到Redis中。
但是,不同的序列化方法,在序列化速度和数据序列化后的占用内存空间这两个方面,效果是不一样的。比如说,protostuff和kryo这两种序列化方法,就要比Java内置的序列化方法(java-build-in-serializer)效率更高。
此外,业务应用有时会使用字符串形式的XML和JSON格式保存数据。
这样做的好处是,这两种格式的可读性好,便于调试,不同的开发语言都支持这两种格式的解析。
缺点在于,XML和JSON格式的数据占用的内存空间比较大。为了避免数据占用过大的内存空间,我建议使用压缩工具(例如snappy或gzip),把数据压缩后再写入Redis,这样就可以节省内存空间了。
规范四:使用整数对象共享池
整数是常用的数据类型,Redis内部维护了0到9999这1万个整数对象,并把这些整数作为一个共享池使用。
换句话说,如果一个键值对中有0到9999范围的整数,Redis就不会为这个键值对专门创建整数对象了,而是会复用共享池中的整数对象。
这样一来,即使大量键值对保存了0到9999范围内的整数,在Redis实例中,其实只保存了一份整数对象,可以节省内存空间。
基于这个特点,我建议你,在满足业务数据需求的前提下,能用整数时就尽量用整数,这样可以节省实例内存。
那什么时候不能用整数对象共享池呢?主要有两种情况。
第一种情况是,如果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法使用了。这是因为,LRU策略需要统计每个键值对的使用时间,如果不同的键值对都共享使用一个整数对象,LRU策略就无法进行统计了。
第二种情况是,如果集合类型数据采用ziplist编码,而集合元素是整数,这个时候,也不能使用共享池。因为ziplist使用了紧凑型内存结构,判断整数对象的共享情况效率低。
好了,到这里,我们了解了和键值对使用相关的四种规范,遵循这四种规范,最直接的好处就是可以节省内存空间。接下来,我们再来了解下,在实际保存数据时,该遵循哪些规范。
数据保存规范
规范一:使用Redis保存热数据
为了提供高性能访问,Redis是把所有数据保存到内存中的。
虽然Redis支持使用RDB快照和AOF日志持久化保存数据,但是,这两个机制都是用来提供数据可靠性保证的,并不是用来扩充数据容量的。而且,内存成本本身就比较高,如果把业务数据都保存在Redis中,会带来较大的内存成本压力。
所以,一般来说,在实际应用Redis时,我们会更多地把它作为缓存保存热数据,这样既可以充分利用Redis的高性能特性,还可以把宝贵的内存资源用在服务热数据上,就是俗话说的“好钢用在刀刃上”。
规范二:不同的业务数据分实例存储
虽然我们可以使用key的前缀把不同业务的数据区分开,但是,如果所有业务的数据量都很大,而且访问特征也不一样,我们把这些数据保存在同一个实例上时,这些数据的操作就会相互干扰。
你可以想象这样一个场景:假如数据采集业务使用Redis保存数据时,以写操作为主,而用户统计业务使用Redis时,是以读查询为主,如果这两个业务数据混在一起保存,读写操作相互干扰,肯定会导致业务响应变慢。
那么,我建议你把不同的业务数据放到不同的 Redis 实例中。这样一来,既可以避免单实例的内存使用量过大,也可以避免不同业务的操作相互干扰。
规范三:在数据保存时,要设置过期时间
对于Redis来说,内存是非常宝贵的资源,而且,Redis通常用于保存热数据。热数据一般都有使用的时效性。
所以,在数据保存时,我建议你根据业务使用数据的时长,设置数据的过期时间。不然的话,写入Redis的数据会一直占用内存,如果数据持续增多,就可能达到机器的内存上限,造成内存溢出,导致服务崩溃。
规范四:控制Redis实例的容量
Redis单实例的内存大小都不要太大,根据我自己的经验值,建议你设置在 2~6GB 。这样一来,无论是RDB快照,还是主从集群进行数据同步,都能很快完成,不会阻塞正常请求的处理。
命令使用规范
最后,我们再来看下在使用Redis命令时要遵守什么规范。
规范一:线上禁用部分命令
Redis 是单线程处理请求操作,如果我们执行一些涉及大量操作、耗时长的命令,就会严重阻塞主线程,导致其它请求无法得到正常处理,这类命令主要有3种。
- KEYS,按照键值对的key内容进行匹配,返回符合匹配条件的键值对,该命令需要对Redis的全局哈希表进行全表扫描,严重阻塞Redis主线程;
- FLUSHALL,删除Redis实例上的所有数据,如果数据量很大,会严重阻塞Redis主线程;
- FLUSHDB,删除当前数据库中的数据,如果数据量很大,同样会阻塞Redis主线程。
所以,我们在线上应用Redis时,就需要禁用这些命令。具体的做法是,管理员用rename-command命令在配置文件中对这些命令进行重命名,让客户端无法使用这些命令。
当然,你还可以使用其它命令替代这3个命令。
- 对于KEYS命令来说,你可以用SCAN命令代替KEYS命令,分批返回符合条件的键值对,避免造成主线程阻塞;
- 对于FLUSHALL、FLUSHDB命令来说,你可以加上ASYNC选项,让这两个命令使用后台线程异步删除数据,可以避免阻塞主线程。
规范二:慎用MONITOR命令
Redis的MONITOR命令在执行后,会持续输出监测到的各个命令操作,所以,我们通常会用MONITOR命令返回的结果,检查命令的执行情况。
但是,MONITOR命令会把监控到的内容持续写入输出缓冲区。如果线上命令的操作很多,输出缓冲区很快就会溢出了,这就会对Redis性能造成影响,甚至引起服务崩溃。
所以,除非十分需要监测某些命令的执行(例如,Redis性能突然变慢,我们想查看下客户端执行了哪些命令),你可以偶尔在短时间内使用下MONITOR命令,否则,我建议你不要使用MONITOR命令。
规范三:慎用全量操作命令
对于集合类型的数据来说,如果想要获得集合中的所有元素,一般不建议使用全量操作的命令(例如Hash类型的HGETALL、Set类型的SMEMBERS)。这些操作会对Hash和Set类型的底层数据结构进行全量扫描,如果集合类型数据较多的话,就会阻塞Redis主线程。
如果想要获得集合类型的全量数据,我给你三个小建议。
- 第一个建议是,你可以使用SSCAN、HSCAN命令分批返回集合中的数据,减少对主线程的阻塞。
- 第二个建议是,你可以化整为零,把一个大的Hash集合拆分成多个小的Hash集合。这个操作对应到业务层,就是对业务数据进行拆分,按照时间、地域、用户ID等属性把一个大集合的业务数据拆分成多个小集合数据。例如,当你统计用户的访问情况时,就可以按照天的粒度,把每天的数据作为一个Hash集合。
- 最后一个建议是,如果集合类型保存的是业务数据的多个属性,而每次查询时,也需要返回这些属性,那么,你可以使用String类型,将这些属性序列化后保存,每次直接返回String数据就行,不用再对集合类型做全量扫描了。
小结
这节课,我围绕Redis应用时的高性能访问和节省内存空间这两个目标,分别在键值对使用、命令使用和数据保存三方面向你介绍了11个规范。
我按照强制、推荐、建议这三个类别,把这些规范分了下类,如下表所示:
我来解释一下这3个类别的规范。
- 强制类别的规范:这表示,如果不按照规范内容来执行,就会给Redis的应用带来极大的负面影响,例如性能受损。
- 推荐类别的规范:这个规范的内容能有效提升性能、节省内存空间,或者是增加开发和运维的便捷性,你可以直接应用到实践中。
- 建议类别的规范:这类规范内容和实际业务应用相关,我只是从我的经历或经验给你一个建议,你需要结合自己的业务场景参考使用。
我再多说一句,你一定要熟练掌握这些使用规范,并且真正地把它们应用到你的Redis使用场景中,提高Redis的使用效率。
每课一问
按照惯例,我给你提个小问题,你在日常应用Redis时,有遵循过什么好的使用规范吗?
欢迎在留言区分享一下你常用的使用规范,我们一起交流讨论。如果你觉得今天的内容对你有所帮助,也欢迎你分享给你的朋友或同事。我们下节课见。
精选留言:
- Kaito 2020-11-18 19:39:09
我总结的 Redis 使用规范分为两大方面,主要包括业务层面和运维层面。
业务层面主要面向的业务开发人员:
1、key 的长度尽量短,节省内存空间
2、避免 bigkey,防止阻塞主线程
3、4.0+版本建议开启 lazy-free
4、把 Redis 当作缓存使用,设置过期时间
5、不使用复杂度过高的命令,例如SORT、SINTER、SINTERSTORE、ZUNIONSTORE、ZINTERSTORE
6、查询数据尽量不一次性查询全量,写入大量数据建议分多批写入
7、批量操作建议 MGET/MSET 替代 GET/SET,HMGET/HMSET 替代 HGET/HSET
8、禁止使用 KEYS/FLUSHALL/FLUSHDB 命令
9、避免集中过期 key
10、根据业务场景选择合适的淘汰策略
11、使用连接池操作 Redis,并设置合理的参数,避免短连接
12、只使用 db0,减少 SELECT 命令的消耗
13、读请求量很大时,建议读写分离,写请求量很大,建议使用切片集群
运维层面主要面向的是 DBA 运维人员:
1、按业务线部署实例,避免多个业务线混合部署,出问题影响其他业务
2、保证机器有足够的 CPU、内存、带宽、磁盘资源
3、建议部署主从集群,并分布在不同机器上,slave 设置为 readonly
4、主从节点所部署的机器各自独立,尽量避免交叉部署,对从节点做维护时,不会影响到主节点
5、推荐部署哨兵集群实现故障自动切换,哨兵节点分布在不同机器上
6、提前做好容量规划,防止主从全量同步时,实例使用内存突增导致内存不足
7、做好机器 CPU、内存、带宽、磁盘监控,资源不足时及时报警,任意资源不足都会影响 Redis 性能
8、实例设置最大连接数,防止过多客户端连接导致实例负载过高,影响性能
9、单个实例内存建议控制在 10G 以下,大实例在主从全量同步、备份时有阻塞风险
10、设置合理的 slowlog 阈值,并对其进行监控,slowlog 过多需及时报警
11、设置合理的 repl-backlog,降低主从全量同步的概率
12、设置合理的 slave client-output-buffer-limit,避免主从复制中断情况发生
13、推荐在从节点上备份,不影响主节点性能
14、不开启 AOF 或开启 AOF 配置为每秒刷盘,避免磁盘 IO 拖慢 Redis 性能
15、调整 maxmemory 时,注意主从节点的调整顺序,顺序错误会导致主从数据不一致
16、对实例部署监控,采集 INFO 信息时采用长连接,避免频繁的短连接
17、做好实例运行时监控,重点关注 expired_keys、evicted_keys、latest_fork_usec,这些指标短时突增可能会有阻塞风险
18、扫描线上实例时,记得设置休眠时间,避免过高 OPS 产生性能抖动 [11赞]
- zhou 2020-11-18 08:32:07
还有一个规范:不要把 Redis 当数据库使用 [3赞]
- 独自等待 2020-11-18 10:35:29
【在集合元素个数小于一定的阈值时,会使用内存紧凑型的底层数据结构进行保存,从而节省内存。例如,假设 Hash 集合的 hash-max-ziplist-entries 配置项是 1000,如果 Hash 集合元素个数不超过 1000,就会使用 ziplist 保存数据。紧凑型数据结构虽然可以节省内存,但是会在一定程度上导致数据的读写性能下降】
请问这个怎么理解,内存连续读写性能不应该更好吗? [1赞]
- 叶子。 2020-11-18 14:22:09
从 Redis 3.2 版本开始,当 key 字符串的长度增加时,SDS 中的元数据也会占用更多内存空间
请问这句话怎么理解,之前讲SDS的时候说的好像是 长度和实际分配长度分别占用4B?