• 首页
  • 新闻中心
  • 支持与服务
  • 支持与服务

    你的位置:恒大化工 > 支持与服务 >

    一文了解大数据下 Redis 的应用

    发布日期:2022-08-03 16:27    点击次数:121

     

    大数据下Redis的应用 1、Redis客户端区别 1.1 redis常用客户端

    目前市面上比较流行的客户端有jedis、lettuce、redisson

    jedis

    jedis客户端连接方式是基于TCP阻塞方式

    lettuce

    lettuce内部是基于netty的多路复用异步非阻塞方式(目前业界解决高并发大数据的问题的思路)

    redisson

    相对于上面两种使用得较少

    在并发数量不大的情况下,两者性能可能差不多,jedis的性能可能还优于lettuce,但当并发量的提升,jedis的超时错误会增加,但lettuce只是平均响应时间增加和最大响应时间会增加,lettuce是已稳定性为主的。

    1.2 epoll模型-单线程的redis为什么快

    redis内部使用epoll模型来提高链接处理能力

    传统TCP链接与epoll模型的本质区别

    TCP链接存在链接数瓶颈,随着连接数的增加,响应速度会明显变慢

    epoll可支持更大数量的连接数而不会对性能有明显的影响

    2、大数据下的redis的存储方案 2.1 分片模式

    分片模式是把部署多个redis节点,然后由客户端决定数据分片规则,常见的分片规则就是以节点数量进行哈希分片

    优点:

    服务端不需要进行繁琐的配置,由客户端决定路由规则

    缺点:

    缺点很明显,如果多个节点中的某个节点挂了,将丢失这一部分数据,因为客户端还是为每个节点分配了连接,而且客户端配置分片节点IP的时候要注意

    IP列表的顺序不能随意指定顺序,IP变更也会影响数据,扩容相当麻烦。

    建议:如果分片节点较少可以使用分片来适当的分摊压力

    配置示例:

    spring :            remote :       ecredis :         type : sharding         uri :                    - 192.168.1.3:6379                    - 192.168.1.4:6379                    - 192.168.1.5:6379                    - 192.168.1.6:6379                    - 192.168.1.7:6379         db : 1         maxIdle : 10         minIdle : 5         maxActive : 10         password : GpG4fZoxsp7cTB5f         keyPrefix : 'ERP:EXPORT-CENTER:' 
    2.2 哨兵机制

    在Redis 2.8版本开始引入,就有了哨兵这个概念,哨兵实现了自动化的故障恢复,无需关心IP是否变更。

    优点:

    哨兵模式是基于主从模式的,所有主从的优点,哨兵模式都具有。

    主从可以自动切换,系统更健壮,可用性更高。

    Sentinel 会不断的检查 主服务器 和 从服务器 是否正常运行。当被监控的某个 Redis 服务器出现问题,Sentinel 通过API脚本向管理员或者其他的应用程序发送通知。

      缺点:

    Redis较难支持在线扩容,对于集群,容量达到上限时在线扩容会变得很复杂。

    spring :   redis :     password : 123456     sentinel :       master : master       nodes : 47.98.217.106:26379,47.98.217.109:26380,47.98.217.109:26381     timeout : 20000     database : 0     jedis :       pool :         max-active : 300         max-wait : -1         max-idle : 100         min-idle : 20 
    2.3 redis cluster集群

    通过数据分片的方式来进行数据共享问题,同时提供数据复制和故障转移功能,包含了哨兵模式的所有功能。

    优点:数据按slot来分散存储,访问任何一个master节点都可以获取任何分片上面的数据,任何一个master节点都可以做扩容或者新增master节点的时候,数据会自动分片同步迁移(redis集群的重新分片由redis内部的redis-trib负责执行),服务器不需要下线。如果每个master使用了主从模式,那么当master发生故障的时候,下面的slave们会选举一个新的master

    缺点:需要使用ruby进行部署,配置相当麻烦,维护不方便

    配置示例:

    spring :   redis :     password :     cluster :       nodes : 192.168.1.3:6379,192.168.1.4:6379,192.168.1.5:6379       max-redirects : 3     lettuce :       pool :         max-idle : 16         max-active : 32         min-idle : 8 
    2.4 cachecloud

    cachecloud是一套解决方案,实现多种类型(Redis Standalone、Redis Sentinel、Redis Cluster)自动部署、解决Redis实例碎片化现象、提供完善统计、监控、运维功能、减少运维成本和误操作,提高机器的利用率,提供灵活的伸缩

    优点:

    使配置更简单, 朴信惠集群节点不再由客户端维护,配置一个domain即可自动获取节点列表

    配置示例:

    spring :            domain : cachecloud.server1.com:8080            remote :       ecredis :                  appid : 2         type : cloud         uri :         db : 1         maxIdle : 10         minIdle : 5         maxActive : 10         password : GpG4fZoxsp7cTB5f         keyPrefix : 'ERP:EXPORT-CENTER:' 

    应用案例:

    2.5 redis存储方案选型

    吞吐量数据量较少、数据安全性不高:单机模式或者分片模式

    吞吐量数据量较大、数据安全性较高:哨兵模式、集群模式

    吞吐量数据量大、数据安全性高、扩展性强:集群模式

    3、性能优化 3.1 日志优化

    Redis日志存储模式分为两种:RDB和AOF,RDB为实时写入磁盘,AOF为延迟批量写入磁盘

    RDB模式:

    优点:实时存储日志,在数据恢复方面更有优势

    缺点:磁盘IO比较频繁,会影响redis的吞吐能力

    AOF模式:

    优点:定时批量刷新日志到磁盘,适合高吞吐的场景,对redis性能影响较小

    缺点:如果某一个时刻redis发生故障,可能会丢失内存中的数据,故障恢复的时候恢复不了这部分数据

    模式选择:

    如果吞吐量较小,使用RDB即可,吞吐量较大,可以选择AOF来提高性能,两种方式根据具体场景来选择

    AOF配置:

    appendonly yes #aof文件名设置 appendfilename "appendonly-${port}.aof" #配置选择 appendfsync everysec dir /bigdiskpath #不开启aof重写,因为太消耗性能 no-appendfsync-on-rewrite yes 

    AOF重写:分析当前redis中key对应的值来优化指令,来减少磁盘空间和压力,但因为需要判断合并逻辑,会有很大的性能开销,一般不开启aof重写

    # 假设服务器对键list执行了以下命令; 127.0.0.1:6379> RPUSH list "A" "B" (integer) 2 127.0.0.1:6379> RPUSH list "C" (integer) 3 127.0.0.1:6379> RPUSH list "D" "E" (integer) 5 127.0.0.1:6379> LPOP list "A" 127.0.0.1:6379> LPOP list "B" 127.0.0.1:6379> RPUSH list "F" "G" (integer) 5 127.0.0.1:6379> LRANGE list 0 -1 1) "C" 2) "D" 3) "E" 4) "F" 5) "G" 127.0.0.1:6379> 

    正常AOF会把前面的6条写入命令都存入日志中,AOF重写会先去redis获取list的值,发现是["C","D","E","F","G"],然后生成一条 RPUSH list "C" "D" "E" "F" "G" 来代替前面6条

    3.2 缓存更新策略

    redis默认情况下就是使用LRU策略的,因为内存是有限的,但是如果你不断地往redis里面写入数据,那肯定是没法存放下所有的数据在内存的

    (1)noeviction: 如果内存使用达到了maxmemory,client还要继续写入数据,那么就直接报错给客户端

    (2)allkeys-lru: 就是我们常说的LRU算法,移除掉最近最少使用的那些keys对应的数据(最常用的)

    (3)volatile-lru: 也是采取LRU算法,但是仅仅针对那些设置了指定存活时间(TTL)的key才会清理掉

    (4)allkeys-random: 随机选择一些key来删除掉

    (5)volatile-random: 随机选择一些设置了TTL的key来删除掉

    (6)volatile-ttl: 移除掉部分keys,选择那些TTL时间比较短的keys

    除了LRU,还可以使用scan的方式进行轮询ttl的方式清理

    3.3 代码中使用redis的一些建议

    避免使用keys *这种模糊查询,会阻塞当前线程,使用scan的方式去处理,redis客户端建议不要使用redis desktop manager

    String cursor = ScanParams . SCAN_POINTER_START ; ScanParams scanParams = new ScanParams (); // 匹配表达式 scanParams . match ( "key*" ); // 每次scan的条数 scanParams . count ( 1000 ); while ( true ) {            ScanResult << span=""> String > result = jedis . scan ( cursor , scanParams );            cursor = result . getStringCursor ();            if ( "0" . equals ( cursor )) {                       break ;            } } 

    hgetall也应该避免使用,使用hscan代替,但如果通过RedisTemplate回调的方式使用hscan应该注意资源的释放,否则会出现请求到达一定次数的时候就不能发起请求的问题(客户端hang住了)

    如果set的时候同时设置expire过期时间,不要先set再expire这种方式,应该使用原子操作

    set key value [EX seconds] [PX milliseconds] [NX|XX] 

    对于同一个需求多次改版redis中写入不同格式的数据,会产生兼容性问题,可以使用type命令去处理兼容,然后监控等老数据不存在之后再把判断逻辑移除

    String type = jedis . type ( "a" ); if ( "string" . equalsIgnoreCase ( type )) {   // do something } else if ( "list" . equalsIgnoreCase ( type )) {   // do something } 

    如果redis中的数据需要做去重,可以使用set或hashmap,hashmap性能更高,但对于维护hashmap数据结构之外的数据比较多,之前测试过,100B的数据存放到hashmap,但实际占用量可能有200B~300B甚至更多,set对于数据多的情况下性能会低一点

    建议:数据少的情况下用set,数据多就用hashmap,但要注意尽量减少存储内容的长度,比如{"source":"order"}可以改成{"s":1}

    去重操作不建议使用list,因为每次判断都要从list中取数据然后再add进去,多线程操作下还是可能会出现重复问题(比如两个线程同时lrange操作)

    // 在多线程模式下会有问题 // 假设线程A和线程B同时执行lrange List << span=""> String > list = jedis . lrange ( "a" , 0 , - 1 ); if (! list . contains ( "bbb" )) {                       jedis . lpush ( "bbb" ); } 

    如果一次处理的命令很多,使用pipeline性能更好

    list可以结合lpush/rpop、rpush/lpop来实现队列功能,但不建议把list当成是MQ的功能,因为没有记录的状态,无法跟踪数据处理情况

    关于redis分布式锁,目前流行的实现方式还没有完美的方案,使用lua脚本的版本也不是完美的,如果需求允许延时或者一定时间内不允许执行多次,setnx设置过期时间是最好的方案

    4、故障转移与数据迁移 4.1 数据迁移方案

    老节点替换为新节点、新老key兼容处理

    将新节点作为老节点的slave节点,等数据自动同步完成之后下架老节点,不建议使用代码迁移,因为不同业务数据结构可能很多

    不同类型的节点之间迁移的方法不同,如果单节点迁移至分片集群只能借助迁移工具来完成

    如果新业务将使用新的key,要保留旧key,可以开启两个连接池,一个处理新key,一个处理旧key,这样等旧key都失效的时候移除对旧key的连接就可以完全迁移到新key业务

    动态扩容

    必须在集群模式下才可以进行动态扩容,也可以使用cachecloud,数据会自动同步到各个节点

    在数据迁移的过程中即使访问的某个key正在迁移,数据也是可以正常返回的,不用担心迁移过程会对数据访问造成影响

    4.2 故障转移对于客户端的影响

    redis集群模式虽然可以在某个master节点发生故障的时候自动从slave中选举节点当master,但类似jedis的客户端并不支持故障转移,也就是当集群某节点发生故障正在切换的时候,客户端如果正在访问故障节点,这时集群故障转移还没有完成,客户端会报错,如果需要让客户端也支持故障转移,需要修改jedis客户端源码来实现。