Redis数据库简介

　　Redis简介

 

　　1.支持5种数据结构

　　支持strings, hashes, lists, sets, sorted setsstring是很好的存储方式，用来做计数存储。sets用于建立索引库非常棒。

 

　　2.K-V 存储 vs K-V 缓存

　　新浪微博目前使用的98%都是持久化的应用，2%的是缓存，用到了600+服务器Redis中持久化的应用和非持久化的方式不会差别很大：非持久化的为8-9万tps，那么持久化在7-8万tps左右;当使用持久化时，需要考虑到持久化和写性能的配比，也就是要考虑redis使用的内存大小和硬盘写的速率的比例计算。

 

　　3.社区活跃

　　Redis目前有3万多行代码, 代码写的精简，有很多巧妙的实现，作者有技术洁癖Redis的社区活跃度很高，这是衡量开源软件质量的重要指标，开源软件的初期一般都没有商业技术服务支持，如果没有活跃社区做支撑，一旦发生问题都无处求救。

 

　　Redis基本原理

 

　　Redis持久化(aof) append online file：写log(aof), 到一定程度再和内存合并. 追加再追加, 顺序写磁盘, 对性能影响非常小。

 

　　1. 单实例单进程

　　Redis使用的是单进程，所以在配置时，一个实例只会用到一个CPU。在配置时，如果需要让CPU使用率最大化，可以配置Redis实例数对应CPU数, Redis实例数对应端口数(8核Cpu, 8个实例, 8个端口), 以提高并发。单机测试时, 单条数据在200字节, 测试的结果为8~9万tps。

 

　　2. Replication

　　过程: 数据写到master-->master存储到slave的rdb中-->slave加载rdb到内存。存储点(save point): 当网络中断了, 连上之后, 继续传.Master-slave下第一次同步是全传，后面是增量同步。

 

　　3. 数据一致性

　　长期运行后多个结点之间存在不一致的可能性。开发两个工具程序：1.对于数据量大的数据，会周期性的全量检查。2.实时的检查增量数据，是否具有一致性。

　　对于主库未及时同步从库导致的不一致，称之为延时问题。对于一致性要求不是那么严格的场景，我们只需要要保证最终一致性即可。对于延时问题，需要根据业务场景特点分析，从应用层面增加策略来解决这个问题。例如，1.新注册的用户，必须先查询主库。2.注册成功之后，需要等待3s之后跳转，后台此时就是在做数据同步。

 

 

　　Redis应用

 

　　1.业务使用方式

　　hash sets: 关注列表, 粉丝列表, 双向关注列表(key-value(field), 排序)

　　string(counter): 微博数, 粉丝数,(避免了select count(*) from ...)

　　sort sets(自动排序): TopN, 热门微博等, 自动排序

　　lists(queue): push/sub提醒

　　上述四种, 从精细化控制方面，hash sets和string(counter)推荐使用, sort sets和lists(queue)不推荐使用还可通过二次开发，进行精简。比如: 存储字符改为存储整形, 16亿数据, 只需要16G内存存储类型保存在3种以内，建议不要超过3种。

　　将memcache +myaql 替换为Redis：Redis作为存储并提供查询，后台不再使用mysql，解决数据多份之间的一致性问题。

 

　　2.对大数据表的存储

　　一个库就存唯一性id和140个字;另一个库存id和用户名，发布日期、点击数等信息，用来计算、排序等，等计算出最后需要展示的数据时再到第一个库中提取微博内容。

　　改进的3个步骤:1)发现现有系统存在问题;2)发现了新东西, 怎么看怎么好, 全面转向新东西;3)理性回归, 判断哪些适合新东西, 哪些不适合, 不合适的回迁到老系统。

 

　　3.一些技巧分享

　　很多应用, 可以承受数据库连接失败, 但不能承受处理慢。一份数据, 多份索引。解决IO瓶颈的唯一途径: 用内存。在数据量变化不大的情况下，优先选用Redis数据库。

 

　　常见问题及解决办法

 

　　1.Problem: Replication中断后, 重发-->网络突发流量

　　Solution: 重写Replication代码, rdb+aof(滚动)

 

　　2.Problem: 容量问题

　　Solution: 容量规划和M/S的sharding功能增加一些配置, 分流, 比如: 四台机器，机器1处理%2=1的, 机器2处理%2=0的.低于内存的1/2使用量, 否则就扩容。我们线上96G/128G内存服务器不建议单实例容量大于20/30G。微博应用中单表数据最高的有2T的数据，不过应用起来已经有些力不从心。每个的端口不要超过20G。测试磁盘做save所需要的时间，需要多长时间能够全部写入。内存越大，写的时间也就越长。单实例内存容量较大后，直接带来的问题就是故障恢复或者Rebuild从库的时候时间较长，对于普通硬盘的加载速度而言，我们的经验一般是redis加载1G需要1分钟。Redis rewrite aof和save rdb时，将会带来非常大且长的系统压力，并占用额外内存，很可能导致系统内存不足等严重影响性能的线上故障。

　　reblance: 现有数据按照上述配置重新分发。后面使用中间层，路由HA;注：目前官方也正在做这个事，Redis Cluster，解决HA问题。

 

　　3.Problem: bgsave or bgwriteaof的冰晶问题

　　Solution: 磁盘性能规划和限制写入的速度, 比如: 规定磁盘以200M/s的速度写入, 细水长流, 即使到来大量数据. 但是要注意写入速度要满足两个客观限制:符合磁盘速度符合时间限制。

 

　　4.Problem: 运维问题

　　Inner Crontab: 能做到把Crontab迁移到Redis内部, 减少迁移时候的压力本机多端口避免同时做，做不到同一业务多端口(分布在多机上), 避免同时做。

　　动态升级: 先加载.so文件, 再管理配置, 切换到新代码上把对redis改进的东西都打包成lib.so文件，这样能够支持动态升级自己改的时候要考虑社区的升级。当社区有新的版本，有很好用的新功能时，要能很容易的与我们改进后的版本很好的merge。升级的前提条件是模块化。以模块为单位升级加载时间取决于两个方面: 数据大小，数据结构复杂度。 一般, 40G数据耗时40分钟分布式系统的两个核心问题:一是路由问题，二是HA问题。

　　危险命令的处理: 比如: fresh all删除全部数据, 得进行控制运维不能只讲数据备份，还得考虑数据恢复所需要的时间。增加权限认证eg：flashall 权限认证，得有密码才能做。当然，高速数据交互一般都不会在每次都进行权限认证，通用的处理策略是第一次认证，后期都不用再认证。控制hash策略没有key, 就找不到value。不知道hash策略, 就无法得到key。

　　Config Dump:内存中的配置项动态修改过, 按照一定策略写入到磁盘中。

　　bgsave带来aof写入很慢:fdatasync在做bgsave时, 不做sync aof。

　　成本问题:Redisscounter全部变为整型存储, 其余全不要。Redis+SSD顺序自增, table按照顺序写, 写满10个table就自动落地。存储分级: 内存分配问题, 10K和100K写到一块, 会有碎片. Sina已经优化到浪费只占5%以内。

 

　　5.Problem: 分布式问题

　　Config Server: 命名空间, 特别大的告诉访问, 都不适合用代理, 因为代理降低速度, 但是, Sina用了Config Server放到Zookeeper上最前面是命名服务，后面跟的是无状态的twmemproxy,后面才是Redis。

       twmemproxy应用不必关心连接失败, 由代理负责重连把Hash算法放到代理商代理后边的升级, 前端不关心, 解决了HA的问题无状态, 多台代理无所谓3.AS --> Proxy -->Redis4.Sina的Redis都是单机版, 而Redis-Cluster交互过于复杂，没有使用做HA的话，一定要配合监控来做，如果挂了之后，后续该如何做;并不是追求单机性能，而是集群的吞吐量，从而可以支持无线扩展。

　　

        以上是Redis数据库的相关内容，需要更加详细的内容，可以借助更加强大的搜索引擎查找。