Redis缓存设计与优化

Posted 并发编程之美

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Redis缓存设计与优化相关的知识,希望对你有一定的参考价值。

介绍

缓存带来了加速读写,降低后端负载的好处外,同时也存在一定的成本,比如数据不一致,缓存层和数据层有时间窗口不一致,和更新策略有关;代码维护成本多了一层缓存逻辑;以及运维成本,例如Redis Cluster等。所以在实际的使用中,我们需要区分场景合理使用缓存逻辑。同时缓存对粒度控制分缓存全部数据和部分重要数据:

  • 通用性:全量属性更好

  • 占用空间:部分属性更好

  • 代码维护上:表面上全量属性更好


一、缓存适用场景

缓存的适用场景示例:

  • 对高消耗的SQL:join结果集/分组统计结果缓存

  • 加速请求响应:利用Redis/Memcache优化IO响应时间

  • 大量写合并为批量写:如计数器先Redis累加再批量写DB


二、缓存更新策略

缓存的更新策略:

  • 控制最大内存情况下,LRU/LFU/FIFO算法剔除:例如maxmemory-policy

  • 超时剔除:例如expire

  • 主动更新:开发控制生命周期

三种缓存更新策略对比:

策略
一致性
维护成本
LRU/LIRS算法剔除
最差

超时剔除
较差

主动更新


使用建议:

  • 低一致性:最大内存和淘汰策略

  • 高一致性:超时剔除和主动更新结合,最打内存和淘汰策略兜底


除了缓存服务器自带的缓存失效策略之外,我们还可以根据具体的业务需求进行自定义的缓存淘汰,常见的策略有两种:

  • 定时去清理过期的缓存

  • 当有用户请求过来时,再判断这个请求所用到的缓存是否过期,过期的话就去底层系统得到新数据并更新缓存

两者各有优劣,第一种的缺点是维护大量缓存的key是比较麻烦的,第二种的缺点就是每次用户请求过来都要判断缓存失效,逻辑相对比较复杂。


二、缓存穿透优化
缓存穿透最常见的场景就是访问根本就不存在的数据。一般是黑客故意去请求缓存中不存在的数据,导致所有的请求都落到数据库上,造成数据库短时间内承受大量请求而崩掉。

原因:

  • 业务代码自身问题,空变量

  • 恶意攻击、爬虫等

解决:

1. 缓存空对象+过期时间

Redis缓存设计与优化

存在的问题:

  • 需要更多的键

  • 缓存层和存储层数据短期不一致

示例代码:

public String getPassThrough(String key) {  String cacheValue = cache.get(key);  if (StringUtils.isBlank(cacheValue)) {    String storageValue = storage.get(key);    cache.set(key, storageValue);    //如果存储数据为空,需要设置一个过期时间(300秒)    if (StringUtils.isBlack(storageValue)) {     cache.expire(key, 60 * 5);    }    return storageValue;  } else {    return cacheValue;  }}


2. 布隆过滤器拦截

最常见的则是采用布隆过滤器,将所有可能存在的数据哈希到一个足够大的bitmap中,一个一定不存在的数据会被 这个bitmap拦截掉,从而避免了对底层存储系统的查询压力。

Redis缓存设计与优化

三、缓存无底洞问题优化

有这么一个场景,已经存在了很多Redis或者Memcache服务节点,发现加机器性能没提示反而下降:http://highscalability.com/blog/2009/10/26/facebooks-memcached-multiget-hole-more-machines-more-capacit.html

问题关键点:

  • 更多的机器!=更高的性能

  • 批量接口需求(mget、mset等)

  • 数据增长与水平扩展需求

所以原因就是批量操作的变化,当只有一个节点是,一个mget操作是有一次网络IO,当阶段扩大到3个时候,使用顺序IO方式的话,一次mget的操作会随着机器节点的个数增加而网络传输次数也越来越多,对客户端执行效率带来很大的下降。实际上IO由于扩容从原来的o(1)增加到了o(node)。


优化IO的几种方法:

  • 命令本身优化:例如慢查询keys、hgetall bigkey

  • 减少网络通信次数

  • 降低接入成本:例如客户端长链接/连接池、NIO等

  • 串行mget

  • 串行io

  • 并行io

  • hash_tag

串行mget、串行io、并行io以及hash_tag介绍详见【Redis Cluster高可用集群模式】


四种方案优缺点对比:

方案
优点
缺点
网络IO
串行mget
少量keys满足需求 大量keys请求延迟严重
o(keys)
串行IO
少量节点满足需求
大量nodes延迟严重
o(nodes)
并行IO
延迟取决于最慢的节点
超时定位问题复杂
o(max_slow(node))
hash_tag
性能最高
读写增加tag维护成本,tag分布容易出现数据倾斜
o(1)


四、缓存雪崩问题优化

当流量洪峰到达时,缓存同一时间大面积的失效,所以,后面的请求都会落到数据库上,造成数据库短时间内承受大量请求而崩掉,就是缓存雪崩。

Redis缓存设计与优化

解决方法:

  • 事前:尽量保证整个 redis 集群的高可用性,如采用Redis Cluster架构,发现机器宕机尽快补上。选择合适的内存淘汰策略

  • 事中:本地cache缓存 + hystrix限流&降级,避免mysql崩掉

  • 事后:利用 redis 持久化机制保存的数据尽快恢复缓存

  • 对缓存进行实时监控,当请求访问的慢速度比超过阈值,及时报警,通过自动故障转移,服务降级,停止部分非核心接口的访问

  • 提前压测预估系统处理能力,做好限流与服务降级


五、缓存预热优化

缓存预热就是系统上线后,将相关的缓存数据直接加载到缓存系统。这样就可以避免在用户请求的时候,先查询数据库,然后再将数据缓存的问题,用户直接查询事先被预热的缓存数据。解决思路:

  • 直接写个缓存刷新页面,上线时手工操作下

  • 数据量不大,可以在项目启动的时候自动进行加载

  • 定时刷新缓存


六、热点key重建优化

热key重建指的是开发人员设置好的缓存过期时间过了,需要重新构建缓存。热key说明当前可能有大量的请求,同时访问同一个key,而且这个并发量特别大,缓存失效的瞬间可能会有大量的线程来重建缓存,造成后端数据库压力暴增。

问题描述:热点key+较长的重建时间。

Redis缓存设计与优化

存在问题:大量的线程都会做缓存重建和查询数据源。

解决方法:

1. 互斥锁(mutex key)

通过设置互斥锁,统一时间只允许一个请求进行热key的重建。如基于redis的setnx命令实现

Redis缓存设计与优化

存在问题:不需要大量重建工作,但是存在大量线程等待的问题。

示例代码:

String get(String key) {  String value = redis.get(key);  if (value == null) {    String mutexKey = "mutex:key:" + key;    if (redis.set(mutexKey, "1", "ex 180", "nx")) {    value = db.get(key);    redis.set(key,value);       redis.delete(mutexKey);    } else {       //其他线程休息50毫秒后重试       Thread.sleep(50);       get(key);    }  }  return value;}


2. 永不过期

为每个value添加逻辑过期时间,发现超过逻辑过期时间后,会使用单独的线程去构建缓存,但是存在缓存不一致情况。示例代码:

String get(final String key) {  V v = redis.get(key); String value = v.getValue();  long logicTimeout = v.getLogicTimeout();  if (logicTimeout >= System.currentTimeMills()) { String mutexKey = "mutex:key:" + key; if (redis.set(mutexKey, "1", "ex 180", "nx")) { //异步更新后台异步执行 threadPool.execute(() -> { String dbValue = db.get(key);         redis.set(key,dbValue, newLogicTimeout()); redis.delete(mutexKey);       }); } } return value;}


3. 方案对比

方案
优点 缺点
互斥锁
保证一致性
代码复杂,存在死锁风险
永远不过期
基本杜绝热点key重建问题
不保证一致性,逻辑过期时间增加维护成本和内存成本


4. 缓存降级

与热点key相对立的策略就是缓存降级了,服务降级的目的,是为了防止Redis服务故障,导致数据库跟着一起发生雪崩问题。因此,对于不重要的缓存数据,可以采取服务降级策略,例如一个比较常见的做法就是,Redis出现问题,不去数据库查询,而是直接返回默认值给用户。


推荐阅读

1. Redis云平台CacheCloud:https://github.com/sohutv/cachecloud





看完本文有收获?请转发分享给更多人

关注「并发编程之美」,一起交流Java学习心得


以上是关于Redis缓存设计与优化的主要内容,如果未能解决你的问题,请参考以下文章

Redis 开发与运维缓存设计

Redis 性能调优——缓存设计优化

一线大厂高并发Redis缓存架构

MYSQL数据库的设计与调优

Redis入门到高可用(二十一)——缓存的使用和设计

canal+Kafka实现mysql与redis数据同步