Redis使用注意事项（欢迎补充）

谁践踏了优雅 2024-04-19 10:31 64阅读 0赞

整理自：[https://nicky-chen.github.io/2018/08/07/cache-redis-optimize/][https_nicky-chen.github.io_2018_08_07_cache-redis-optimize]

# 一、键值设计 #

## 1. key 名设计 ##

1.  【建议】: 可读性和可管理性  
    以业务名 (或数据库名) 为前缀 (防止 key 冲突)，用冒号分隔，比如业务名: 表名:id  
    例如：ugc:video:1
2.  【建议】：简洁性  
    保证语义的前提下，控制 key 的长度，当 key 较多时，内存占用也不容忽视，  
    例如：user:\{uid\}:friends:messages:\{mid\}简化为 u:\{uid\}??m:\{mid\}。
3.  【强制】：不要包含特殊字符  
    反例：包含空格、换行、单双引号以及其他转义字符

详细解析

## 2. value 设计 ##

1.  【强制】：拒绝 bigkey(防止网卡流量、慢查询)
    
    string 类型控制在 10KB 以内，hash、list、set、zset 元素个数不要超过 5000。
    
    反例：一个包含 200 万个元素的 list。
    
    非字符串的 bigkey，不要使用 del 删除，使用 hscan、sscan、zscan 方式渐进式删除，同时要注意防止 bigkey 过期时间自动删除问题 (例如一个 200 万的 zset 设置 1 小时过期，会触发 del 操作，造成阻塞，而且该操作不会不出现在慢查询中 (latency 可查))。
2.  【推荐】：选择适合的数据类型。  
    例如：实体类型 (要合理控制和使用数据结构内存编码优化配置, 例如 ziplist，但也要注意节省内存和性能之间的平衡)
    
    **反例：**
    
        set user:1:name tom
            set user:1:age 19
            set user:1:favor football
    
    **正例:**
    
        hmset user:1 name tom age 19 favor football
3.  【推荐】：控制 key 的生命周期，redis 不是垃圾桶。
    
    建议使用 expire 设置过期时间 (条件允许可以打散过期时间，防止集中过期)，不过期的数据重点关注 idletime。
4.  【推荐】：hash，set，zset，list 存储过多的元素优化 可以将这些元素分拆。
    
    通过hash取模的方式 正常存取流程是 hget(hashKey, field) ; hset(hashKey, field, value) 现在，固定一个桶的数量，比如 100， 每次存取的时候，先在本地计算field的hash值，模除 100， 确定了该field落在哪个key上。
    
        newHashKey  =  hashKey + hash(field) % 10000;   
        hset (newHashKey, field, value) ;  
        hget(newHashKey, field)

# 二、命令使用 #

1.  【推荐】 O(N) 命令关注 N 的数量

例如 hgetall、lrange、smembers、zrange、sinter 等并非不能使用，但是需要明确 N 的值。有遍历的需求可以使用 hscan、sscan、zscan 代替。Redis的命令时间复杂度可以看这里[Redis复杂度O(N)][Redis_O_N]

1.  【推荐】：禁用命令
    
    禁止线上使用 keys、flushall、flushdb 等，通过 redis 的 rename 机制禁掉命令，或者使用 scan 的方式渐进式处理。
2.  【推荐】合理使用 select
    
    redis 的多数据库较弱，使用数字进行区分，很多客户端支持较差，同时多业务用多数据库实际还是单线程处理，会有干扰。
3.  【推荐】使用批量操作提高效率
    
    原生命令：例如 mget、mset。  
    非原生命令：可以使用 pipeline 提高效率。  
    但要注意控制一次批量操作的元素个数(例如 500 以内，实际也和元素字节数有关)。
    
    **注意两者不同：**
    
     *  原生是原子操作，pipeline 是非原子操作。
     *  pipeline 可以打包不同的命令，原生做不到
     *  pipeline 需要客户端和服务端同时支持。
4.  【建议】Redis 事务功能较弱，不建议过多使用

Redis 的事务功能较弱 (不支持回滚)，而且集群版本 (自研和官方) 要求一次事务操作的 key 必须在一个 slot 上 (可以使用 hashtag 功能解决) hashtag的解决方案：可以使用twitter的 twemproxy

1.  【建议】Redis 集群版本在使用 Lua 上有特殊要求：

*  所有 key 都应该由 KEYS 数组来传递，redis.call/pcall 里面调用的 redis 命令，key 的位置，必须是 KEYS array, 否则直接返回 error，"-ERR bad lua script for redis cluster, all the keys that the script uses should be passed using the KEYS array"
 *  所有 key，必须在 1 个 slot 上，否则直接返回 error, “-ERR eval/evalsha command keys must in same slot”使用可以参考：[阿里云redis集群使用lua脚本][redis_lua]

7.【建议】必要情况下使用 monitor 命令时，要注意不要长时间使用。

# 三、配置属性优化 #

maxclients 限制同时连接的客户数量。当连接数超过这个值时， redis 将不再接收其他连接请求，客户端尝试连接时将收到 error 信息。特殊值”0”表示没有限制。

timeout 设置客户端连接时的超时时间，单位为秒。当客户端在这段时间内没有发出任何指令，那么关闭该连接，默认为0则表示没有超时时间，如果设定了超时时间，需要注意客户端redis连接池的timeout问题

client-output-buffer-limit

config set client-output-buffer-limit ‘slave 256mb 64mb 60’

这里对是客服端是slave的做限制 256mb 是一个硬性限制，当output-buffer的大小大于256mb之后就会断开连接。64mb 60 是一个软限制，当output-buffer的大小大于64mb并且超过了60秒的时候就会断开连接，所以当预估有bigkeys的时候需要进行调试

lua-time-limit 限制脚本的最长运行时间，默认为5秒钟。当脚本运行时间超过这一限制后，Redis将开始接受其他命令但不会执行（以确保脚本的原子性，因为此时脚本并没有被终止），而是会返回“BUSY”错误，避免redis阻塞情况

memory-policy 查询内存溢出策略 默认策略是volatile-lru，即超过最大内存后，在过期键中使用lru算法进行key的剔除，保证不过期数据不被删除，但是可能会出现OOM问题。 >maxmemory-policy 六种方式

1.  volatile-lru：只对设置了过期时间的key进行LRU（默认值）
2.  allkeys-lru ： 删除lru算法的key
3.  volatile-random：随机删除即将过期key
4.  allkeys-random：随机删除
5.  volatile-ttl ： 删除即将过期的
6.  noeviction ： 永不过期，返回错误

# 五、集群批量操作优化 #

首先要知道一个概念叫缓存无底洞问题，该问题由 facebook 的工作人员提出的， facebook 在 2010 年左右，memcached 节点就已经达3000 个，缓存数千 G 内容。他们发现了一个问题—memcached 连接频率，效率下降了，于是加 memcached 节点，添加了后，发现因为连接频率导致的问题，仍然存在，并没有好转，称之为”无底洞现象”。

为什么会出现这个现象，请对比下面两张图片，图一是多IO版本，也就是说当存在的节点异常多的时候，IO的代价已经超过数据传输，上文提到的facebook的节点已经超过3000个，在这种情况下再增加节点已经没法再提高效率了。

图一 多IO版本  
![多IO][IO]

图二 单IO版本  
![单IO][IO 1]  
redis引入cluster模式后，批量获取操作mget也面临同样的问题。redis是传统的key-value的存储模式，RedisCluster将数据按key哈希到16384个slot上，每个redis node负责一部分的slot。mget需要执行的操作就是从redis node获取所有的key-value值，然后进行merge然后返回。

其实IO的优化思路都比较通用，无非就是提高命令本身效率，串行改并行，单个转批量。摘录一段网上的IO优化思路总结：

> (1) 命令本身的效率：例如sql优化，命令优化  
> (2) 网络次数：减少通信次数  
> (3) 降低接入成本:长连/连接池,NIO等 (4) IO访问合并:O(n)到O(1)过程:批量接口(mget)

具体方案

①串行命令：由于n个key是比较均匀地分布在Redis Cluster的各个节点上，因此无法使用mget命令一次性获取，所以通常来讲要获取n个key的值，最简单的方法就是逐次执行n个get命令，这种操作时间复杂度较高，它的操作时间=n次网络时间+n次命令时间，网络次数是n。很显然这种方案不是最优的，但是实现起来比较简单。

List<string> serialMGet (List<String> keys) { 
    
    //结果集
    List<string> values - new ArrayList<String>();
    
    //n次串行get
    for (String key : keys) {
    	String value = jediscluster.get (key);values.add (value);
    } 
    
    return values;

②串行IO：Redis Cluster使用CRC16算法计算出散列值，再取对16383的余数就可以算出slot值，同时Smart客户端会保存slot和节点的对应关系，有了这两个数据就可以将属于同一个节点的key进行归档，得到每个节点的key子列表，之后对每个节点执行mget或者Pipeline操作，它的操作时间=node次网络时间+n次命令时间，网络次数是node的个数，整个过程如下图所示，很明显这种方案比第一种要好很多，但是如果节点数太多，还是有一定的性能问题。

Map<String, String> serialIOMget (List<String> keys) {
            // 结果集
            Map<String, String> keyValueMap = new HashMap<>();
            // 属于各个节点的key列表,JedisPool要提供基于ip和port的hashcode方法
            Map<JedisPool, List<String>> nodeKeyListMap= new HashMap<>();
            // 遍历所有的key
            for (String key : keys) {
                // 使用CRC16本地计算每个key的slot
                int slot = JedisClusterCRC16.getSlot(key);
                //通过iediscluster本地slot->node映射获取slot对应的node
                JedisPool jedisPool = jedisCluster.getConnectionHandler().getJedisPoolFromSlot(slot);
                // 归档
                if (nodeKeyListMap.containsKey(jedisPool)) {
                    nodeKeyListMap.get(jedisPool).add(key);
                } else {
                    List<String> list = new ArrayList<String>();
                    list.add(key);
                    nodeKeyListMap.put(jedisPool, list);
                }
            }
            // 从每个节点上批量获取,这里使用mget也可以使用pipeline
            for (Map.Entry<JedisPool, List<String>> entry : nodeKeyListMap.entrySet()) {
                JedisPool jedisPool = entry.getKey();
                List<String> nodeKeyList = entry.getValue();
                // 列表变为数组
                String[] nodeKeyArray = nodeKeyList.toArray(new String[nodeKeyList.size()]);
                // 批量获取,可以使用mget或者Pipeline
                List<String> nodeValueList = jedisPool.getResource().mget(nodeKeyArray);
                // 归档
                for (int i = 0; i < nodeKeyList.size(); i++) {
                    keyValueMap.put(nodeKeyList.get(i), nodeValueList.get(i));
                }
            }
            return keyValueMap;
        }

![并行IO][IO 2]  
③并行IO：此方案是将方案2中的最后一步改为多线程执行，网络次数虽然还是节点个数，但由于使用多线程网络时间变为O（1），这种方案会增加编程的复杂度。  
![hash\_tag实现][hash_tag]  
④hash\_tag实现：Redis Cluster的hash\_tag功能，它可以将多个key强制分配到一个节点上，它的操作时间=1次网络时间+n次命令时间。

四种方案对比：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phdmFfeWVz_size_16_color_FFFFFF_t_70]

### 其他工具及优化 ###

#### 数据同步 ####

redis间数据同步可以使用：redis-port

#### big key搜索 ####

[redis大key搜索工具][redis_key]

#### 热点key寻找(内部实现使用monitor，所以建议短时间使用) ####

[facebook的redis-faina][facebook_redis-faina]

#### 其他 ####

[Jedis常见异常汇总][Jedis] 和 [JedisPool资源池优化][JedisPool]

#### Reference ####

数据库技术丛书 REDIS开发与运维 [阿里云Redis开发规范][Redis]

# 六、客户端使用 #

1.【推荐】

避免多个应用使用一个 Redis 实例

正例：不相干的业务拆分，公共数据做服务化。

1.  【推荐】

使用带有连接池的数据库，可以有效控制连接，同时提高效率，标准使用方式：

执行命令如下：

Jedis jedis = null;
    try {
     jedis = jedisPool.getResource();
     // 具体的命令
     jedis.executeCommand()
    } catch (Exception e) {
     logger.error("op key {} error: " + e.getMessage(), key, e);
    } finally {
     // 注意这里不是关闭连接，在 JedisPool 模式下，Jedis 会被归还给资源池。
     if (jedis != null) 
     jedis.close();
    }

下面是 JedisPool 优化方法的文章:

Jedis 常见异常汇总  
JedisPool 资源池优化  
3.【建议】

高并发下建议客户端添加熔断功能 (例如 netflix hystrix)

4.【推荐】

设置合理的密码，如有必要可以使用 SSL 加密访问（阿里云 Redis 支持）

5.【建议】

根据自身业务类型，选好 maxmemory-policy(最大内存淘汰策略)，设置好过期时间。

默认策略是 volatile-lru，即超过最大内存后，在过期键中使用 lru 算法进行 key 的剔除，保证不过期数据不被删除，但是可能会出现 OOM 问题。

其他策略如下：

**allkeys-lru**：根据 LRU 算法删除键，不管数据有没有设置超时属性，直到腾出足够空间为止。  
**allkeys-random**：随机删除所有键，直到腾出足够空间为止。  
**volatile-random**: 随机删除过期键，直到腾出足够空间为止。  
**volatile-ttl**：根据键值对象的 ttl 属性，删除最近将要过期数据。如果没有，回退到 noeviction 策略。  
**noeviction**：不会剔除任何数据，拒绝所有写入操作并返回客户端错误信息 “(error) OOM command not allowed when used memory”，此时 Redis 只响应读操作。

# 七、 附录：删除 bigkey #

1.  下面操作可以使用 pipeline 加速。
2.  redis 4.0 已经支持 key 的异步删除，欢迎使用。
3.  Hash 删除: hscan + hdel

public void delBigHash(String host, int port, String password, String bigHashKey) {
         Jedis jedis = new Jedis(host, port);
         if (password != null && !"".equals(password)) {
         jedis.auth(password);
         }
         ScanParams scanParams = new ScanParams().count(100);
         String cursor = "0";
         do {
         ScanResult<Entry<String, String>> scanResult = jedis.hscan(bigHashKey, cursor, scanParams);
         List<Entry<String, String>> entryList = scanResult.getResult();
         if (entryList != null && !entryList.isEmpty()) {
         for (Entry<String, String> entry : entryList) {
         jedis.hdel(bigHashKey, entry.getKey());
         }
         }
         cursor = scanResult.getStringCursor();
         } while (!"0".equals(cursor));
         
         // 删除 bigkey
         jedis.del(bigHashKey);
        }

1.  List 删除: ltrim

public void delBigList(String host, int port, String password, String bigListKey) {
             Jedis jedis = new Jedis(host, port);
             if (password != null && !"".equals(password)) {
             jedis.auth(password);
             }
             long llen = jedis.llen(bigListKey);
             int counter = 0;
             int left = 100;
             while (counter < llen) {
             // 每次从左侧截掉 100 个
             jedis.ltrim(bigListKey, left, llen);
             counter += left;
             }
             // 最终删除 key
             jedis.del(bigListKey);
            }

1.  Set 删除: sscan + srem

public void delBigSet(String host, int port, String password, String bigSetKey) {
         Jedis jedis = new Jedis(host, port);
         if (password != null && !"".equals(password)) {
         jedis.auth(password);
         }
         ScanParams scanParams = new ScanParams().count(100);
         String cursor = "0";
         do {
         ScanResult<String> scanResult = jedis.sscan(bigSetKey, cursor, scanParams);
         List<String> memberList = scanResult.getResult();
         if (memberList != null && !memberList.isEmpty()) {
         for (String member : memberList) {
         jedis.srem(bigSetKey, member);
         }
         }
         cursor = scanResult.getStringCursor();
         } while (!"0".equals(cursor));
    	 // 删除 bigkey
    	 jedis.del(bigSetKey);
    }

1.  SortedSet 删除: zscan + zrem

public void delBigZset(String host, int port, String password, String bigZsetKey) {
     Jedis jedis = new Jedis(host, port);
     if (password != null && !"".equals(password)) {
     jedis.auth(password);
     }
     ScanParams scanParams = new ScanParams().count(100);
     String cursor = "0";
     do {
     ScanResult<Tuple> scanResult = jedis.zscan(bigZsetKey, cursor, scanParams);
     List<Tuple> tupleList = scanResult.getResult();
     if (tupleList != null && !tupleList.isEmpty()) {
     for (Tuple tuple : tupleList) {
     jedis.zrem(bigZsetKey, tuple.getElement());
     }
     }
     cursor = scanResult.getStringCursor();
     } while (!"0".equals(cursor));
     
     // 删除 bigkey
     jedis.del(bigZsetKey);
    }

[https_nicky-chen.github.io_2018_08_07_cache-redis-optimize]: https://nicky-chen.github.io/2018/08/07/cache-redis-optimize/
[Redis_O_N]: http://doc.redisfans.com/
[redis_lua]: https://blog.csdn.net/mushuntaosama/article/details/78788254
[IO]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/9f7766cae732477087679590b1b59664.png
[IO 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/494a1391372c4039ae426c7a2bfa337c.png
[IO 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/9dde7876ef0e4eb2bd2bd0c13bb56517.png
[hash_tag]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/8c6032aa75c24bf8bf0731e68bbb75e7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phdmFfeWVz_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/b5ff6895600c4c7a88b6cde83825ac0e.png
[redis_key]: https://yq.aliyun.com/articles/117042
[facebook_redis-faina]: https://github.com/facebookarchive/redis-faina
[Jedis]: https://yq.aliyun.com/articles/236384
[JedisPool]: https://yq.aliyun.com/articles/236383
[Redis]: https://yq.aliyun.com/articles/531067