分散式之 Redis 複習精講

引言

為什麼寫這篇文章?

博主的《分散式之訊息佇列複習精講》得到了大家的好評，內心誠惶誠恐，想著再出一篇關於複習精講的文章。但是還是要說明一下，複習精講的文章偏面試準備，真正在開發過程中，還是腳踏實地，一步一個腳印，不要投機取巧。
考慮到絕大部分寫業務的程式設計師，在實際開發中使用redis的時候，只會setvalue和getvalue兩個操作，對redis整體缺乏一個認知。又恰逢博主某個同事下週要去培訓redis，所以博主斗膽以redis為題材，對redis常見問題做一個總結，希望能夠彌補大家的知識盲點。

複習要點?

本文圍繞以下幾點進行闡述
1、為什麼使用redis
2、使用redis有什麼缺點
3、單執行緒的redis為什麼這麼快
4、redis的資料型別，以及每種資料型別的使用場景
5、redis的過期策略以及記憶體淘汰機制
6、redis和資料庫雙寫一致性問題
7、如何應對快取穿透和快取雪崩問題
8、如何解決redis的併發競爭問題

正文

1、為什麼使用redis

分析:博主覺得在專案中使用redis，主要是從兩個角度去考慮:效能和併發。當然，redis還具備可以做分散式鎖等其他功能，但是如果只是為了分散式鎖這些其他功能，完全還有其他中介軟體(如zookpeer等)代替，並不是非要使用redis。因此，這個問題主要從效能和併發兩個角度去答。
回答:如下所示，分為兩點
（一）效能
如下圖所示，我們在碰到需要執行耗時特別久，且結果不頻繁變動的SQL，就特別適合將執行結果放入快取。這樣，後面的請求就去快取中讀取，使得請求能夠迅速響應。

題外話：忽然想聊一下這個迅速響應的標準。其實根據互動效果的不同，這個響應時間沒有固定標準。不過曾經有人這麼告訴我:”在理想狀態下，我們的頁面跳轉需要在瞬間解決，對於頁內操作則需要在剎那間解決。另外，超過一彈指的耗時操作要有進度提示，並且可以隨時中止或取消，這樣才能給使用者最好的體驗。”
那麼瞬間、剎那、一彈指具體是多少時間呢？
根據《摩訶僧祗律》記載

那麼，經過周密的計算，一瞬間為0.36 秒,一剎那有 0.018 秒.一彈指長達 7.2 秒。
（二）併發
如下圖所示，在大併發的情況下，所有的請求直接訪問資料庫，資料庫會出現連線異常。這個時候，就需要使用redis做一個緩衝操作，讓請求先訪問到redis，而不是直接訪問資料庫。

2、使用redis有什麼缺點

分析:大家用redis這麼久，這個問題是必須要了解的，基本上使用redis都會碰到一些問題，常見的也就幾個。
回答:主要是四個問題
(一)快取和資料庫雙寫一致性問題
(二)快取雪崩問題
(三)快取擊穿問題
(四)快取的併發競爭問題
這四個問題，我個人是覺得在專案中，比較常遇見的，具體解決方案，後文給出。

3、單執行緒的redis為什麼這麼快

分析:這個問題其實是對redis內部機制的一個考察。其實根據博主的面試經驗，很多人其實都不知道redis是單執行緒工作模型。所以，這個問題還是應該要複習一下的。
回答:主要是以下三點
(一)純記憶體操作
(二)單執行緒操作，避免了頻繁的上下文切換
(三)採用了非阻塞I/O多路複用機制

題外話：我們現在要仔細的說一說I/O多路複用機制，因為這個說法實在是太通俗了，通俗到一般人都不懂是什麼意思。博主打一個比方：小曲在S城開了一家快遞店，負責同城快送服務。小曲因為資金限制，僱傭了一批快遞員，然後小曲發現資金不夠了，只夠買一輛車送快遞。
經營方式一
客戶每送來一份快遞，小曲就讓一個快遞員盯著，然後快遞員開車去送快遞。慢慢的小曲就發現了這種經營方式存在下述問題

• 幾十個快遞員基本上時間都花在了搶車上了，大部分快遞員都處在閒置狀態，誰搶到了車，誰就能去送快遞
• 隨著快遞的增多，快遞員也越來越多，小曲發現快遞店裡越來越擠，沒辦法僱傭新的快遞員了
• 快遞員之間的協調很花時間

綜合上述缺點，小曲痛定思痛，提出了下面的經營方式
經營方式二
小曲只僱傭一個快遞員。然後呢，客戶送來的快遞，小曲按送達地點標註好，然後依次放在一個地方。最後，那個快遞員依次的去取快遞，一次拿一個，然後開著車去送快遞，送好了就回來拿下一個快遞。

對比
上述兩種經營方式對比，是不是明顯覺得第二種，效率更高，更好呢。在上述比喻中:

• 每個快遞員——————>每個執行緒
• 每個快遞——————–>每個socket(I/O流)
• 快遞的送達地點————–>socket的不同狀態
• 客戶送快遞請求————–>來自客戶端的請求
• 小曲的經營方式————–>服務端執行的程式碼
• 一輛車———————->CPU的核數

於是我們有如下結論
1、經營方式一就是傳統的併發模型，每個I/O流(快遞)都有一個新的執行緒(快遞員)管理。
2、經營方式二就是I/O多路複用。只有單個執行緒(一個快遞員)，通過跟蹤每個I/O流的狀態(每個快遞的送達地點)，來管理多個I/O流。

下面類比到真實的redis執行緒模型，如圖所示

參照上圖，簡單來說，就是。我們的redis-client在操作的時候，會產生具有不同事件型別的socket。在服務端，有一段I/0多路複用程式，將其置入佇列之中。然後，檔案事件分派器，依次去佇列中取，轉發到不同的事件處理器中。
需要說明的是，這個I/O多路複用機制，redis還提供了select、epoll、evport、kqueue等多路複用函式庫，大家可以自行去了解。

4、redis的資料型別，以及每種資料型別的使用場景

分析：是不是覺得這個問題很基礎，其實我也這麼覺得。然而根據面試經驗發現，至少百分八十的人答不上這個問題。建議，在專案中用到後，再類比記憶，體會更深，不要硬記。基本上，一個合格的程式設計師，五種型別都會用到。
回答：一共五種
(一)String
這個其實沒啥好說的，最常規的set/get操作，value可以是String也可以是數字。一般做一些複雜的計數功能的快取。
(二)hash
這裡value存放的是結構化的物件，比較方便的就是操作其中的某個欄位。博主在做單點登入的時候，就是用這種資料結構儲存使用者資訊，以cookieId作為key，設定30分鐘為快取過期時間，能很好的模擬出類似session的效果。
(三)list
使用List的資料結構，可以做簡單的訊息佇列的功能。另外還有一個就是，可以利用lrange命令，做基於redis的分頁功能，效能極佳，使用者體驗好。
(四)set
因為set堆放的是一堆不重複值的集合。所以可以做全域性去重的功能。為什麼不用JVM自帶的Set進行去重？因為我們的系統一般都是叢集部署，使用JVM自帶的Set，比較麻煩，難道為了一個做一個全域性去重，再起一個公共服務，太麻煩了。
另外，就是利用交集、並集、差集等操作，可以計算共同喜好，全部的喜好，自己獨有的喜好等功能。
(五)sorted set
sorted set多了一個權重引數score,集合中的元素能夠按score進行排列。可以做排行榜應用，取TOP N操作。另外，參照另一篇《分散式之延時任務方案解析》，該文指出了sorted set可以用來做延時任務。最後一個應用就是可以做範圍查詢。

5、redis的過期策略以及記憶體淘汰機制

分析:這個問題其實相當重要，到底redis有沒用到家，這個問題就可以看出來。比如你redis只能存5G資料，可是你寫了10G，那會刪5G的資料。怎麼刪的，這個問題思考過麼？還有，你的資料已經設定了過期時間，但是時間到了，記憶體佔用率還是比較高，有思考過原因麼?
回答:
redis採用的是定期刪除+惰性刪除策略。
為什麼不用定時刪除策略?
定時刪除,用一個定時器來負責監視key,過期則自動刪除。雖然記憶體及時釋放，但是十分消耗CPU資源。在大併發請求下，CPU要將時間應用在處理請求，而不是刪除key,因此沒有采用這一策略.
定期刪除+惰性刪除是如何工作的呢?
定期刪除，redis預設每個100ms檢查，是否有過期的key,有過期key則刪除。需要說明的是，redis不是每個100ms將所有的key檢查一次，而是隨機抽取進行檢查(如果每隔100ms,全部key進行檢查，redis豈不是卡死)。因此，如果只採用定期刪除策略，會導致很多key到時間沒有刪除。
於是，惰性刪除派上用場。也就是說在你獲取某個key的時候，redis會檢查一下，這個key如果設定了過期時間那麼是否過期了？如果過期了此時就會刪除。
採用定期刪除+惰性刪除就沒其他問題了麼?
不是的，如果定期刪除沒刪除key。然後你也沒即時去請求key，也就是說惰性刪除也沒生效。這樣，redis的記憶體會越來越高。那麼就應該採用記憶體淘汰機制。
在redis.conf中有一行配置

該配置就是配記憶體淘汰策略的(什麼，你沒配過？好好反省一下自己)
1）noeviction：當記憶體不足以容納新寫入資料時，新寫入操作會報錯。應該沒人用吧。
2）allkeys-lru：當記憶體不足以容納新寫入資料時，在鍵空間中，移除最近最少使用的key。推薦使用，目前專案在用這種。
3）allkeys-random：當記憶體不足以容納新寫入資料時，在鍵空間中，隨機移除某個key。應該也沒人用吧，你不刪最少使用Key,去隨機刪。
4）volatile-lru：當記憶體不足以容納新寫入資料時，在設定了過期時間的鍵空間中，移除最近最少使用的key。這種情況一般是把redis既當快取，又做持久化儲存的時候才用。不推薦
5）volatile-random：當記憶體不足以容納新寫入資料時，在設定了過期時間的鍵空間中，隨機移除某個key。依然不推薦
6）volatile-ttl：當記憶體不足以容納新寫入資料時，在設定了過期時間的鍵空間中，有更早過期時間的key優先移除。不推薦
ps：如果沒有設定 expire 的key, 不滿足先決條件(prerequisites); 那麼 volatile-lru, volatile-random 和 volatile-ttl 策略的行為, 和 noeviction(不刪除) 基本上一致。

6、redis和資料庫雙寫一致性問題

分析:一致性問題是分散式常見問題，還可以再分為最終一致性和強一致性。資料庫和快取雙寫，就必然會存在不一致的問題。答這個問題，先明白一個前提。就是如果對資料有強一致性要求，不能放快取。我們所做的一切，只能保證最終一致性。另外，我們所做的方案其實從根本上來說，只能說降低不一致發生的概率，無法完全避免。因此，有強一致性要求的資料，不能放快取。
回答:《分散式之資料庫和快取雙寫一致性方案解析》給出了詳細的分析，在這裡簡單的說一說。首先，採取正確更新策略，先更新資料庫，再刪快取。其次，因為可能存在刪除快取失敗的問題，提供一個補償措施即可，例如利用訊息佇列。

7、如何應對快取穿透和快取雪崩問題

分析:這兩個問題，說句實在話，一般中小型傳統軟體企業，很難碰到這個問題。如果有大併發的專案，流量有幾百萬左右。這兩個問題一定要深刻考慮。
回答:如下所示
快取穿透，即黑客故意去請求快取中不存在的資料，導致所有的請求都懟到資料庫上，從而資料庫連線異常。
解決方案:
(一)利用互斥鎖，快取失效的時候，先去獲得鎖，得到鎖了，再去請求資料庫。沒得到鎖，則休眠一段時間重試
(二)採用非同步更新策略，無論key是否取到值，都直接返回。value值中維護一個快取失效時間，快取如果過期，非同步起一個執行緒去讀資料庫，更新快取。需要做快取預熱(專案啟動前，先載入快取)操作。
(三)提供一個能迅速判斷請求是否有效的攔截機制，比如，利用布隆過濾器，內部維護一系列合法有效的key。迅速判斷出，請求所攜帶的Key是否合法有效。如果不合法，則直接返回。
快取雪崩，即快取同一時間大面積的失效，這個時候又來了一波請求，結果請求都懟到資料庫上，從而導致資料庫連線異常。
解決方案:
(一)給快取的失效時間，加上一個隨機值，避免集體失效。
(二)使用互斥鎖，但是該方案吞吐量明顯下降了。
(三)雙快取。我們有兩個快取，快取A和快取B。快取A的失效時間為20分鐘，快取B不設失效時間。自己做快取預熱操作。然後細分以下幾個小點

• I 從快取A讀資料庫，有則直接返回
• II A沒有資料，直接從B讀資料，直接返回，並且非同步啟動一個更新執行緒。
• III 更新執行緒同時更新快取A和快取B。

8、如何解決redis的併發競爭key問題

分析:這個問題大致就是，同時有多個子系統去set一個key。這個時候要注意什麼呢？大家思考過麼。需要說明一下，博主提前百度了一下，發現答案基本都是推薦用redis事務機制。博主不推薦使用redis的事務機制。因為我們的生產環境，基本都是redis叢集環境，做了資料分片操作。你一個事務中有涉及到多個key操作的時候，這多個key不一定都儲存在同一個redis-server上。因此，redis的事務機制，十分雞肋。
回答:如下所示
(1)如果對這個key操作，不要求順序
這種情況下，準備一個分散式鎖，大家去搶鎖，搶到鎖就做set操作即可，比較簡單。
(2)如果對這個key操作，要求順序
假設有一個key1,系統A需要將key1設定為valueA,系統B需要將key1設定為valueB,系統C需要將key1設定為valueC.
期望按照key1的value值按照 valueA–>valueB–>valueC的順序變化。這種時候我們在資料寫入資料庫的時候，需要儲存一個時間戳。假設時間戳如下

那麼，假設這會系統B先搶到鎖，將key1設定為{valueB 3:05}。接下來系統A搶到鎖，發現自己的valueA的時間戳早於快取中的時間戳，那就不做set操作了。以此類推。

其他方法，比如利用佇列，將set方法變成序列訪問也可以。總之，靈活變通。

總結

本文對redis的常見問題做了一個總結。大部分是博主自己在工作中遇到，以及以前面試別人的時候，愛問的一些問題。另外，不推薦大家臨時抱佛腳，真正碰到一些有經驗的工程師，其實幾下就能把你問懵。最後，希望大家有所收穫吧。