Redis 刪除1.2億指定字首的key

背景

因為更換IDC的原因，我們需要遷移快取到新的機房，開發同學提出老的快取有1.2億無效(未設定過期時間)的key和正常在用的業務key，在遷移之前可以先指定字首將key刪除。那麼問題來了,如何快速刪除1.2億的key呢？

如何獲取指定的 key

大家都知道由於Redis的單執行緒服務模式，命令 keys * 會阻塞正常的業務請求，所以肯定不行。

在這裡我們利用Redis 提供的 SCAN 功能。SCAN 命令是一個基於遊標的迭代器（cursor based iterator）： SCAN 命令每次被呼叫之後， 都會向使用者返回一個新的遊標， 使用者在下次迭代時需要使用這個新遊標作為 SCAN 命令的遊標引數， 以此來延續之前的迭代過程。

當 SCAN 命令的遊標引數被設定為 0 時， 伺服器將開始一次新的迭代， 而當伺服器向使用者返回值為 0 的遊標時， 表示迭代已結束。 SCAN的語法如下 

SCAN cursor [MATCH pattern] [COUNT count]

其中 cousor 是遊標，MATCH 則支援正則匹配，我們正好可以利用此功能，比如匹配 字首為"dba_"的key， COUNT 是每次獲取多少個key。

redis 127.0.0.1:6379> scan 0
1) "17"
2)  1) "key:12"
    2) "key:8"
    3) "key:4"
    4) "key:14"
    5) "key:16"
    6) "key:17"
    7) "key:15"
    8) "key:10"
    9) "key:3"
    10) "key:7"
    11) "key:1"
redis 127.0.0.1:6379> scan 17
1) "0"
2) 1) "key:5"
   2) "key:18"
   3) "key:0"
   4) "key:2"
   5) "key:19"
   6) "key:13"
   7) "key:6"
   8) "key:9"
   9) "key:11"

在上面這個例子中， 第一次迭代使用 0 作為遊標， 表示開始一次新的迭代。第二次迭代使用的是第一次迭代時返回的遊標， 也即是命令回覆第一個元素的值 —— 17 。 在第二次呼叫 SCAN 命令時， 命令返回了遊標 0 ， 這表示迭代已經結束， 整個資料集（collection）已經被完整遍歷過了。

從上面的示例可以看到， SCAN 命令的回覆是一個包含兩個元素的陣列， 第一個陣列元素是用於進行下一次迭代的新遊標， 而第二個陣列元素則是一個陣列， 這個陣列中包含了所有被迭代的元素。

注意:以 0 作為遊標開始一次新的迭代， 一直呼叫 SCAN 命令， 直到命令返回遊標 0 ， 我們稱這個過程為一次完整遍歷（full iteration）。 我們會在後面的程式碼實現中利用此特點。

Python的redis 模組提供 scan_iter 迭代器來遍歷key，其返回的結果迭代器物件。

In [53]: ret=r.scan_iter('dba_*',20)
In [54]: print ret

至此，我們解決了如何獲取資料的問題，下面思考第二個問題。

如何執行刪除

這個相對比較簡單，Redis 提供DEL 命令

127.0.0.1:6379[2]> get "dba_7"
"r06cVX9"
127.0.0.1:6379[2]> get "dba_1"
"ETX57PA"
127.0.0.1:6379[2]> del "dba_7" "dba_1"
(integer) 2
127.0.0.1:6379[2]>

在redis-py 中，提供了delete(key)，delete(*key)的函式, 其中引數 *key 是多個值的列表。 到這裡，我們大致可以想到獲取key，然後批量刪除

(mytest)?  test git:(master) ? python delete_key.py
initial keys successfully,use time: 90.2497739792
normal ways end at: 68.685477972
normal ways delete numbers: 1000000

常規方式的刪除10W個key耗時68.7秒，如果是1.2億個key 要多少時間呢？68*1000/3600=18.8小時。能不能更快呢？ 

如何提高執行速度

Redis本身是基於Request/Response協議的，客戶端傳送一個命令，等待Redis應答，Redis在接收到命令，處理後應答。其中傳送命令加上返回結果的時間稱為(Round Time Trip)RRT-往返時間。如果客戶端傳送大量的命令給Redis，那就是等待上一條命令應答後再執行再執行下一條命令，這中間不僅僅多了RTT，而且還頻繁的呼叫系統IO，傳送網路請求。

Pipeline(流水線)功能極大的改善了上面的缺點。Pipeline能將一組Redis命令進行組裝，然後一次性傳輸給Redis，再將Redis執行這組命令的結果按照順序返回給客戶端。

需要注意的是Pipeline 雖然好用，但是Pipline組裝的命令個數不能沒有限制，否則一次組裝資料量過大，一方面增加客戶端的等待時間，另一方面會造成網路阻塞，需要批量組裝。使用Pepline 和常規方式的效能對比如下:

程式碼

1. # encoding: utf-8
   
2. """
   
3. author: yangyi@youzan.com
   
4. time: 2018/3/9 下午8:35
   
5. func:
   
6. """
   
7. import redis
   
8. import random
   
9. import string
   
10. import time
    
11. pool = redis.ConnectionPool(host='127.0.0.1', port=6379, db=2)
    
12. r = redis.Redis(connection_pool=pool)
    
13. 
    
14. 
    
15. def random_str():
    
16.     return ''.join(random.choice(string.ascii_letters + string.digits) for _ in range(7))
    
17. 
    
18. 
    
19. def init_keys():
    
20.     start_time = time.time()
    
21.     for i in xrange(0, 20):
    
22.         key_name = 'dba_'+str(i)
    
23.         value_name = random_str()
    
24.         r.set(key_name, value_name)
    
25.     print 'initial keys successfully,use time:', time.time() - start_time
    
26. 
    
27. 
    
28. def del_keys_without_pipe():
    
29.     start_time = time.time()
    
30.     result_length = 0
    
31.     for key in r.scan_iter(match='dba_*', count=2000):
    
32.         r.delete(key)
    
33.         result_length += 1
    
34.     print "normal ways end at:", time.time() - start_time
    
35.     print "normal ways delete numbers:", result_length
    
36. 
    
37. 
    
38. def del_keys_with_pipe():
    
39.     start_time = time.time()
    
40.     result_length = 0
    
41.     pipe = r.pipeline()
    
42.     for key in r.scan_iter(match='dba_*', count=5000):
    
43.         pipe.delete(key)
    
44.         result_length += 1
    
45.         if result_length % 5000 == 0:
    
46.             pipe.execute()
    
47.     pip_time = time.time()
    
48.     print "use pipeline scan time ", time.time() - start_time
    
49.     pipe.execute()
    
50. 
    
51.     print "use pipeline end at:", time.time() - pip_time
    
52.     print "use pipeline ways delete numbers:", result_length
    
53. 
    
54. 
    
55. def main():
    
56.     init_keys()
    
57.     del_keys_without_pipe()
    
58.     init_keys()
    
59.     del_keys_with_pipe()
    
60. 
    
61. 
    
62. if __name__ == '__main__':
    
63.     main()

如果讀者朋友有其他更好的方式的，歡迎交流。

資料

https://pypi.python.org/pypi/redis

本文同步釋出於個人公眾號 ，歡迎關注 ，交流技術。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/22664653/viewspace-2151709/，如需轉載，請註明出處，否則將追究法律責任。