启动服务
在家目录下:
redis-server /opt/myRedis/redis.conf
查看是否启动:
ps -ef | grep redis
客户端启动
使用redis-cli
如果有多个Redis同时启动,则需指定端口号访问 redis-cli -p 端口号
测试验证,通过 ping 命令 查看是否 返回 PONG
常用命令
登录
redis-cli -p 5566 -a password
检查key是否存在 EXISTS key
搜索某关键字 KSYS *4
返回一个Key所影响的vsl的类型 TYPE key
String
单条操作
增:set key value
查:get key
删:del key
多条操作
增:mset key value [key1 value1]
查:mget key [key1]
扩展操作
1.数字增加减少命令
incr key //自增 1
incrby key num //给key的值增加num(int 类型),num 正数则为加,num 为负数 则为减
incrbyfloat key num //给key的值增加num(float 类型)
decr key //自减 1
decrby key num //给key的值减num
按数值进行操作的数据,如果原始数据不能转成数值,或超越了redis 数值上限范围,将报错。
应用:
redis用于控制数据库表主键id,为数据库表主键提供生成策略,保障数据库表的主键唯一性.
2.设置数据生命周期
setex key second value //设置key的值为value存活时间为second秒
psetex key millisecond value //设置key的值为value存活时间为millisecond毫秒
应用:
redis 控制数据的生命周期,通过数据是否失效控制业务行为,适用于所有具有时效性限定控制的操作
具体场景
在redis中为大V用户设定用户信息,以用户主键和属性值作为key,后台设定定时刷新策略即可
eg: user:id:3506728370:fans 12210947
eg: user:id:3506728370:blogs 6164
eg: user:id:3506728370:focuss 83
也可以在redis中以json格式存储大V用户信息,定时刷新(也可以使用hash类型)
eg: user:id:3506728370
{"id":3506728370,"name":"春晚","fans":12210862,"blogs":6164, "focus":83}
redis应用于各种结构型和非结构型高热度数据访问加速
Hash
新的存储需求:对一系列存储的数据进行编组,方便管理,典型应用存储对象信息
需要的存储结构:一个存储空间保存多个键值对数据
hash类型:底层使用哈希表结构实现数据存储
存储结构:
单条操作
增:hset key field value
查:hget key field
删:hdel key field
多条操作
增:hmset key field value [field1 value2]
查:hmget key field [field1]
其他命令
hgetall key //获取key的全部的值
hlen key //获取key的值的数量
hexists key field //是否存在field
hsetnx key field value //存在不设置,不存在设置
field:可以想成value中的“小key”
hkeys key //所有key的字段(field)
hvals key //所有key的值
hincrby key field num //给key的field的值增加num (num 为int值)
hincrybyfloat key field num //给key的field的值增加num (num 为float)
应用场景
购物车
以客户id作为key,每位客户创建一个hash存储结构存储对应的购物车信息
将商品编号作为field,购买数量作为value进行存储
添加商品:追加全新的field与value
浏览:遍历hash
更改数量:自增/自减,设置value值
删除商品:删除field
清空:删除key
思考:
当前仅仅是将数据存储到了redis中,并没有起到加速的作用,商品信息还需要二次查询数据库
每条购物车中的商品记录保存成两条field
field1专用于保存购买数量
命名格式:商品id:nums
保存数据:数值
field2专用于保存购物车中显示的信息,包含文字描述,图片地址,所属商家信息等
命名格式:商品id:info
保存数据:json
多个用户购买相同商品可以使用hsetnx key field value
抢购
业务场景
双11活动日,销售手机充值卡的商家对移动、联通、电信的30元、50元、100元商品推出抢购活动,每种商
品抢购上限1000张
解决方案
以商家id作为key
将参与抢购的商品id作为field
将参与抢购的商品数量作为对应的value ( hincrby 负值)
抢购时使用降值的方式控制产品数量
应用于抢购,限购类、限量发放优惠卷、激活码等业务的数据存储设计
String存储对象(json) VS Hash存储对象
String存在对象讲究整体性,以读为主
Hash存储对象讲究分散性,以写为主
List
数据存储需求:存储多个数据,并对数据进入存储空间的顺序进行区分
需要的存储结构:一个存储空间保存多个数据,且通过数据可以体现进入顺序
list类型:保存多个数据,底层使用双向链表存储结构实现
添加
lpush key value [value1] //从左添加
rpush key value [value1] //从右添加
获取
lrange key start stop 返回list中的数据 0 -1可以查询所有
lindex key index 返回名称为key的list中index位置的元素
llen key 返回名称为key的list的长度
获取并移除
lpop key //从左出
rpop key //从右出
规定时间内获取并移除数据
blpop key1 [key2] timeout 在设置的时间内可以从若干个key列表中等待数据进来。
brpop key1 [key2] timeout
brpoplpush source destination timeout
业务场景
微信朋友圈点赞,要求按照点赞顺序显示点赞好友信息
如果取消点赞,移除对应好友信息
解决方案
lrem key count value 移除指定数据
count:移除的数目
value:具体要移除的内容
redis 应用于具有操作先后顺序的数据控制
Set
新的存储需求:存储大量的数据,在查询方面提供更高的效率
需要的存储结构:能够保存大量的数据,高效的内部存储机制,便于查询
set类型:与hash存储结构完全相同,仅存储键,不存储值(nil),并且值是不允许重复的
命令
增:sadd key member [member1]
查:smembers key
删:srem key member [member1]
获取总量:scard key
判定是否存在:sismember key member
随机获取(原集合保留):srandmember key [count]
随机获取(原集合不保留):spop key
业务场景
1.每位用户首次使用今日头条时会设置3项爱好的内容,但是后期为了增加用户的活跃度、兴趣点,必须让用户
对其他信息类别逐渐产生兴趣,增加客户留存度,如何实现?
分析
系统分析出各个分类的最新或最热点信息条目并组织成set集合
随机挑选其中部分信息
配合用户关注信息分类中的热点信息组织成展示的全信息集合
解决方案
- 随机获取集合中指定数量的数据
srandmember key [count]
- 随机获取集合中的某个数据并将该数据移出集合
spop key [count]
redis 应用于随机推荐类信息检索,例如热点歌单推荐,热点新闻推荐,热卖旅游线路,应用APP推荐,大V推荐等
2.共同好友 ,共同关注如何实现?
集合交集:sinter key key1 key2
集合并集:sunion key key1 key2
集合差集:sdiff key key1 key2 (谁在前,谁减另一个)
求出集合并存储到指定集合中
存储集合交集:sinterstore destination key key1 key2
存储集合并集:sunionstore destination key key1 key2
存储集合差集:sdiffstore destination key key1 key2
集合元素移动:smove source destination member
redis 应用于同类信息的关联搜索,二度关联搜索,深度关联搜索
操作的注意事项
set 类型不允许数据重复,如果添加的数据在 set 中已经存在,将只保留一份
set 虽然与hash的存储结构相同,但是无法启用hash中存储值的空间
sorted_set
新的存储需求:数据排序有利于数据的有效展示,需要提供一种可以根据自身特征进行排序的方式
需要的存储结构:新的存储模型,可以保存可排序的数据
sorted_set类型:在set的存储结构基础上添加可排序字段
score不是数据
增:zadd key score member [score1 member1]
删:zrem key member [member1]
获取全部(正序):zrange key start stop [withscores] 从小到大
获取全部(倒序):zrevrange key start stop [withscores]
按条件查(正序):zrangebyscore key min max [withscore limit]
按条件查(倒序):zrevrangebyscore key max min [withscore limit]
按条件删除(索引):zremrangebyrank key start stop
按条件删除(积分):zremrangebyscore key min max
min与max用于限定搜索查询的条件
start与stop用于限定查询范围,作用于索引,表示开始和结束索引
offset与count用于限定查询范围,作用于查询结果,表示开始位置和数据总量
获取集合总量:zcard key | zcount key min max
存储集合交集: zinterstore destination numkeys key key1
存储集合并集:zunionstore destination numkeys key key1
获取索引(正序):zrank key member
获取索引(倒序):zrevrank key member
score值获取:zscore key member
score值修改:zincrby key num member
对于key的操作
命令
删除:del key
判断是否存在:exists key
获取key类型:type key
指定有效期:
expire key seconds
pexpire key milliseconds
expireat key timestamp
pexpireat key milliseconds-timestamp
获取有效期:
ttl key 如果key失效了不存在,返回-2,如果没有设置时限就返回-1
pttl key
设置永久:persist key
查询key:key pattern + // *,?,[]
重命名:rename key newkey | renamenx key newkey
对key排序:sort
数据库操作
命令
选择数据库:select index
数据移动:move key db
数据库大小:dbsize
数据清除:
单库删除:flushdb
多库删除:flushall
Jedis
导入jedis
<dependency>
<groupId>redis.clients</groupId>
<artifactId>jedis</artifactId>
<version>2.9.0</version>
</dependency>
连接测试:
public class JedisTest {
@Test
public void testJedis() {
Jedis jedis = new Jedis("127.0.0.1", 6379);
System.out.println(jedis.set("name","吕明辉"));
jedis.close();
}
更改配置文件
修改 myRedis下的 redis.conf文件内容:
把bind 127.0.0.1注释,然后修改protected-mode 为no
持久化
RDB(Relational Database)
保存数据
指令(前台):save //阻塞 立即保存
指令(后台):bgsave //不立即执行
配置:save second changes //用bgsave执行操作
常用配置项
数据文件名称:dbfilename dump.rdb //默认
数据保存路径:dir
是否开启压缩:rdbcompression yes //默认
是否开启格式检查:rdbchecksum yes|no //默认no
RDB 持久化优点
RDB是一个紧凑压缩的二进制文件,存储效率高
RDB存储的是Redis在某个时间点的数据快照,非常适用于数据备份全量复制等场景
RDB恢复数据速度比AOF快
RDB应用
服务器中每X小时执行bgsave备份,并将RDB文件拷贝到远程机器中,用于灾难恢复
RDB持久化缺点
RDB方式无论是执行命令还是进行配置,无法做到实时持久化,具有较大可能丢失数据
bgsave每次运行要执行fork操作创建子进程,要牺牲一些性能
Redis的众多版本中未进行RDB文件格式的版本统一,有可能出现各个版本服务器之间数据格式无法兼容
存储数量较大时,效率较低
大数据量下的I/O性能较低
基于fork创建子进程,内存产生额外消耗
宕机带来的数据丢失风险
AOF(Append Only File)
AOF(append only file)持久化:以独立日志的方式记录每次写命令,重启时再重新执行AOF文件中命令
达到恢复数据的目的。与RDB相比可以简单描述为改记录数据为记录数据产生的过程
AOF的主要作用是解决了数据持久化的实时性,目前已经是Redis持久化的主流方式
保存数据策略
每次:always
每次写入操作均同步到AOF文件中,数据零误差,性能较低
每秒:everysec
每秒将缓冲区中的指令同步到AOF文件中,数据准确性较高,性能较高
在系统突然宕机的情况下丢失1秒内的数据
系统控制:no
由操作系统控制每次同步到AOF文件的周期,整体过程不可控
配置
是否开启:appendonly yes|no //默认no
保存策略:appendfsync always|everysec|no
重写
手动:bgrewriteaof
自动:
auto-aof-rewrite-min-size size
auto-aof-rewrite-percentage percentage
RDB 与 AOF 如何选择
对数据非常敏感,建议使用默认的AOF持久化方案
AOF策略使用everysec,每秒fsync一次,该策略仍可保持很好性能,出现问题最多丢失一秒内的数据
数据呈现阶段有效性,建议使用RDB持久化方案
数据可以做到阶段内无丢失,且恢复较快,阶段点数据恢复通常使用RDB方案
注意:
AOF文件存储体积较大,恢复速度较慢
利用RDB使用线紧凑的数据持久化会使Redis性能降低
综合:
RDB与AOF选择实际上是在一种权衡,每种都有利有弊
如果不能承受分钟内的数据丢失,对业务数据非常敏感,选用AOF
如果能承受分钟内的数据丢失,且追求大数据集的恢复速度选用RDB
灾难恢复选用RDB
双保险策略,同时开启RDB和AOF,重启后Redis优先使用AOF来恢复数据,降低丢失数据量
事务
Redis事务不具有回滚机制
命令
开启:multi
结束:exec
中断:discard
加入事务的命令暂时进入到任务队列中,并没有立即执行,只有执行exec命令才开始执行
事务中的错误
命令错误
执行事务过程中输入的命令出现错误,Redis会结束事务不再执行,并报出错误的命令
操作错误
执行事务过程中输入的命令正确,其他操作错误,事务中其他命令正常执行,错误操作报错
已经执行完毕的命令对应的数据不会自动回滚,需要程序员自己在代码中实现回滚。
锁
Redis中锁和事务是相搭配使用的,可解决对key的监控
命令
加锁:watch key [key1]
解锁:unwatch //取消掉所有key的监控
数据删除策略
当key过期后执行数据删除的策略
定时删除(即可删除)
创建一个具有时效性的key时,同时会创建一个定时器来监控该key是否过期,当key过期后立即进行key的删除
优点:节约内存,到时就会进行删除,快速释放占用空间
缺点:CPU压力大影响Redis响应时间和吞吐量
总结:用处理器性能换取存储空间
惰性删除
当一个具有实效性的key过期后不会有删除操作,直到下一次调用时会先检查该key是否过期,如果过期则进行删除操作,并返回nil(该key不存在)
优点:节约CPU性能,发现必须删除的时候才会删除
缺点:内存压力大,出现长期占用内存的数据
总结:用存储空间换取处理器性能
定期删除
Redis会根据设置的参数,定期对具有时效性的key进行清理工作,它是定时删除和惰性删除的结合者,既不像定时删除会立即进行删除给予CPU压力,也不会像惰性删除给予内存压力
步骤
1 Redis启动服务器初始化时,读取配置server.hz的值(默认为10)
2 每秒钟执行server.hz次serverCron()服务(serverCron【服务器级别】->databasesCron【数据库级别】->activeExpireCyle【活跃数据级别】)
3 acitveExpireCyle()对每个expires[*](数据库)逐一进行检测,每次执行250ms/server.hz
4 对某个expires[]检测时,随机挑选w个key进行检测
1 如果key超时,删除key
2 如果一轮中删除的kye的数量>w25%,循环该过程
3 如果一轮中删除的可以的数量<=w25%检查下一个expires[],0-15(所有的数据库)循环
数据淘汰策略
当内存到达最大内存限制时进行的数据淘汰策略
数据驱逐淘汰策略配置依据,使用info命令输出相关监控信息,查新缓存hit 命中次数和miss的次数,根据业务调优
配置
最大可用内存:maxmemory //默认为0,一般设置全部内存50%以上
每次选取带删除数据个数:maxmemory-samples //采用随机获取方式
删除策略:maxmemory-policy //达到最大内存后,对被选取带数据进行的删除策略
检测易失数据集(可能会过期数据server.db[i].expires)
volatile-lru:挑选最近最少使用的数据淘汰(最近数据中使用时间离当前最远的数据)。常用
volatile-lfu:挑选最近使用次数最少的数据淘汰(最近数据中使用次数最少的数据)
volatile-ttl:挑选将要过期数据淘汰
volatile-random:任意挑选数据淘汰
检测全库数据(所有数据集server.db[i].dict)
allkeys-lru:挑选最近最少使用的数据淘汰
allkeys-lfu:挑选最近使用次数最少的数据淘汰
allkeys-random:任意挑选数据淘汰
放弃数据驱逐
no-enviction //禁止驱逐数据 4.0中默认策略,会引发OOM
高级数据类型
Bitmaps
标记统计
命令
获取:getbit key offset
设置:setbit key offset value
设置指定key对应偏移量上的bit值,也就是位置,value只能是1或0
交、并、或异 bitop op destkey key1 key2
op:
交:and
并:or
非:not
异或:xor
统计指定key中1的数量:bitcount key [start end]
HyperLoglog
基数统计
命令
添加:pfadd key element [element1]
统计:pfcount key [key1]
合并:pfmerge destkey sourcekey [sourcekey1]
保存都不是真实数据,存储效率高,估算算法。
GEO
距离计算(只计算水平距离)
命令
1.添加:geoadd key longitude latitude member [longitude1 latitude1 member1]
2.获取:geopos key member [member1]
3.计算距离:geodist key member1 member2 [count]
4.根据坐标求范围内数据:georadius key longitude latitude radius m|km|ft|mi
5.根据点求范围内的数据:georadusbymember key member radius m|km|ft|mi
6.获取指定点对应的hash值:geohash key member [member1]
主从复制
作用
读写分离:master写、slave读,提高服务器的读写负载能力
负载均衡:基于主从结构,配合读写分离,由slave分担master负载,并根据需求的变化,改变slave的数量,通过多个从节点分担数据读取负载,大大提高Redis服务器并发量与数据吞吐量
故障恢复:当master出现问题时,由slave提供服务,实现快速的故障恢复
数据冗余:实现数据热备份,是持久化之外的一种数据冗余方式
高可用基石:基于主从复制,构建哨兵模式与集群,实现Redis的高可用方案
总结
一个master可以有多个slave
一个slave只能有一个master
数据流向是单向的,master到slave
工作流程
阶段一:建立连接阶段
建立slave到master的连接,使master能够识别slave,并保存slave端口号
主从连接(slave连接master)
方式一:客户端发送命令
slaveof <masterip> <masterport>
方式二:启动服务器参数
redis-server -slaveof <masterip> <masterport>
方式三:服务器配置(主流方式)
在从服务器中配置文件中加
slaveof <masterip> <masterport>
直接通过配置文件启动即可
阶段二:数据同步阶段工作流程
在slave初次连接master后,复制master中的所有数据到slave
将slave的数据库状态更新成master当前的数据库状态
复制过程分为两个阶段
- 全量复制:
slave接收到master生成的RDB文件,先清空自身的旧数据,然后执行RDB恢复过程,然后告知master已经恢复完毕。 - 部分复制(增量复制)
master把自己之前创建的复制缓冲区的数据发送到slave,slave接收到aof指定后执行bgrewriteaof 重写操作,恢复数据。
阶段三:命令传播阶段
当master数据库状态被修改后,导致主从服务器数据库状态不一致,此时需要让主从数据同步到一致的状态,同步的动作称为命令传播
master将接收到的数据变更命令发送给slave,slave接收命令后执行命令
命令传播阶段的部分复制
需求:
命令传播阶段出现了断网现象
网络闪断闪连
短时间网络中断
长时间网络中断
部分复制的三个核心要素
- 服务器的运行 id(run id)
概念:服务器运行ID是每一台服务器每次运行的身份识别码,一台服务器多次运行可以生成多个运行id
组成:运行id由40位字符组成,是一个随机的十六进制字符
例如:fdc9ff13b9bbaab28db42b3d50f852bb5e3fcdce
作用:运行id被用于在服务器间进行传输,识别身份。
如果想两次操作均对同一台服务器进行,必须每次操作携带对应的运行id,用于对方识别
实现方式:运行id在每台服务器启动时自动生成的,master在首次连接slave时,会将自己的运行ID发送给slave,slave保存此ID,通过info Server命令,可以查看节点的runid
- 主服务器的复制积压缓冲区
概念:复制缓冲区,又名复制积压缓冲区,是一个先进先出(FIFO)的队列,用于存储服务器执行过的命令,每次传播命令,master都会将传播的命令记录下来,并存储在复制缓冲区
来源:每台服务器启动时,如果开启有AOF或被连接成为master节点,即创建复制缓冲区
作用:用于保存master收到的所有指令(仅影响数据变更的指令,例如set,select)
数据来源:当master接收到主客户端的指令时,除了将指令执行,会将该指令存储到缓冲区
复制缓冲区内部工作原理
缓冲区内部是由偏移量(offset) 和 字节值组成,master会把指令拆解开成单个字节值,传入缓冲区,每个slave分别接收字节值,保存记录,通过offset区分不同的slave当前数据传播的差异,master也会记录当前发送的信息对应的offset。
- 主从服务器的复制偏移量
概念:一个数字,描述复制缓冲区中的指令字节位置
分类:
master复制偏移量:记录发送给所有slave的指令字节对应的位置(多个)
slave复制偏移量:记录slave接收master发送过来的指令字节对应的位置(一个)
作用:同步信息,比对master与slave的差异,当slave断线后,恢复数据使用
心跳机制
进入命令传播阶段候,master与slave间需要进行信息交换,使用心跳机制进行维护,实现双方连接保持在线
master心跳:
指令:PING
周期:由repl-ping-slave-period决定,默认10秒
作用:判断slave是否在线
查询:INFO replication 获取slave最后一次连接时间间隔,lag项维持在0或1视为正常
slave心跳任务
指令:REPLCONF ACK {offset}
周期:1秒
作用1:汇报slave自己的复制偏移量,获取最新的数据变更指令
作用2:判断master是否在线
心跳阶段注意事项
当slave多数掉线,或延迟过高时,master为保障数据稳定性,将拒绝所有信息同步操作
主从复制工作流程(完整版)
slave数量由slave发送REPLCONF ACK命令做确认
slave延迟由slave发送REPLCONF ACK命令做确认
哨兵简介
哨兵(sentinel) 是一个分布式系统,用于对主从结构中的每台服务器进行监控,当出现故障时通过投票机制选择新的master并将所有slave连接到新的master。
作用
监控
不断的检查master和slave是否正常运行。
master存活检测、master与slave运行情况检测
通知(提醒)
当被监控的服务器出现问题时,向其他(哨兵间,客户端)发送通知。
自动故障转移
断开master与slave连接,选取一个slave作为master,将其他slave连接到新的master,并告知客户端新的服务器地址
注意:
哨兵也是一台redis服务器,只是不提供数据服务
通常哨兵配置数量为单数
配置一拖二的主从结构
配置三个哨兵(配置相同,端口不同)
参看sentinel.conf
启动哨兵
redis-sentinel sentinel- 端口号 .conf
工作原理
哨兵在进行主从切换过程中经历三个阶段
监控
通知
故障转移
阶段一:监控阶段
第一个哨兵进来 会先去连接master,两者各保存信息,然后相同方式连接slave
后面的哨兵进来连接完毕后会去通过publish subscribe创建一个网络互通信息。
阶段二:通知阶段
每个哨兵会随机不停的通过创建的cmd连接获取各个服务器对应的工作状态 ,然后在网络中进行互通
阶段三:故障转移阶段
当某个哨兵向服务器多次发送hello请求后没有得到回应就会把主服务器的状态记录为sdown并在哨兵网络中向其他哨兵传播这个消息,然后其他哨兵也会向服务器多次发送hello请求,超过半数的哨兵把服务器标记为sdown时就会把服务器标记为odown,准备找出新的主服务器。
哨兵在内部网络投票得出合适的哨兵进行处理服务器
挑选原则:
在线
响应时间
与原master断开时间
优先原则:
优先级
offset
runid
发送指令( sentinel )
向新的master发送slaveof no one
向其他slave发送slaveof 新masterIP端口
集群架构
作用:
分散单台服务器的访问压力,实现负载均衡
分散单台服务器的存储压力,实现可扩展性
降低单台服务器宕机带来的业务灾难
结构设计
1通过算法设计,计算出key应该保存的位置
2将所有的存储空间计划切割成16384份,每台主机保存一部分.每份代表的是一个存储空间,不是一个key的保存空间
3将key按照计算出的结果放到对应的存储空间(槽)
内部通讯设计
搭建方式
Cluster配置
先在配置文件中加 添加节点cluster-enabled yes
cluster配置文件名
cluster-config-file <filename>
节点服务响应超时时间,用于判定该节点是否下线或切换为从节点
cluster-node-timeout <milliseconds>
redis-cli -c :启动
Cluster节点操作命令
查看集群节点信息 cluster nodes
进入一个从节点 redis,切换其主节点 cluster replicate <master-id>
发现一个新节点,新增主节点 cluster meet ip:port
手动故障转移 cluster failover
redis-trib命令
添加节点
redis-trib.rb add-node
删除节点
redis-trib.rb del-node
重新分片
redis-trib.rb reshard
企业级解决方案
缓存预热
项目上线,服务器启动后迅速宕机
问题排查:1.请求数量较高
2. 主从之间数据吞吐量较大,数据同步操作频度较高
解决方案
准备工作:
将统计结果中的数据分类,根据级别,redis优先加载级别较高的热点数据
利用分布式多服务器同时进行数据读取,提速数据加载过程
热点数据主从同时预热
实施:
使用脚本程序固定触发数据预热过程
如果条件允许,使用了CDN(内容分发网络),效果会更好
总结:缓存预热就是系统启动前,提前将相关的缓存数据直接加载到缓存系统。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。
这样用户就直接查询事先被预热的缓存数据。
缓存雪崩
数据库服务器崩溃
原因:
在一个较短的时间内,缓存中较多的key集中过期
解决方案:
更多的页面静态化处理
2. 构建多级缓存架构
Nginx缓存+redis缓存+ehcache缓存
3. 检测Mysql严重耗时业务进行优化
对数据库的瓶颈排查:例如超时查询、耗时较高事务等
4. 灾难预警机制
监控redis服务器性能指标
CPU占用、CPU使用率
内存容量
查询平均响应时间
线程数
5. 限流、降级
短时间范围内牺牲一些客户体验,限制一部分请求访问,降低应用服务器压力,待业务低速运转后再逐步放开访问
1.LRU与LFU切换
2. 数据有效期策略调整
根据业务数据有效期进行分类错峰,A类90分钟,B类80分钟,C类70分钟
过期时间使用固定时间+随机值的形式,稀释集中到期的key的数量
3. 超热数据使用永久key
4. 定期维护(自动+人工)
对即将过期数据做访问量分析,确认是否延时,配合访问量统计,做热点数据的延时
5. 加锁
慎用!
缓存击穿
redis没有问题,数据库服务器崩溃
原因:
- Redis中某个key过期,该key访问量巨大
- 多个数据请求从服务器直接压到Redis后,均未命中
- Redis在短时间内发起了大量对数据库中同一数据的访问
解决方案
- 预先设定
以电商为例,每个商家根据店铺等级,指定若干款主打商品,在购物节期间,加大此类信息key的过期时长
注意:购物节不仅仅指当天,以及后续若干天,访问峰值呈现逐渐降低的趋势 - 现场调整
监控访问量,对自然流量激增的数据延长过期时间或设置为永久性key - 后台刷新数据
启动定时任务,高峰期来临之前,刷新数据有效期,确保不丢失 - 二级缓存
设置不同的失效时间,保障不会被同时淘汰就行 - 加锁
分布式锁,防止被击穿,但是要注意也是性能瓶颈,慎重!
总结
缓存击穿就是单个高热数据过期的瞬间,数据访问量较大,未命中redis后,发起了大量对同一数据的数据库访问,导致对数据库服
务器造成压力。应对策略应该在业务数据分析与预防方面进行,配合运行监控测试与即时调整策略,毕竟单个key的过期监控难度
较高,配合雪崩处理策略即可
缓存穿透
应用服务器流量随时间增量较大。Redis服务器命中率随时间逐步降低,Redis服务器CPU占用激增,数据库服务器压力激增,数据库崩溃。
原因:
- Redis中大面积出现未命中
- 出现非正常URL访问
分析:
出现黑客攻击服务器。
获取的数据在数据库中也不存在,数据库查询未得到对应数据
Redis获取到null数据未进行持久化,直接返回
解决方案
- 缓存null
对查询结果为null的数据进行缓存(长期使用,定期清理),设定短时限,例如30-60秒,最高5分钟 - 白名单策略
提前预热各种分类数据id对应的bitmaps,id作为bitmaps的offset,相当于设置了数据白名单。当加载正常数据时,放
行,加载异常数据时直接拦截(效率偏低)
使用布隆过滤器(有关布隆过滤器的命中问题对当前状况可以忽略) - 实施监控
实时监控redis命中率(业务正常范围时,通常会有一个波动值)与null数据的占比
非活动时段波动:通常检测3-5倍,超过5倍纳入重点排查对象
活动时段波动:通常检测10-50倍,超过50倍纳入重点排查对象
根据倍数不同,启动不同的排查流程。然后使用黑名单进行防控(运营) - key加密
问题出现后,临时启动防灾业务key,对key进行业务层传输加密服务,设定校验程序,过来的key校验
例如每天随机分配60个加密串,挑选2到3个,混淆到页面数据id中,发现访问key不满足规则,驳回数据访问
总结
缓存击穿访问了不存在的数据,跳过了合法数据的redis数据缓存阶段,每次访问数据库,导致对数据库服务器造成压力。
通常此类数据的出现量是一个较低的值,当出现此类情况以毒攻毒,并及时报警。应对策略应该在临时预案防范方面多做文章。
无论是黑名单还是白名单,都是对整体系统的压力,警报解除后尽快移除。
性能指标监控
- 性能指标:Performance
- 内存指标:Memory
- 基本活动指标:Basic activity
- 持久性指标:Persistence
- 错误指标:Error
来源:CSDN
作者:naerjiajia207
链接:https://blog.csdn.net/naerjiajia207/article/details/103895955