Redis键值设计最佳实践

小咪咪 2024-03-22 12:13 71阅读 0赞

#### 文章目录 ####

*   *  1、优雅的key结构
     *  2、拒绝BigKey
     *   *  2.1、BigKey的危害
         *  2.2、如何发现BigKey
         *   *   *  ①redis-cli --bigkeys
                 *  ②scan扫描
                 *  ③第三方工具
                 *  ④网络监控
         *  2.3、如何删除BigKey
     *  3、恰当的数据类型
     *   *   *  例1：比如存储一个User对象，我们有三种存储方式：
             *   *  ①方式一：json字符串
                 *  ②方式二：字段打散
                 *  ③方式三：hash（推荐）
             *  例2：假如有hash类型的key，其中有100万对field和value，field是自增id，这个key存在什么问题？如何优化？
             *   *  方案一
                 *  方案二
     *  4、总结

### 1、优雅的key结构 ###

Redis的Key虽然可以自定义，但最好遵循下面的几个最佳实践约定：

*  遵循基本格式：\[业务名称\]:\[数据名\]:\[id\]
 *  长度不超过44字节
 *  不包含特殊字符

例如：我们的登录业务，保存用户信息，其key可以设计成如下格式：

![image-20220521120213631][]

这样设计的好处：

*  可读性强
 *  避免key冲突
 *  方便管理
 *  更节省内存： key是string类型，底层编码包含int、embstr和raw三种。embstr在小于44字节使用，采用连续内存空间，内存占用更小。当字节数大于44字节时，会转为raw模式存储，在raw模式下，内存空间不是连续的，而是采用一个指针指向了另外一段内存空间，在这段空间里存储SDS内容，这样空间不连续，访问的时候性能也就会收到影响，还有可能产生内存碎片

![image-20220521122320482][]

### 2、拒绝BigKey ###

BigKey通常以Key的大小和Key中成员的数量来综合判定，例如：

*  Key本身的数据量过大：一个String类型的Key，它的值为5 MB
 *  Key中的成员数过多：一个ZSET类型的Key，它的成员数量为10,000个
 *  Key中成员的数据量过大：一个Hash类型的Key，它的成员数量虽然只有1,000个但这些成员的Value（值）总大小为100 MB

那么如何判断元素的大小呢？redis也给我们提供了命令

![image-20220521124650117][]

推荐值：

*  单个key的value小于10KB
 *  对于集合类型的key，建议元素数量小于1000

#### 2.1、BigKey的危害 ####

*  网络阻塞
    
     *  对BigKey执行读请求时，少量的QPS就可能导致带宽使用率被占满，导致Redis实例，乃至所在物理机变慢
 *  数据倾斜
    
     *  BigKey所在的Redis实例内存使用率远超其他实例，无法使数据分片的内存资源达到均衡
 *  Redis阻塞
    
     *  对元素较多的hash、list、zset等做运算会耗时较旧，使主线程被阻塞
 *  CPU压力
    
     *  对BigKey的数据序列化和反序列化会导致CPU的使用率飙升，影响Redis实例和本机其它应用

#### 2.2、如何发现BigKey ####

###### ①redis-cli --bigkeys ######

利用redis-cli提供的–bigkeys参数，可以遍历分析所有key，并返回Key的整体统计信息与每个数据的Top1的big key

命令：`redis-cli -a 密码 --bigkeys`

![image-20220521133359507][]

###### ②scan扫描 ######

自己编程，利用scan扫描Redis中的所有key，利用strlen、hlen等命令判断key的长度（此处不建议使用MEMORY USAGE）

![image-20220521133703245][]

scan 命令调用完后每次会返回2个元素，第一个是下一次迭代的光标，第一次光标会设置为0，当最后一次scan 返回的光标等于0时，表示整个scan遍历结束了，第二个返回的是List，一个匹配的key的数组

import com.heima.jedis.util.JedisConnectionFactory;
    import org.junit.jupiter.api.AfterEach;
    import org.junit.jupiter.api.BeforeEach;
    import org.junit.jupiter.api.Test;
    import redis.clients.jedis.Jedis;
    import redis.clients.jedis.ScanResult;
    
    import java.util.HashMap;
    import java.util.List;
    import java.util.Map;
    
    public class JedisTest {
        
        private Jedis jedis;
    
        @BeforeEach
        void setUp() {
        
            // 1.建立连接
            // jedis = new Jedis("192.168.150.101", 6379);
            jedis = JedisConnectionFactory.getJedis();
            // 2.设置密码
            jedis.auth("123321");
            // 3.选择库
            jedis.select(0);
        }
    
        final static int STR_MAX_LEN = 10 * 1024;
        final static int HASH_MAX_LEN = 500;
    
        @Test
        void testScan() {
        
            int maxLen = 0;
            long len = 0;
    
            String cursor = "0";
            do {
        
                // 扫描并获取一部分key
                ScanResult<String> result = jedis.scan(cursor);
                // 记录cursor
                cursor = result.getCursor();
                List<String> list = result.getResult();
                if (list == null || list.isEmpty()) {
        
                    break;
                }
                // 遍历
                for (String key : list) {
        
                    // 判断key的类型
                    String type = jedis.type(key);
                    switch (type) {
        
                        case "string":
                            len = jedis.strlen(key);
                            maxLen = STR_MAX_LEN;
                            break;
                        case "hash":
                            len = jedis.hlen(key);
                            maxLen = HASH_MAX_LEN;
                            break;
                        case "list":
                            len = jedis.llen(key);
                            maxLen = HASH_MAX_LEN;
                            break;
                        case "set":
                            len = jedis.scard(key);
                            maxLen = HASH_MAX_LEN;
                            break;
                        case "zset":
                            len = jedis.zcard(key);
                            maxLen = HASH_MAX_LEN;
                            break;
                        default:
                            break;
                    }
                    if (len >= maxLen) {
        
                        System.out.printf("Found big key : %s, type: %s, length or size: %d %n", key, type, len);
                    }
                }
            } while (!cursor.equals("0"));
        }
        
        @AfterEach
        void tearDown() {
        
            if (jedis != null) {
        
                jedis.close();
            }
        }
    
    }

###### ③第三方工具 ######

*  利用第三方工具，如 Redis-Rdb-Tools 分析RDB快照文件，全面分析内存使用情况
 *  https://github.com/sripathikrishnan/redis-rdb-tools

###### ④网络监控 ######

*  自定义工具，监控进出Redis的网络数据，超出预警值时主动告警
 *  一般阿里云搭建的云服务器就有相关监控页面

![image-20220521140415785][]

#### 2.3、如何删除BigKey ####

BigKey内存占用较多，即便时删除这样的key也需要耗费很长时间，导致Redis主线程阻塞，引发一系列问题。

*  redis 3.0 及以下版本
    
     *  如果是集合类型，则遍历BigKey的元素，先逐个删除子元素，最后删除BigKey

![image-20220521140621204][]

*  Redis 4.0以后
    
     *  Redis在4.0后提供了异步删除的命令：unlink

### 3、恰当的数据类型 ###

##### 例1：比如存储一个User对象，我们有三种存储方式： #####

###### ①方式一：json字符串 ######

优点：实现简单粗暴

缺点：数据耦合，不够灵活

###### ②方式二：字段打散 ######

优点：可以灵活访问对象任意字段  
缺点：占用空间大、没办法做统一控制

###### ③方式三：hash（推荐） ######

优点：底层使用ziplist，空间占用小，可以灵活访问对象的任意字段

缺点：代码相对复杂

##### 例2：假如有hash类型的key，其中有100万对field和value，field是自增id，这个key存在什么问题？如何优化？ #####

<table> 
 <tbody> 
  <tr> 
   <td>key</td> 
   <td>field</td> 
   <td>value</td> 
  </tr> 
  <tr> 
   <td>someKey</td> 
   <td>id:0</td> 
   <td>value0</td> 
  </tr> 
  <tr> 
   <td>.....</td> 
   <td>.....</td> 
  </tr> 
  <tr> 
   <td>id:999999</td> 
   <td>value999999</td> 
  </tr> 
 </tbody> 
</table>

存在的问题：

*  hash的entry数量超过500时，会使用哈希表而不是ZipList，内存占用较多
    
     *  ![image-20220521142943350][]
 *  可以通过hash-max-ziplist-entries配置entry上限。但是如果entry过多就会导致BigKey问题

###### 方案一 ######

拆分为string类型

<table> 
 <tbody> 
  <tr> 
   <td>key</td> 
   <td>value</td> 
  </tr> 
  <tr> 
   <td>id:0</td> 
   <td>value0</td> 
  </tr> 
  <tr> 
   <td>.....</td> 
   <td>.....</td> 
  </tr> 
  <tr> 
   <td>id:999999</td> 
   <td>value999999</td> 
  </tr> 
 </tbody> 
</table>

存在的问题：

*  string结构底层没有太多内存优化，内存占用较多

![image-20220521143458010][]

*  想要批量获取这些数据比较麻烦

###### 方案二 ######

拆分为小的hash，将 id / 100 作为key， 将id % 100 作为field，这样每100个元素为一个Hash

<table> 
 <tbody> 
  <tr> 
   <td>key</td> 
   <td>field</td> 
   <td>value</td> 
  </tr> 
  <tr> 
   <td>key:0</td> 
   <td>id:00</td> 
   <td>value0</td> 
  </tr> 
  <tr> 
   <td>.....</td> 
   <td>.....</td> 
  </tr> 
  <tr> 
   <td>id:99</td> 
   <td>value99</td> 
  </tr> 
  <tr> 
   <td>key:1</td> 
   <td>id:00</td> 
   <td>value100</td> 
  </tr> 
  <tr> 
   <td>.....</td> 
   <td>.....</td> 
  </tr> 
  <tr> 
   <td>id:99</td> 
   <td>value199</td> 
  </tr> 
  <tr> 
   <td colspan="3">....</td> 
  </tr> 
  <tr> 
   <td>key:9999</td> 
   <td>id:00</td> 
   <td>value999900</td> 
  </tr> 
  <tr> 
   <td>.....</td> 
   <td>.....</td> 
  </tr> 
  <tr> 
   <td>id:99</td> 
   <td>value999999</td> 
  </tr> 
 </tbody> 
</table>

![image-20220521144339377][]

package com.heima.test;
    
    import com.heima.jedis.util.JedisConnectionFactory;
    import org.junit.jupiter.api.AfterEach;
    import org.junit.jupiter.api.BeforeEach;
    import org.junit.jupiter.api.Test;
    import redis.clients.jedis.Jedis;
    import redis.clients.jedis.Pipeline;
    import redis.clients.jedis.ScanResult;
    
    import java.util.HashMap;
    import java.util.List;
    import java.util.Map;
    
    public class JedisTest {
        
        private Jedis jedis;
    
        @BeforeEach
        void setUp() {
        
            // 1.建立连接
            // jedis = new Jedis("192.168.150.101", 6379);
            jedis = JedisConnectionFactory.getJedis();
            // 2.设置密码
            jedis.auth("123321");
            // 3.选择库
            jedis.select(0);
        }
    
        @Test
        void testSetBigKey() {
        
            Map<String, String> map = new HashMap<>();
            for (int i = 1; i <= 650; i++) {
        
                map.put("hello_" + i, "world!");
            }
            jedis.hmset("m2", map);
        }
    
        @Test
        void testBigHash() {
        
            Map<String, String> map = new HashMap<>();
            for (int i = 1; i <= 100000; i++) {
        
                map.put("key_" + i, "value_" + i);
            }
            jedis.hmset("test:big:hash", map);
        }
    
        @Test
        void testBigString() {
        
            for (int i = 1; i <= 100000; i++) {
        
                jedis.set("test:str:key_" + i, "value_" + i);
            }
        }
    
        @Test
        void testSmallHash() {
        
            int hashSize = 100;
            Map<String, String> map = new HashMap<>(hashSize);
            for (int i = 1; i <= 100000; i++) {
        
                int k = (i - 1) / hashSize;
                int v = i % hashSize;
                map.put("key_" + v, "value_" + v);
                if (v == 0) {
        
                    jedis.hmset("test:small:hash_" + k, map);
                }
            }
        }
    
        @AfterEach
        void tearDown() {
        
            if (jedis != null) {
        
                jedis.close();
            }
        }
    }

### 4、总结 ###

*  Key的最佳实践
    
     *  固定格式：\[业务名\]:\[数据名\]:\[id\]
     *  足够简短：不超过44字节
     *  不包含特殊字符
 *  Value的最佳实践：
    
     *  合理的拆分数据，拒绝BigKey
     *  选择合适数据结构
     *  Hash结构的entry数量不要超过1000
     *  设置合理的超时时间

[image-20220521120213631]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/45e4ed1c3b5e4c22b1ac73d03d5cb33e.png
[image-20220521122320482]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/d524f4f532574489ac5bd9976416d1bd.png
[image-20220521124650117]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/6fa2ffd10b384bf995cf8b45a3f89567.png
[image-20220521133359507]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/ae5cf54bd99545b0a8335b2143334966.png
[image-20220521133703245]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/308bf789b59f4096a51d1466cd69ae08.png
[image-20220521140415785]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/233d8241d6294b7d93683ae9f6daa351.png
[image-20220521140621204]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/ba99a4fdb58149e1a899076aa7652295.png
[image-20220521142943350]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/24c29a777d224d2a84fa2d4956f0a015.png
[image-20220521143458010]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/e41bdfaf8af2437d8ab0d3119d562570.png
[image-20220521144339377]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/370be0cbcfc746118dde5f7cc236d215.png