寻找热点key
热门新闻事件或商品通常会给系统带来巨大的流量,对存储这类信息的Redis来说却是一个巨大的挑战。以Redis Cluster为例,它会造成整体流量的不均衡,个别节点出现OPS过大的情况,极端情况下热点key甚至会超过Redis本身能够承受的OPS,因此寻找热点key对于开发和运维人员非常重要。下面就会从四个方面来分析热点key。
-
客户端
客户端其实是距离key“最近”的地方,因为Redis命令就是从客户端发出的,例如在客户端设置全局字典(key和调用次数),每次调用Redis命令是,使用这个字典进行记录,如下所示。
// 使用Guava的AtomicLongMap,记录key的调用次数
public static final AtomicLongMap<String> ATOMIC_LONG_MAP = AtomicLongMap.create();
String get(String key) {
counterKey(key);
...
}
String set(String key, String value) {
counterKey(key);
...
}
void counterKey(String key) {
ATOMIC_LONG_MAP.incrementAndGet(key);
}
为了减少对客户端代码的侵入,可以在Redis客户端的关键部分进行计数,例如Jedis的Connection类中的sendCommand方法是所有命令执行的枢纽:
public Connection sendCommand(final ProtocolCommand cmd, final byte[]... args) {
//从参数中获取key
String key = analysis(args);
//计数
counterKey(key);
...
}
同时为了防止ATVOMIC_LONG_MAP过大,可以对其进行定期清理。
public void scheduleCleanMap() {
ERROR_NAME_VALUE_MAP.clear();
}
使用客户端进行热点key的统计非常容易发现,但是同时问题也非常多:
当然除了使用本地字典技术外,还可以使用其他存储来完成异步计数,从而解决本地内存泄露问题。但是另两个问题还是不好解决。
-
代理端
像Twemproxy、Codis这些基于代理的Redis分布式架构,所有客户端的请求都是通过代理端完成的。此构架是最适合做热点key统计的,因为代理是所有Redis客户端和服务端的桥梁。但并不是所有Redis都是采用此种架构。
-
Redis服务端
使用monitor命令统计热点key是很多很多开发和运维人员首先想到,monitor命令可以监控到Redis执行的所有命令。
利用monitor命令的结果就可以统计出一段时间内的热点key排行榜、命令排行榜、客户端分布等数据,例如下面的伪代码统计了最近10万条命令中的热点key:
//获取10万条命令
List<String> keyList = redis.monitor(10000);
//存入到字典中,分别是key和对应的次数
AtomicLongMap<String> ATOMIC_LONG_MAP = AtomicLongMap.create();
//统计
for (String command : commandList) {
ATOMIC_LONG_MAP.incrementAndGet(key);
}
//后续统计和分析热点key
statHotKey(ATOMIC_LONG_MAP);
Facebook开源的redis-faina正是利用上述原理使用Python语言实现的,例如下面获取最近10万条命令的热点key、热点命令、耗时分布等数据。为了减少网络开销以及加快输出缓冲区的消费速度,monitor尽可能在本机执行。
此种方法会有两个问题:
-
机器
Redis客户端会使用TCP协议与服务端进行交互,通信协议采用的是RESP。如果站在机器的角度,可以通过对机器上所有Redis端口的TCP数据包进行抓取完成热点key的统计。
此种方法对于Redis客户端服务端来说毫无侵入,是比较完美的方案,但是依然存在两个问题:
方案 |
优点 |
缺点 |
客户端 |
实现简单 |
1.内存泄露隐患 2.维护成本高 3.只能统计单个客户端 |
代理 |
代理是客户端和服务端的桥梁,实现最方便最系统 |
增加代理端的开发部署成本 |
服务端 |
实现简单 |
1.Monitor本身的使用成本和危害,只能短时间使用 2.只能统计的单个Redis节点 |
机器 |
对于客户端和服务端无侵入和影响 |
需要专业的运维团队开发,并且增加了机器的部署成本 |
最后我们总结出解决热点key问题的三种方案。选用哪种要根据具体业务场景来决定。下面是三种方案的思路。
1)拆分复杂数据结构:如果当前key的类型是一个二级数据结构,例如哈希类型。如果该哈希元素个数较多,可以考虑将当前hash进行拆分,这样该热点key可以拆分为若干个新的key分布到不同Redis节点上,从而减轻压力。
2)迁移热点key:以Redis Cluster为例,可以将热点key所在的slot单独迁移到一个新的Redis节点上,但此操作会增加运维成本。
3)本地缓存加通知机制:可以将热点key放在业务端的本地缓存中,因为是在业务端的本地内存中,处理能力要高出Redis数十倍,但当数据更新时,此种模式会造成各个业务端和Redis数据不一致,通常会使用发布订阅机制来解决类型问题。