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知,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。下面就从四个方面来分析热点key。
1.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命令时,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 atomic_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的统计非常容易实现,但是同时问题也非常多:
□ 无法预知key的个数,存在内存泄露的危险。
□ 对于客户端代码有侵人,各个语言的客户端都需要维护此逻辑,维护成本较高。
□ 只能了解当前客户端的热点key, 无法实现规模化运维统计。
当然除了使用本地字典计数外,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。
2.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,此架构是最适合做热点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。
3.Redis 服务端
使用monitor命令统计热点 key 是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,下面为一次monitor命令执行后部分结果:
1477638175.920489 [0 10.16.xx.183:54465] "GET" "tab:relate:kp:162818" 1477638175.925794 [0 10.10.xx.14:35334] "HGETALL" "rf:vl:84083217_83727736" 1477638175.938106 [0 10.16.xx.180:60413] "GET" "tab:relate:kp:900" 1477638175.939651 [0 10.16.xx.183:54320] "GET" "tab:relate:kp:15907" 1477638175.962519 [0 10.10.xx.14:35334] "GET" "tab:relate:kp:3079" 1477638175.963216 [0 10.10.xx.14:35334] "GET" "tab:relate:kp:3079" 1477638175.964395 [0 10.10.xx.204:57395] "HGETALL" "rf:vl:80547158_83076533"
如图12-6所示,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(100000); //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。
redis-cli -p 6380 monitor | head -n 100000 | ./redis-faina.py Overall Stats ============================= Lines Processed 50000 Commands/Sec 900,48 Top Prefixes ============================= tab 27565 (55.13%) rf 15111 (30.22%) ugc 2051 (4.10 %) .... Top Keys ============================= tab:relate:kp:9350 2110 (4.22%) tab:relate:kp:15907 1594 (3.19%) .... Top Commands ============================= GET 25700 (51.40%) HGETALL 15111 (30.22%) ... Command Time (microsecs) ============================= Median 622.75 75% 1504.0 90% 2820.0 99% 6798.0
此种方法会有两个问题:
□ 此前多次强调monitor命令在高并发条件下,会存在内存暴增和影响Redis性能的隐患,所以此种方法适合在短时间内使用。
□ 只能统计一个Redis节点的热点key,对于Redis集群需要进行汇总统计。
4.机器
Redis客户端使用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客户端和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:
□ 需要一定的开发成本,但是一些开源方案实现了该功能,例如ELK(ElasticSearchLogstashKibana)体系下的packetbeat插件,可以实现对Redis、MySQL等众多主流服务的数据包抓取、分析、报表展示。
□ 由于是以机器为单位进行统计,要想了解一个集群的热点key, 需要进行后期汇总。
最后通过表12-5给出上述四种方案的特点。
表 12-5 寻找热点key的四种方案 |
||
方案 |
优点 |
缺点 |
客户端 |
实现简单 |
内存泄露隐患 维护成本高 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 |
Monitor本身的使用成本和危害,只能短时间使用 只能统计单个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似问题。