Redis优化实例分析

这篇文章主要介绍了Redis优化实例分析的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Redis优化实例分析文章都会有所收获，下面我们一起来看看吧。key的一般都是采用字符串，而字符串的底层数据结免费云主机域名构为SDS，SDS 结构中会包含字符串长度、分配空间大小等元数据信息，当key字符串的长度增加时，SDS中的元数据也会占用更多内存空间，为了减少key的占用空间，我们可用根据业务名来使用相应的英文缩写来表示。例如user用u表示，message 用m来表示。我们既要注意key的长度，同时也需要关注value的大小，Redis是使用单线程读写数据，bigkey 的读写操作会阻塞线程，降低Redis的处理效率。我们可以通过–bigkey的命令来查看Redis中所占用的bigkey的信息，具体的命令如下：从上述图所示，我们可以查看到Redis中的key占用了32098个bytes，需要进行相关优化的。建议：如果key为string类型，建议value的存放值的大小为10KB左右。如果key为List/Hash/Set/ZSet类型，建议存放元素的的数量控制在1万以下。Redis提供了丰富的数据类型，对于存放的内存也做了相关优化。关乎数据结果的相关知识，可以参考之前的文章。例如：String和set在存储int数据时，会采用整数编码存储。Hash、ZSet在元素数量比较少时，会采用压缩列表（ziplist）存储，在存储比较多的数据时，才会转换为哈希表和跳表。Redis中的字符串都是使用二进制安全的字节数组来保存的，所以我们可以把业务的序列化成二进制写入Redis，但是采用不同的序列化，所占用的空间大少不一样。比如使用protostuff的序列化比java内置的序列化效率更高，占用空间更少。针对json和xml数据格式的，可以采用gzip或者snappy算法对数据进行压缩存储，从而节省空间。我们根据业务的数据量提前预估内存大小，从而避免Redis的内存持续膨胀，导致占用过多资源。关于如何设置淘汰策略，需要集合实际的业务特性来选择：volatile-lru / allkeys-lru：优先保留最近访问过的数据volatile-lfu / allkeys-lfu：优先保留访问次数最频繁的数据volatile-ttl ：优先淘汰即将过期的数据volatile-random / allkeys-random：随机淘汰数据Redis单实例的内存大小建议设置在2~6GB之间。因为无论是RDB快照，还是主从集群进行数据同步，都能很快完成，不会阻塞正常请求的处理。频繁的新增修改会导致内存碎片的增多，因此需要及时清理内存碎片。Redis提供了Info memory命令可以查看内存使用信息，具体如下：说明：used_memory_rss是操作系统实际分配给 Redis的物理内存空间。used_memory是 Redis 为了保存数据实际申请使用的空间。mem_fragmentation_ratio=used_memory_rss/ used_memorymem_fragmentation_ratio 大于1但小于1.5。这种情况是合理的。mem_fragmentation_ratio大于1.5 这表明内存碎片率已经超过了50%。一般情况下，这个时候，我们就需要采取一些措施来降低内存碎片率了。具体的内存清理措施，将在后续的文章中进行讲解。KEYS 按照key内容进行匹配，返回符合匹配条件的键值对，该命令需要对Redis的全局哈希表进行全表扫描，严重阻塞 Redis主线程。FLUSHALL 删除Redis实例上的所有数据，如果数据量很大，会严重阻塞Redis主线程。FLUSHDB，删除当前数据库中的数据，如果数据量很大，会阻塞Redis主线程。我们需要在线上要禁用这些命令。具体的做法是，管理员采用rename-command命令在配置文件中对这些命令进行重命名，让客户端无法使用这些命令。对于集合类型的来说，在未清楚集合数据大小的情况下，慎用查询集合中的全量数据，例如Hash的HetALL、Set的SMEMBERS命令、LRANGE key 0 -1 或者ZRANGE key 0 -1等命令，因为这些命令会对Hash或者Set类型的底层数据进行全量扫描，当集合数据量比较大时，会阻塞Redis的主线程。优化建议：当元素数据量较多时，可以用SSCAN、HSCAN 命令分批返回集合中的数据，减少对主线程的阻塞。Redis执行复杂度过高的命令，会消耗更多的 CPU 资源，导致主线程中的其它请求只能等待。常见的复杂命令如下：SORT、SINTER、SINTERSTORE、ZUNIONSTORE、ZINTERSTORE 等聚合类命令。优化建议：当需要执行排序、交集、并集操作时，可以在客户端完成，避免让Redis进行过多计算，从而影响Redis性能。Redis通常用于保存热数据。热数据一般都有使用的时效性。所以，在数据保存时，根据业务使用数据的时长，合理的设置数据的过期时间。否则写入Redis的数据会一直占用内存，如果数据持续增增长，会达到机器的内存上限，造成内存溢出，导致服务崩溃。当我们需要一次性操作多个key时，可以使用批量命令来处理，批量命令可以减少客户端与服务端的来回网络IO次数。String或者Hash类型可以使用 MGET/MSET替代 GET/SET，HMGET/HMSET替代HGET/HSET其它数据类型使用Pipeline命令，一次性打包发送多个命令到服务端执行。不同的业务线来部署 Redis 实例，这样当其中一个实例发生故障时，不会影响到其它业务。业务上根据实际情况采用主从、哨兵、集群方案，避免单点故障，影响业务的正常使用。针对主从环境，我们需要合理设置相关参数，具体内容如下：合理的设置repl-backlog参数：如果repl-backlog设置过小，当写流量比较大的场景下，主从复制中断可能会引发全量复制数据的风险。合理设置slave client-output-buffer-limit：当从库复制发生问题时，过小的 buffer会导致从库缓冲区溢出，从而导致复制中断。关于“Redis优化实例分析”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“Redis优化实例分析”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注百云主机行业资讯频道。