Redis 切片集群的数据倾斜分析

Redis 中如何应对数据倾斜

什么是数据倾斜

如果 Redis 中的部署，采用的是切片集群，数据是会按照一定的规则分散到不同的实例中保存，比如，使用 Redis Cluster 或 Codis 。

数据倾斜会有下面两种情况：

1、 数据量倾斜 ：在某些情况下，实例上的数据分布不均衡，某个实例上的数据特别多。

2、 数据访问倾斜 ：虽然每个集群实例上的数据量相差不大，但是某个实例上的数据是热点数据，被访问得非常频繁。

发生了数据倾斜，会造成那些数据量大的和访问量高的实例节点，系统的负载升高，响应速度变慢。严重的情况会造成内存资源耗尽，引起系统崩溃。

数据量倾斜

数据量倾斜，也就是实例上的数据分布不均衡，某个实例中的数据分布得特别多 。

数据量的倾斜，主要有下面三种情况：

1、bigkey导致倾斜；

2、Slot分配不均衡导致倾斜；

3、Hash Tag导致倾斜。

下面来一一的分析下

bigkey导致倾斜

什么是 bigkey ：我们将含有较大数据或含有大量成员、列表数据的 Key 称之为大Key。

• 一个 STRING 类型的 Key，它的值为 5MB（数据过大）
• 一个 LIST 类型的 Key，它的列表数量为 20000 个（列表数量过多）
• 一个 ZSET 类型的 Key，它的成员数量为 10000 个（成员数量过多）
• 一个 HASH 格式的 Key，它的成员数量虽然只有 1000 个但这些成员的 value 总大小为 100MB（成员体积过大）

如果某个实例中保存了 bigkey ，那么就有可能导致集群的数据倾斜。

bigkey 存在问题

• 内存空间不均匀：如果采用切片集群的部署方案，容易造成某些实例节点的内存分配不均匀；
• 造成网络拥塞：读取 bigkey 意味着需要消耗更多的网络流量，可能会更多 Redis 服务器造成影响；
• 过期删除：bigkey 不但读写慢&#