文章目录
1. 缓存
1.1 缓存一致性问题
一段关于好友缓存的代码,伪代码如下:
1.LRUCache friend_list_cache = LRUCache(1000);
// 更新
2.void add_friend(string my_id, string add_id) {
3. update_friend_list_cache(my_id, add_id);
4. update_db(my_id, add_id);
5.}
// 读取
6.list<string> get_friend(string my_id) {
7. if (!cache.contain(my_id)) {
8. list<string> friend_list = read_db(my_id);
9. insert_friend_list_cache(my_list, friend_list);
10. return friend_list;
11. } else {
12. return cache.get(my_id);
13. }
14.}
业界常用的方法Cache Aside Pattern:
15.void add_friend(string my_id, string add_id) {
16. update_db(my_id, add_id);
17. delete_friend_list_cache(my_id);
18.}
总结一下主要是三种:
-
先更缓存,再更DB
失效情况:更缓存(第3行)->读DB(第8行)->写脏数据到缓存(第9行)。
-
先更DB,再更缓存
失效情况:线程1更DB->线程2更DB->线程2更缓存->线程1更缓存。
-
先更DB,再让缓存失效
失效情况:读DB(第8行)->更DB(第16行)->删除缓存(第17行)->写脏数据到缓存(第9行),这种情况要求读DB再更缓存之间出现了较大的延迟,出现的概率比较低。应该注意更DB再删缓存这2步应该保证原子性。
1.2 缓存问题
1.2.1 缓存穿透
非法请求一个不存在的key,绕过缓存直接请求mysql,解决办法:
- 在缓存中为这些不存在的key在缓存上设置空值,不适合大量非法key
- 在缓存上设置一层布隆过滤器,如果不在布隆过滤器中,则直接返回
1.2.2 缓存击穿
同时大量请求某个合法的key,且不存在缓存中,则大量请求打到mysql,解决版本:
- 用互斥锁限制对mysql的访问,第一个拿到锁的请求把数据加载到缓存后,其他请求直接读缓存。
1.2.3 缓存雪崩
redis失效,大量请求到mysql,解决办法:
- 本地缓存+限流降级,redis持久化恢复缓存
1.2.4 大量热点key失效
key设置不同的失效时间。
2. Redis
2.1 常用命令
事务
- SETNX key value:如果key不存在,则设置该key为value,并返回1,否则返回0。
List列表
- lpush key value:将value插入list(key标识)头部
- rpush key value:将value插入list尾部
- lpop key:从list头部取出一个元素
- rpop key:从list尾部取出一个元素
- lindex key pos:从list取出pos位置(0开始,-1为list尾部)的元素
无序集合
-
sadd key value:将value添加到集合key中
-
scard key:集合key的元素个数
-
sscan key cursor COUNT 10:扫描集合,cursor为游标,初始为0,COUNT为每次扫描的数量,返回下次扫描的游标和当前扫描的结果,当返回下次扫描的游标为0时,表示扫描结束。需要注意的是scan系列的命令扫描的结果可能会重复,需要业务过滤掉重复的元素。
有序集合
- zadd key score value:将value添加到集合key中,分数为score
- zcard key:集合个数
- zscan key cursor:同sscan。
2.2 基于Redis实现分布式锁
在分布式环境下,需要借助第三方工具来实现锁,Redis官方提供了一种基于Redis实现的分布式锁redlock。
单节点版本
try_lock返回true,表示成功获取锁,返回false,表示获取锁失败。lock_id为锁的ID,unique_id为每次请求锁的唯一的标识,可以用UUID,lock_valid_time为锁的有效时间,过期后,锁将会自动释放。
release_lock为释放锁的方法,释放锁要带上与single_try_lock相同的lock_id和unique_id。
bool try_lock(string lock_id, string unique_id, int leaseTime) {
// setnx - SET if Not eXists
return redis.setnx_expire(lock_id, unique_id, leaseTime);
}
void release_lock(string lock_id, string unique_id) {
if (redis.get(lock_id) == unique_id) { // 避免某个客户端释放另外一个客户端的锁
redis.del(lock_id);
}
}
这里存在一个问题:某个成功获取锁的客户端A认为自己获得到了锁,此时由于网络延时/CPU抢占/GC,距离请求锁时已经过了很长时间,如果这个时间超过了锁的有效时间,那么锁就可能自动释放,线程B获取锁,此时A还认为自己持有锁,对临界区进行修改。
可以稍微对代码进行修改,解决这个问题,代码如下,try_lock_v2返回的是Lock对象,对临界区进行操作前,需要调用Lock的is_lock_valid判断锁的有效性。
struct Lock {
int leaseTime;
int begin_lock_time;
bool is_get_lock;
bool is_lock_valid() {
int current_time = get_current_timestamp_millisecond();
return is_get_lock && (current_time - begin_lock_time < lock_valid_time);
};
};
Lock try_lock_v2(string lock_id, string unique_id, int leaseTime) {
Lock lock;
lock.leaseTime = leaseTime;
lock.begin_lock_time = get_current_timestamp_millisecond()
lock.is_get_lock = redis.setnx_expire(lock_id, unique_id, leaseTime);
return lock;
}
集群版本
Redis集群保证了锁服务的可用性,try_lock返回的是Lock对象,可以通过Lock的is_lock_valid判断是否独占了锁。算法的核心思想是:从超过半数的节点获得锁,就认为获取锁成功。有几点需要注意:
- try_lock是同步调用,为了不阻塞从下一个节点获取锁,可以给同步调用添加一个超时,redlock官方建议是:如果锁的有效时间为10秒,超时为5~50毫秒。
- clock_drift参数是不同机器上的时钟偏差。如果Redis集群中各节点时钟不一致,时钟快的节点上的锁被提前释放,造成两个客户端同时拥有锁。可以设置clock_drift,cluster_try_lock在计算锁有效时间时,会减去系统间的时钟偏差,消除时钟不一致的影响。
- 调用try_lock结束后,如果lock失败,需要调用release_lock释放从集群节点中获得的锁。
Lock try_lock(string lock_id, string unique_id, int leaseTime, int clock_drift) {
Lock lock;
int get_lock_count = 0;
for (auto server : servers) {
if (server.try_lock(lock_id, unique_id, leaseTime)) {
get_lock_count += 1;
}
}
int elapsed_time = get_current_timestamp_millisecond() - lock.begin_lock_time;
lock.leaseTime = leaseTime - elapsed_time - clock_drift;
lock.lock_begin_time = get_current_timestamp_millisecond()
if (lock.leaseTime > 0 && get_lock_count > servers.size()/2) {
lock.is_get_lock = true;
} else {
lock.is_get_lock = false;
}
return lock;
}
void release_lock(string lock_id, string unique_id) {
for (auto server : servers) {
server.release_lock(lock_id, unique_id);
}
}
try_lock如何调用到指定server?
一种做法是在lock_id上制定hash tag。从master查到slot信息,比如每个master管理什么slot。
指定key的副本数replica,比如为3。根据slot反查出一个key,将key作为hash tag放到lock_id上。这样这个lock_id就可以指定调用到某个master。
2.3 redis实现信号量
public class Semaphore_Lock {
public static String acquire_semaphore(Jedis redis,String sem_name,int limit,long timeout){
String identifier=UUID.randomUUID().toString();
long now=System.currentTimeMillis();
Pipeline pipeline=redis.pipelined();
//清理其他持有者过期信号量
pipeline.zremrangeByScore(sem_name, 0, now-timeout);
pipeline.zadd(sem_name,now,identifier);
Response<Long> rank=pipeline.zrank(sem_name, identifier);
pipeline.syncAndReturnAll();
if((Long)rank.get()<limit){
System.out.println(Thread.currentThread().getName()+" identifier rank :"+rank.get());
return identifier;
}else{
System.out.println(Thread.currentThread().getName()+" identifier rank :"+rank.get()+",too late");
}
redis.zrem(sem_name, identifier);
return null;
}
public static Long release_semaphore(Jedis redis,String sem_name,String identifier){
return redis.zrem(sem_name, identifier);
}
}
3. Redis Cluster
3.1结构
Redis Cluster保证了可用性,不保证强一致性。Redis Cluster为N主N从,主从复制的结构。从节点不保证数据和主节点一致,如果有一致性的需求,可以禁用掉从读。
3.2 Sharding
Hash slot
Redis Cluster将key空间分为16384个槽位(slot),又称为哈希槽(hash slot),每个master节点处理一个hash slot子集,hash slot的计算方式如下:
def HASH_SLOT(key):
return CRC16(key) % 16384
如果希望两个不同的key映射到同一个slot,可以用hash tag,带hash tag的slot计算方式如下:
def HASH_SLOT(key):
if "{" in key and "}" in key:
s = key.index("{") + 1
e = key.index("}")
if e > s:
return CRC16(key[s:e]) % 16384
return CRC16(key) % 16384
Hash slot VS Consistant hashing
一致性哈希在变更节点时,需要遍历节点的所有key,判断key是否需要迁移。Hash slot在变更节点时,只需要遍历slot,判断slot是否迁移。
3.3 数据迁移
当cluster新增master或者下线master时,涉及到slot的重新分配,即从一个master迁移到另一个master。如果需要将slot X从master A迁移到master B,需要做如下操作:
master B执行:CLUSTER SETSLOT X IMPORTING A # 设置B slot X为从A迁入状态
master A执行:CLUSTER SETSLOT X MIGRATING B # 设置A slot X为迁出到B状态
master A执行:MIGRATE HOST_B PORT_B "" 0 5000 KEYS key1 key3 # 迁移数据,可以选择迁移单个key或者多个key。键迁移期间,A和B处于阻塞状态,保证一致性。
master B执行:CLUSTER SETSLOT X NODE B # 设置X为B的slot
下图为迁移过程客户端访问slot X的结果,基于hash slot的寻址方式需要客户端记录slot和master节点的映射关系。如果某个slot不在当前访问的master节点,就会返回MOVE,客户端缓存slot和master节点的信息。迁移时,旧key仍需要在源节点处理,新key需要到新节点处理,所以需要增加ASK状态,表示仅在下次访问新key时,转到新节点,并不更新客户端缓存,如果缓存被更新,旧key也被路由到新节点了,显然是错的。
3.4 Gossip协议
Redis Cluster使用了gossip协议。gossip协议中,每个节点A执行如下步骤:
Step1:选择K个相邻节点,对每个选择的节点B,A与B其交换信息
Step2:等待T秒
Step3:执行Step1
上述算法中有两处决定了gossip协议的性能:
- 如何选择相邻的K个节点:一种策略是随机选择,下个周期会从剩余节点中随机选择。
- 如何交换信息:交换信息分三种方式:
- push:A将其{key, value, version}发送给B,B更新A中比自己版本高的数据。
- pull:A将其{key, version}发送给B,B把比A版本高的数据{key, value, version}发给A。
- push/pull:A将其{key, value, version}发送给B,B更新A中比自己版本高的数据,再把比A版本高的数据{key, value, version}发给A。
gossip协议最大的优点是去中心,消息可靠投递。缺点是消息传递到所有节点需要 O(logN)* T
秒,N是节点数量,且消息有冗余。