Redis中BigKey的判定查找建议

判定依据

1. key本身的数据量过大:string类型的key它的值为5MB
2. key中的成员数量过多:一个zset类型的key成员数量为10000个
3. key中的成员数据量过大:一个hash类型的key他的成员只有1000个但是这些value总大小超过100MB
4. 查看内存命令

127.0.0.1:6379> hset k1 name 123 age 123 sex 123 email 123@123
(integer) 1
127.0.0.1:6379> memory usage k1
(integer) 96
127.0.0.1:6379> 

推荐

1. 单个key的value小于10KB
2. 对于集合类型的key建议元素数量小于1000

危害

1. 网络阻塞
   1. 对于bigkey执行读请求时少量的QPS就可能导致带宽使用率被占满导致Redis实例 乃至物理机变慢
2. 数据倾斜
   1. BigKey所在的Redis实例内存使用率远超其他使用率 无法使数据分片内存资源达到均衡
3. Redis阻塞
   1. 对元素较多的hash list zset 等做运算耗时较多 使主线程被阻塞
4. CPU压力
   1. BigKey的数据序列化和反系列化会导致CPU的使用率飙升 影响Redis实例和本机其他引用

查找BigKey

1. redis-cli–bigkeys

[root@CentOS7 ~]# redis-cli --bigkeys

# Scanning the entire keyspace to find biggest keys as well as
# average sizes per key type.  You can use -i 0.1 to sleep 0.1 sec
# per 100 SCAN commands (not usually needed).

[00.00%] Biggest hash   found so far '"k1"' with 4 fields

-------- summary -------

Sampled 1 keys in the keyspace!
Total key length in bytes is 2 (avg len 2.00)

Biggest   hash found '"k1"' has 4 fields

0 strings with 0 bytes (00.00% of keys, avg size 0.00)
0 lists with 0 items (00.00% of keys, avg size 0.00)
1 hashs with 4 fields (100.00% of keys, avg size 4.00)
0 streams with 0 entries (00.00% of keys, avg size 0.00)
0 sets with 0 members (00.00% of keys, avg size 0.00)
0 zsets with 0 members (00.00% of keys, avg size 0.00)
[root@CentOS7 ~]# 

选择何时的数据结构

class user{
    private String name;
    private Integer age;
}

1. JSON 优点：实现简单粗暴 缺点：数据耦合，不够灵活

user:1	{"name": "Jack", "age": 21}

2. String 优点：可以灵活访问对象任意字段 缺点：占用空间大、没办法做统一控制

user:1:name	Jack
user:1:age	21

3. Hash 优点：底层使用ziplist，空间占用小，可以灵活访问对象的任意字段 缺点：代码相对复杂

user:1	name	jack
		age		21

BigKey 案例

假如有hash类型的key，其中有100万对field和value，field是自增id，这个key存在什么问题？如何优化？

key	field	value
someKey	id:0	value0
	…	…
	id:999999	value999999

1. 方案一拆分为string类型
   | key | value |
   | — | — |
   | id:0 | value0 |
   | … | … |
   | id:999999 | value999999 |

存在的问题：string结构底层没有太多内存优化，内存占用较多想要批量获取这些数据比较麻烦

2. 方案二拆分为小的hash，将 id / 100 作为key， 将id % 100 作为field，这样每100个元素为一个Hash
   | key | field | value |
   | — | — | — |
   | key:0 | id:00 | value0 |
   | | … | … |
   | | id:99 | value99 |
   | key:1 | id:00 | value100 |
   | | … | … |
   | | id:99 | value199 |
   | … | | |
   | key:9999 | id:00 | value999900 |
   | | … | … |
   | | id:99 | value999999 |