Redis学习笔记系列
缓存预热
- 请求数据较高
- 主从之间数据吞吐量较大，数据同步操作频度较高
- 日常例行统计数据访问记录，统计访问频度较高的热点数据
- 利用LRU数据删除策略，构建数据留存队列，例如：storm与Kafka配合
准备工作： - 将统计结果中的数据分类，根据级别，redis优先加载级别较高的热点数据
- 利用分布式多服务器同时进行数据读取，提速数据加载过程
实施： - 使用脚本程序固定触发数据预热过程
- 如果条件允许，使用CDN(内容分发网络)，效果会更好
- 总结：
缓存预热就是系统启动前，提前将相关的数据直接加载到缓存系统中。避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题，用户直接查询事先被预热的缓存数据。
缓存雪崩
- 系统平稳运行过程中，忽然数据库连接量激增
- 应用服务器无法及时处理请求
- 大量408，500错误页面出现
- 客户反复刷新页面获取数据
- 数据库奔溃
- 应用服务器奔溃
- 重启应用服务器无效
- Redis服务器奔溃
- Redis集群奔溃
- 重启数据库后再次被瞬间流量放倒
- 在一个较短的时间内，缓存中较多的key集中过期
- 此周期内请求访问过期的数据，redis未命中，redis向数据库获取数据
- 数据库同时接收到大量的请求无法及时处理
- redis大量请求被积压，开始出现超时的现象
- 数据库流量激增，数据库奔溃
- 重启后仍然面对缓存中无数据可用
- redis服务器资源被严重占用，redis服务器奔溃
- redis集群呈现奔溃，集群瓦解
- 应用服务器无法及时得到数据响应请求，来自客户端的请求越来越多，应用服务器奔溃
- 应用服务器，redis，数据库全部重启，效果不理想
- 更多的页面静态化处理
- 构建多级缓存架构：Nginx缓存+redis缓存+ehcache缓存
- 检测mysql严重耗时业务进行优化：对数据库的瓶颈排查，例如超时查询，耗时较高事务等
- 灾难预警机制：监控redis服务器性能指标：CPU占用，CPU使用等，内存容量，查询平均响应时间，线程数
- 限流，降级：短时间范围内牺牲一些客户体验，限制一部分请求访问，降低应用服务器压力，待业务低速运转后再逐步放开访问
- LRU与LFU切换
- 数据有效期策略调整：根据业务数据有效期进行分类错峰 ，过期时间使用固定时间+随机值的形式，稀释集中到期的key的数量
- 超热数据使用永久key
- 定期维护(自动+人工)：对即将过期数据做访问量分析，确认是否延时，配合访问量统计，做热点数据的延时
- 加锁：慎用
- 总结：
缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力，如能够有效避免过期时间集中，可以有效解决雪崩现象的出现，配合其它策略一起使用，并监控服务器的运行数据，根据运行记录做快速调整
缓存击穿
- 系统平稳运行过程中
- 数据库连接量瞬间激增
- redis服务器无大量key过期
- redis内存平稳，无波动
- redis服务器CPU正常
- 数据库奔溃
- redis中某个key过期，该key访问量巨大
- 多个数据请求从服务器直接压到redis后，均未命中
- redis在短时间内发起了大量对数据库中同一数据的访问
- 单个key高热数据
- key过期
- 预先设定：以电商为例，每个商家根据店铺等级，指定若干主打商品，在购物节期间，加大此类信息key的过期时长
- 现场调整：监控访问量，对自然流量激增的数据延长过期时间或设置为永久key
- 后台刷新数据：启动定时任务，高峰期来临之前，刷新数据有效期，确保不丢失
- 二级缓存：设置不同的失效时间，保障不会被同时淘汰
- 加锁：分布式锁，防止被击穿，但是要特别注意也是性能瓶颈，慎用
- 总结：
缓存击穿就是单个高热数据过期的瞬间，数据访问量较大，未命中redis后，发起了大量对同一数据的数据库访问，导致对数据库服务器造成压力，应对策略应该在业务数据分析与预防方面进行，配合进行监控测试与即时调整策略，毕竟单个key的过期监控难度较高，配合雪崩处理策略即可。
缓存穿透
- 系统平稳运行过程中
- 应用服务器流量随时间增量较大
- redis服务器命中率随时间逐步降低
- redis内存平稳，内存无压力
- redis服务器CPU占用激增
- 数据库服务器压力激增
- 数据库奔溃
- redis中大面积出现未命中
- 出现非正常URL访问
- 获取的数据在数据库中也不存在，数据库查询未得到对应数据
- redis获取到null数据未进行持久化，直接返回
- 下次此类数据到达重复上述过程
- 出现黑客攻击服务器
- 缓存null：对查询结果为null的数据进行缓存(长期缓存，定期删除)，设定短时限，例如30-60秒，最高5分钟
- 白名单策略：提前预热各种分类数据id对应的bitmaps，id作为bitmaps的offset，相当于设置了数据白名单，当加载正常数据时，放行，加载异常数据时，直接拦截(效率偏低)，还可以使用布隆过滤器
- 实施监控：实时监控redis命中率与null数据的占比，非活动时段波动：通常检测3-5倍，超过5倍纳入重点排查对象；活动时段波动：通常检测10-50倍，超过50倍纳入重点排查对象；根据倍数不同，启动不同的排查流程，然后使用黑名单进行防控
- key加密：问题出现后，临时启动防灾业务key，对key进行业务层传输加密服务，设定校验程序，过来的key校验。例如每天随机分配60个加密串，挑选2-3个，混淆到页面数据id中，发现访问key不满足规则，驳回数据访问
- 总结：缓存击穿就是访问了不存在的数据，跳过了合法数据的redis数据缓存阶段，每次访问数据库，导致数据库服务器造成压力，通常此类数据的出现量是一个较低的值，当出现此类情况以毒攻毒，并及时报警，应对策略应该在临时预案防范方面多做文章，无论黑名单还是白名单，都是对整体系统的压力，警报解除后尽快移除
性能指标监控
- 性能指标：Performance
- 内存指标：Memory
- 基本活动指标：Basic activity
- 持久性指标：Persistence
- 错误指标：Error
性能指标：Performance
| Name | Description |
|---|
| latency | redis响应一个请求的时间 |
| instantaneous_ops_per_sec | 平均每秒处理请求总数 |
| hit rate(calculated) | 缓存命中率(计算出来的) |
内存指标：Memory
| Name | Description |
|---|
| used_memory | 已使用内存 |
| mem_fragmentation_ratio | 内存碎片率 |
| evicted_keys | 由于最大内存限制被移除的key的数量 |
| blocked_clients | 由于BLPOP，BRPOP，or BRPOPLPUSH而被阻塞的客户端 |
基本活动指标：Basic activity
| Name | Description |
|---|
| connected_clients | 客户连接数 |
| connect_slaves | slave的数量 |
| master_last_io_seconds_ago | 最近一次主从交互之后的秒数 |
| keyspace | 数据库中的key的值总数 |
持久性指标：Persistence
| Name | Description |
|---|
| rdb_last_save_time | 最后一次持久化保存到磁盘的时间戳 |
| rdb_changes_since_last_save | 自最后一次持久化以来数据库的更改数 |
错误指标：Error
| Name | Description |
|---|
| rejected_connections | 由于达到maxclient限制而被拒绝的连接数 |
| keyspace_misses | key值查找失败(没有命中)次数 |
| master_link_down_since_seconds | 主从断开的持续时间(以秒为单位) |
监控方式
- Cloud Insight Redis
- Prometheus
- Redis-stat
- Redis-faina
- RedisLive
- zabbix
redis-benchmark [-h] [-p] [-c] [-n <requests>] [-k]
- 范例
redis-benchmark ： 50个连接，10000次请求对应的性能 - 范例
redis-benchmark -c 100 -n 5000：100个连接，5000次请求对应的性能
- redis cli： monitor | showlog
monitor
showlog
showlog [operator]
- get：获取慢查询日志
- len：获取慢查询日志条目数
- reset：重置慢查询日志
相关配置 showlog-log-slower-than 1000 # 设置慢查询的时间下线，单位：微秒showlog-max-len 100 # 设置慢查询命令对应的日志显示长度，单位：命令数
- 捐赠 -
如果觉得还不错，请我喝杯水吧 ^ _ ^ 您的鼓励是我不断前进的动力
| 支付宝 | 微信 |
|---|
 |  |
| |
1527
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
