redis-大数据量访问场景小聊

  

转载：http://aodi.paic.com.cn/forum.php?mod=viewthread&tid=5232&fromuid=1

感谢同事的分享。

很多同事不是很清楚redis可以干嘛，这边就简单的聊下。

     首先从基础开始，什么是redis，它和我们常说的NOSQL是什么关系?

Redis 是一个内存中的数据结构存储系统，它可以用作数据库，缓存和消息中间件。说白了主要就是用来缓存数据。

而NOSQL从字面意思来看是  not only SQL，意思就是运用非关系型的数据存储。REDIS也是NOSQL数据库的一种，

并不是说不使用SQL语句，很多封装方法后，用起来和普通的SQL语法一样样的。

      那么他如果操作，能实现什么呢？

       String ,Hash ,List ,Set,Sorted set 5 种   常用的数据类型，并且有持久化功能。

在JAVA封装后，你可以像操作java常用的数据类型一样去操作REDIS。

具体的5种特性属性，这里就不介绍了。有意者随便百度下。

Redis是单线程的，但是，处理速度非常的快。可以用redis做为一个消息队列，个人觉得它属于轻量级的，没有ACTIVEMQ那些繁重。

数据提交可以操作 pipline进行批量的处理数据，进行异步的提交。速度杠杠的。

redis在缓存的定义上是真正意义上的内存式缓存。不像MongoDB，利用索引，海量数据的存储镜像需要存在磁盘上或虚拟内存上。而

redis通过算法，将常用的数据类型，放在内存里，将不常用的进行持久化，移出内存空间。这个机制，非常类型JAVA的VM，了解新生代，

老年代，持久代的定义后，就不难理解redis的这个机制了。

Redis将内存的保存地址进行哈希排序，标记产生哈希槽。Redis 集群中内置了 16384 个哈希槽，当需要在 Redis 集群中放置一个 key-value时，redis 先对 key 使用 crc16  算法算出一个结果，然后把结果对 16384 取模，这样每个 key 都会对应一个编号在 0-16383 之间的哈希槽，redis 会根据节点数量大致均等的将哈希槽映射到不同的节点。所以需要配置 内存的maxmemory策略，以免内存达到极限。

使用哈希槽的好处就在于可以方便的添加或移除节点。

当需要增加节点时，只需要把其他节点的某些哈希槽挪到新节点就可以了；

当需要移除节点时，只需要把移除节点上的哈希槽挪到其他节点就行了。

集群、主备防灾说的通俗点就是 对 哈希槽 的监管权的拥有。如果主有问题，就快速死掉，把哈希槽的拥有权给备机监管。

在持久化的时候，有2种方式：AOF和RDB。

RDB是可以配置指定的时间间隔对数据进行快照存储。

而AOF持久方式是对REDIS进行写的操作都进行存储。意思就是实时备份，所以通常

情况下AOF文件的数据集要完整一些。

那我们为什么要用它？

    既然 REDIS 是一种缓存管理工具。它当然可以取代现有一些 CACHE 的工具。

那我们到底怎么使用它能够给我们带来巨大的收益呢？

我们会在什么样的场景下使用它？ 看下这个逻辑金字塔模型，能够稍稍的解释一些使用

这3个分层的金字塔三角形，从底层开始说，第3层 游客，就是说客户随意逛逛，粘合度不高的，不会最终交易。第2层就是有自己喜好的，对这边有感兴趣的点。可以下单，但不一定会买。第一层金字塔顶层，就是 忠实客户会购买喜欢的产品。

可以看出整个流量数据是 第一层往后越少。

而实际应用中，如果所有的信息读写都是来自数据库的话，I/O的所有负担都压在了数据库上，而真正业务是要实现快速交易。流量一旦上来，发现查询也查不了，交易也交易不了，都堵塞了。所以并不是所有的操作都需要去访问数据库，这种海量数据下非常容易击穿数据库。导致生产事故。

在这样大数据量的频繁查询下，这个场景下，REDIS就派上了用场。

用 Redis 缓存客户信息，用 session id 或者有 access_token 做为 key ， expire  时间为 30 分钟。

而网站信息缓存 信息，产品说明等。这样   就把大部分的流量拦截了下来，数据库的 I/O 解放了出来，

客户最先登录后，就把页面显示的信息，个人信息都缓存好了。无论怎么刷新，

退出登录都不会访问到数据库了。   数据库可以专心的等待交易的进行。

当然缓存的信息都是不常改变的，如产品说明，列表等等这些，另外的像客户信息如购买了产品后，

记得更新缓存，因为产品列表，个人信息发生了变化。

在分布式环境里，nginx作为负载均衡，轮询服务器， 用 redis 做为  分布式会话 缓存工具   尤其常见。

再加上一些静态页面的处理，动静态分离，数据库读写分离，Java虚拟机的优化，TOMCAT容器的优化

等等，大数据量下的优化措施能把以前的拖拉机变成豪华飞机。有机会再讲下现在常见的分布式大型网站的建设

今天到此结束，码字辛苦，谢谢。