Redis优化及配置(二)

Redis所有的数据都在内存中，而内存优势非常宝贵的资源。常用的内存优化方案有如下几个部分：

1. 配置优化
2. 缩减健值对象
3. 命令处理
4. 缓存淘汰方案

二 缩减健值对象

降低redis内存使用最直接的方式就是缩减键（key）和值（value）的长度。

• key长度；如在设置键时，在完整描述业务情况下，键值越短越好。
• value长度，值对象缩减比较复杂，常见需求是把业务对象序列化二进制数组放入redis。首先应该在业务上精简业务对象，在存到redis之前
  先把你的数据压缩下

常用的压缩方法对比：

压缩方法	解压方法	压缩时间	压缩效果
bzcompress()	bzdecompress()	耗时多	压缩效果好
gzcompress()	gzuncompress()	耗时少	压缩效果差

三 命令处理

redis基于C/S架构模式，基于redis操作命令是解决响应延迟问题最关键的部分，因为redis是单个线程模型，客户端过来的命令是按照顺序执行的。比较常见延迟是宽带，通过千兆卡延迟大约有200μs。尚若明显看到命令的响应时间变慢，延迟高于200μs，那可能是redis命令队列里等待处理的命令数量比较多。
要分析解决这个性能的问题，需要跟踪命令处理的数量和延迟时间。
比如可以写个脚本，定期记录total_commands_processed（info stats查看）的值。当客户端明显发现响应时间过慢时，可以通过记录的total_commands_processed历史数据值来判断命令处理总数是上升趋势还是下降趋势，以便排查问题：

查看方式：

127.0.0.1:6379> info stats
# Stats
total_connections_received:1
total_commands_processed:8
instantaneous_ops_per_sec:0
total_net_input_bytes:238
total_net_output_bytes:14127
instantaneous_input_kbps:0.00
instantaneous_output_kbps:0.00
rejected_connections:0
sync_full:0
sync_partial_ok:0
sync_partial_err:0
expired_keys:0
expired_stale_perc:0.00
expired_time_cap_reached_count:0
evicted_keys:0
keyspace_hits:0
keyspace_misses:0
pubsub_channels:0
pubsub_patterns:0
latest_fork_usec:18701
migrate_cached_sockets:0
slave_expires_tracked_keys:0
active_defrag_hits:0
active_defrag_misses:0
active_defrag_key_hits:0
active_defrag_key_misses:0

解决方案：

1. 使用多参数命令：若是客户端在很短的时间内发送大量的命令过来，会发现响应时间明显变慢，者由于后面的命令一直在等待队列中前面大量明亮执行完毕。有个方法可以改善延迟问题，就是通过单命令多参数的形式取代多命令单参数形式。

   举例来说：
   循环使用lset命令去添加1000个元素到list结构中，是性能比较差的一种方式，更好的做法是在客户端创建一个1000个元素的列表，用单个命令lpush或rpush，通过多参数的构造形式一次性把1000个元素发送到redis服务上。下面是redis一些操作命令，有单个参数命令和支持多个参数的命令，通过这些命令可以尽量减少多命令次数。

2. 管道命令：另一个减少多命令的方式是使用管道（pipeline）,把几个命令合并一起执行，从而减少因网络开销引起的延迟问题。因为10个命令单独发送到服务器端会引起10次网络延迟开销，使用管道会一次性把执行结果返回，仅需要一次网络开销。redis本身支持管道命令，多数客户端也支持，尚若当前实例延迟很明显，那多使用管道去降低延迟非常有效。
   管道查阅地址：https://www.runoob.com/redis/redis-pipelining.html

四 缓存淘汰优化

redis 内存数据集大小上升到一定大小的时候，就会进行数据淘汰策略。如果不淘汰经常不用的缓存数据，那么正常的数据将不会存储到缓存当中。

通过配置redis.conf中的maxmemory这个值来开启内存淘汰功能

• maxmemory
  值得注意的是，maxmemory为0的时候表示我们对Redis的内存使用没有限制

根据应用场景，选择淘汰策略

• maxmemory-policy noeviction

  内存淘汰的过程 ：
  
  首先，客户端发起了需要申请更多内存的命令（如set）。
  
   然后，Redis检查内存使用情况，如果已使用的内存大于maxmemory则开始根据用户配置的不同淘汰策略来淘汰内存（key），从而换取一定的内存。
    
   最后，如果上面都没问题，则这个命令执行成功
  

截图（redis.conf）：

动态改配置命令【也可以在配置文件修改】
（此外，redis支持动态改配置，无需重启）

设置最大内存
config set maxmemory 100000

设置内存淘汰策略
config set maxmemory-policy noeviction

内存淘汰策略：

策略	说明
volatile-lru	从已设置过期时间的数据集（server.db[i].expires）中挑选最近最少使用的数据淘汰
allkeys-lru	从数据集（server.db[i].dict）中挑选最近最少使用的数据淘汰
volatile-lfu	从设置了过期时间的数据集（server.db[i].expires）中选择某段时间之内使用频次最小的键值对清除掉
allkeys-lfu	从所有的数据集（server.db[i].dict）中挑选某段时间之内使用频次最小简直对清除掉
volatile-ttl	从已设置过期时间的数据集（server.db[i].expires）中挑选将要过期的数据淘汰
volatile-random	从已设置过期时间的数据集（server.db[i].expires）中任意选择数据淘汰
allkeys-random	从数据集（server.db[i].dict）中任意选择数据淘汰
no-enviction	当内存达到限制的时候，不淘汰任何数据，不可写入任何数据集，所有引起申请内存的命令会报错。

如何选择淘汰策略：

几种策略的适用场景：

• allkeys-lru ：如果我们的应用对缓存的访问符合幂律分布，也就是存在相对热点数据，或者我们不太清楚我们应用的缓存访问分布状况，我们可以选择 allkeys-lru策略

• allkeys-random ：如果我们的应用对于缓存key的访问概率相等，则可以使用这个策略。

• volatile-ttl：这种策略使得我们可以向Redis提示哪些key更适合被eviction。

另外，volatile-lru策略和volatile-random策略适合我们将一个Redis实例既应用于缓存和又应用于持久化存储的时候，然而我们也可以通过使用两个Redis实例来达 到相同的效果，值得一提的是将key设置过期时间实际上会消耗更多的内存，因此建议使用allkeys-lru策略从而更有效率的使用内存