Rides再次学习4

rides的学习与使用

1.Redis 删除策略

1-1.过期数据

Redis中的数据特征

• Redis是一种内存级数据库，所有数据均存放在内存中，内存中的数据可以通过TTL指令获取其状态
  • XX ：具有时效性的数据
  • -1 ：永久有效的数据
  • -2 ：已经过期的数据 或 被删除的数据 或 未定义的数据

数据删除策略

1. 定时删除
2. 惰性删除
3. 定期删除

1-2.数据删除策略

1.时效性数据的存储结构

2.数据删除策略的目标

在内存占用与CPU占用之间寻找一种平衡，顾此失彼都会造成整体redis性能的下降，甚至引发服务器宕机或内存泄露

2-1.定时删除

• 创建一个定时器，当key设置有过期时间，且过期时间到达时，由定时器任务立即执行对键的删除操作
• 优点：节约内存，到时就删除，快速释放掉不必要的内存占用
• 缺点：CPU压力很大，无论CPU此时负载量多高，均占用CPU，会影响redis服务器响应时间和指令吞吐量
• 总结：用处理器性能换取存储空间 （拿时间换空间）

2-2.惰性删除

• 数据到达过期时间，不做处理。等下次访问该数据时
  • 如果未过期，返回数据
  • 发现已过期，删除，返回不存在
• 优点：节约CPU性能，发现必须删除的时候才删除
• 缺点：内存压力很大，出现长期占用内存的数据
• 总结：用存储空间换取处理器性能（拿时间换空间）

2-3.定期删除

两种方案都走极端，有没有折中方案？

• Redis启动服务器初始化时，读取配置server.hz的值，默认为10
• 每秒钟执行server.hz次serverCron()–>databasesCron()–>activeExpireCycle()
• activeExpireCycle()对每个expires[ * ] 逐一进行检测，每次执行250ms/server.hz
• 对某个expires[ * ] 检测时，随机挑选W个key检测
  • 如果key超时，删除key
  • 如果一轮中删除的key的数量>W*25%，循环该过程
  • 如果一轮中删除的key的数量≤W25%，检查下一个expires[]，0-15循环
  • W取值=ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP属性值
• 参数current_db用于记录activeExpireCycle() 进入哪个expires[*] 执行
• 如果activeExpireCycle()执行时间到期，下次从current_db继续向下执行

• 周期性轮询redis库中的时效性数据，采用随机抽取的策略，利用过期数据占比的方式控制删除频度
• 特点1：CPU性能占用设置有峰值，检测频度可自定义设置
• 特点2：内存压力不是很大，长期占用内存的冷数据会被持续清理
• 总结：周期性抽查存储空间（随机抽查，重点抽查）

info server
...
hz:10
...

2.4.删除策略比对

1. 定时删除

   1. 节约内存，无占用
   2. 不分时段占用CPU资源，频度高
   3. 拿时间换空间

2. 惰性删除

   1. 内存占用严重
   2. 延时执行，CPU利用率高
   3. 拿空间换时间

3. 定期删除

   1. 内存定期随机清理
   2. 每秒花费固定的CPU资源维护内存
   3. 随机抽查，重点抽查

1-3.逐出算法

1.当新数据进入redis时，如果内存不足怎么办？

• Redis使用内存存储数据，在执行每一个命令前，会调用freeMemoryIfNeeded()检测内存是否充足。
• 如果内存不满足新加入数据的最低存储要求，redis要临时删除一些数据为当前指令清理存储空间。清理数据的策略称为逐出算法。
• 注意：逐出数据的过程不是100%能够清理出足够的可使用的内存空间，如果不成功则反复执行。当对所有数据尝试完毕后，如果不能达到内存清理的要求，将出现错误信息。

(error) OOM command not allowed when used memory >'maxmemory'

2.影响数据逐出的相关配置

• 最大可使用内存：占用物理内存的比例，默认值为0，表示不限制。生产环境中根据需求设定，通常设置在50%以上。

maxmemory

• 每次选取待删除数据的个数：选取数据时并不会全库扫描，导致严重的性能消耗，降低读写性能。因此采用随机获取数据的方式作为待检测删除数据

maxmemory-samples

• 删除策略：达到最大内存后的，对被挑选出来的数据进行删除的策略

maxmemory-policy

3.影响数据逐出的相关配置

• 检测易失数据（可能会过期的数据集server.db[i].expires ）
  • volatile-lru：挑选最近最少使用的数据淘汰
  • volatile-lfu：挑选最近使用次数最少的数据淘汰
  • volatile-ttl：挑选将要过期的数据淘汰
  • volatile-random：任意选择数据淘汰
• 检测全库数据（所有数据集server.db[i].dict ）
  • allkeys-lru：挑选最近最少使用的数据淘汰
  • allkeys-lfu：挑选最近使用次数最少的数据淘汰
  • allkeys-random：任意选择数据淘汰
• 放弃数据驱逐
  • no-enviction（驱逐）：禁止驱逐数据（redis4.0中默认策略），会引发错误OOM（Out Of Memory）

maxmemory-policy volatile-lru

4.数据逐出策略配置依据

使用INFO命令输出监控信息，查询缓存 hit 和 miss 的次数，根据业务需求调优Redis配置

2.高级数据结构

2-1.bitmaps

2.Bitmaps类型的基础操作

• 获取指定key对应偏移量上的bit值

getbit key offset

• 设置指定key对应偏移量上的bit值，value只能是1或0

setbit key offset value

例子：

setbit bits 0 1
getbit bits 0
getbit bits 10
默认不存在，为0
setbit bits 100000000 1

3.Bitmaps类型的扩展操作

业务场景：电影网站

• 统计每天某一部电影是否被点播
• 统计每天有多少部电影被点播
• 统计每周/月/年有多少部电影被点播
• 统计年度哪部电影没有被点播

• 对指定key按位进行交、并、非、异或操作，并将结果保存到destKey中
  • and：交
  • or：并
  • not：非
  • xor：异或

bitop op destKey key1 [key2...]

• 统计指定key中1的数量

bitcount key [start end]

例子：

flushdb
setbit 20880808 0 1
setbit 20880808 4 1
setbit 20880808 8 1
setbit 20880809 0 1
setbit 20880808 5 1
setbit 20880808 8 1
bitcount 20880808

bitcount 20880809

setbit 20880808 6 1
bitcount 20880808

bitop or 08-09 20880808 20880809
bitcount 08-09
7个，但有两个重合，减2个

4.redis 应用于信息状态统计

2-2.HyperLogLog

1.统计独立UV

• 原始方案：set
  • 存储每个用户的id（字符串）
• 改进方案：Bitmaps
  • 存储每个用户状态（bit）
• 全新的方案：Hyperloglog

2.基数

• 基数是数据集去重后元素个数
• HyperLogLog 是用来做基数统计的，运用了LogLog的算法

3.LogLog算法

4.HyperLogLog类型的基本操作

• 添加数据

pfadd key element [element ...]

• 统计数据

pfcount key [key ...]

• 合并数据

pfmerge destkey sourcekey [sourcekey...]

例子：

flushdb
pfadd hll 001
pfadd hll 001
pfadd hll 001
pfadd hll 001
pfadd hll 001
pfadd hll 002
pfadd hll 002
pfcount h11
2

5.redis 应用于独立信息统计

6.相关说明

• 用于进行基数统计，不是集合，不保存数据，只记录数量而不是具体数据
• 核心是基数估算算法，最终数值存在一定误差
• 误差范围：基数估计的结果是一个带有 0.81% 标准错误的近似值
• 耗空间极小，每个hyperloglog key占用了12K的内存用于标记基数
• pfadd命令不是一次性分配12K内存使用，会随着基数的增加内存逐渐增大
• Pfmerge命令合并后占用的存储空间为12K，无论合并之前数据量多少

2-3.GEO

1.应用场景

火热的生活服务类软件

• 微信 / 陌陌
• 美团 / 饿了么
• 携程 / 马蜂窝
• 高德 / 百度

2.GEO类型的基本操作

• 添加坐标点

geoadd key longitude latitude member [longitude latitude member ...]

• 获取坐标点

geopos key member [member ...]

• 计算坐标点距离

geodist key member1 member2 [unit]

例子：

flushdb
geoadd geos 1 1 a
geoadd geos 2 2 b
geopos geos a
geodist geos a b
geodist geos a b m
geodist geos a b km

3.基本操作2

• 添加坐标点

georadius key longitude latitude radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]

• 获取坐标点

georadiusbymember key member radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]

• 计算经纬度

geohash key member [member ...]

例子：

flushdb
geoadd geos 1 1 1,1
geoadd geos 1 2 1,2
geoadd geos 1 3 1,3
geoadd geos 2 1 2,1
geoadd geos 2 2 2,2
geoadd geos 2 3 2,3
geoadd geos 3 1 3,1
geoadd geos 3 2 3,2
geoadd geos 3 3 3,3
geoadd geos 5 5 5,5
求范围
georadiusbymember geos 2,2 180 km

georadiusbymember geos 2,2 120 km

georadius geos 1.5,1.5 90 km

geohash geos 2,2

4.redis 应用于地理位置计算

3.主从复制

3-1.主从复制简介

互联网“三高”架构：

• 高并发
• 高性能
• 高可用

1.你的“Redis”是否高可用？

单机redis的风险与问题

• 问题1.机器故障
  • 现象：硬盘故障、系统崩溃
  • 本质：数据丢失，很可能对业务造成灾难性打击
  • 结论：基本上会放弃使用redis.
• 问题2.容量瓶颈
  • 现象：内存不足，从16G升级到64G，从64G升级到128G，无限升级内存
  • 本质：穷，硬件条件跟不上
  • 结论：放弃使用redis
• 结论：
  • 为了避免单点Redis服务器故障，准备多台服务器，互相连通。将数据复制多个副本保存在不同的服务器上，连接在一起，并保证数据是同步的。
  • 即使有其中一台服务器宕机，其他服务器依然可以继续提供服务，实现Redis的高可用，同时实现数据冗余备份。

2.多台服务器连接方案

• 提供数据方：master
  • 主服务器，主节点，主库
  • 主客户端
• 接收数据方：slave
  • 从服务器，从节点，从库
  • 从客户端
• 需要解决的问题：
  • 数据同步
• 核心工作：
  • master的数据复制到slave中

3.主从复制

• 主从复制即将master中的数据即时、有效的复制到slave中
• 特征：一个master可以拥有多个slave，一个slave只对应一个master
• 职责：
• master:
  • 写数据
  • 执行写操作时，将出现变化的数据自动同步到slave
  • 读数据（可忽略）
• slave:
  • 读数据
  • 写数据（禁止）

4.高可用集群

5.主从复制的作用

• 读写分离：master写、slave读，提高服务器的读写负载能力
• 负载均衡：基于主从结构，配合读写分离，由slave分担master负载，并根据需求的变化，改变slave的数量，通过多个从节点分担数据读取负载，大大提高Redis服务器并发量与数据吞吐量
• 故障恢复：当master出现问题时，由slave提供服务，实现快速的故障恢复
• 数据冗余：实现数据热备份，是持久化之外的一种数据冗余方式
• 高可用基石：基于主从复制，构建哨兵模式与集群，实现Redis的高可用方案

3-2.主从复制工作流程

1.主从复制过程大体可以分为3个阶段

• 建立连接阶段（即准备阶段）
• 数据同步阶段
• 命令传播阶段

2.阶段一：建立连接阶段

建立slave到master的连接，使master能够识别slave，并保存slave端口号

建立连接阶段工作流程：

• 步骤1：设置master的地址和端口，保存master信息
• 步骤2：建立socket连接
• 步骤3：发送ping命令（定时器任务）
• 步骤4：身份验证
• 步骤5：发送slave端口信息
• 至此，主从连接成功！

状态：

• slave：

  • 保存master的地址与端口

• master：

  • 保存slave的端口

• 总体：之间创建了连接的socket

3.主从连接（slave连接master）

• 方式一：客户端发送命令

slaveof <masterip> <masterport>

• 方式二：启动服务器参数

redis-server -slaveof <masterip> <masterport>

• 方式三：服务器配置

slaveof <masterip> <masterport>

配置

vim redis-6379.conf
daemonize no
#logfile "6379.conf"

vim redis-6379.conf
daemonize no
#logfile "6379.conf"

客户端1：redis-server /conf/redis-6379.conf
客户端2：redis-server /conf/redis-6380.conf

客户端4：
redis-cli -p 6380
slaveof 127.0.0.1 6379
客户端3：
redis-cli
set name name
客户端4：
get name


方式二：
客户端1：redis-server /conf/redis-6379.conf
客户端2：redis-server /conf/redis-6380.conf --slaveof 127.0.0.1 6379
客户端4：
redis-cli -p 6380
客户端3：
redis-cli
set name name
客户端4：
get name

方式三：
客户端2：
vim redis-6379.conf
slaveof 127.0.0.1 6379

redis-server /conf/redis-6380.conf
...一样测试步骤
客户端3：看配置
info
connected_slaves:..
客户端4：看配置
info

主从断开连接

• 客户端发送命令：slaveof no one
• 说明：
  • slave断开连接后，不会删除已有数据，只是不再接受master发送的数据

客户端4：slaveof no one

4.授权访问

• master客户端发送命令设置密码

requirepass <password>

• master配置文件设置密码

config set requirepass <password>
config get requirepass

• slave客户端发送命令设置密码

auth <password>

• slave配置文件设置密码

masterauth <password>

• slave启动服务器设置密码

redis-server –a <password>

5.阶段二：数据同步阶段工作流程

• 在slave初次连接master后，复制master中的所有数据到slave
• 将slave的数据库状态更新成master当前的数据库状态

数据同步阶段工作流程：

• 步骤1：请求同步数据
• 步骤2：创建RDB同步数据
• 步骤3：恢复RDB同步数据
• 步骤4：请求部分同步数据
• 步骤5：恢复部分同步数据
• 至此，数据同步工作完成！

状态：

• slave：
  • 具有master端全部数据，包含RDB过程接收的数据
• master：
  • 保存slave当前数据同步的位置
• 总体：之间完成了数据克隆

数据同步

客户端1：redis-server /conf/redis-6379.conf
客户端2：redis-server /conf/redis-6380.conf
客户端4：
redis-cli -p 6380
slaveof 127.0.0.1 6379
客户端3：
redis-cli

6.数据同步阶段master说明

1. 如果master数据量巨大，数据同步阶段应避开流量高峰期，避免造成master阻塞，影响业务正常执行
2. 复制缓冲区大小设定不合理，会导致数据溢出。如进行全量复制周期太长，进行部分复制时发现数据已经存在丢失的情况，必须进行第二次全量复制，致使slave陷入死循环状态。
3. master单机内存占用主机内存的比例不应过大，建议使用50%-70%的内存，留下30%-50%的内存用于执行bgsave命令和创建复制缓冲区

repl-backlog-size 1mb

7.数据同步阶段slave说明

1. 为避免slave进行全量复制、部分复制时服务器响应阻塞或数据不同步，建议关闭此期间的对外服务
2. 数据同步阶段，master发送给slave信息可以理解master是slave的一个客户端，主动向slave发送命令
3. 多个slave同时对master请求数据同步，master发送的RDB文件增多，会对带宽造成巨大冲击，如果master带宽不足，因此数据同步需要根据业务需求，适量错峰
4. slave过多时，建议调整拓扑结构，由一主多从结构变为树状结构，中间的节点既是master，也是slave。注意使用树状结构时，由于层级深度，导致深度越高的slave与最顶层master间数据同步延迟较大，数据一致性变差，应谨慎选择

slave-serve-stale-data yes|no

8.阶段三：命令传播阶段

• 当master数据库状态被修改后，导致主从服务器数据库状态不一致，此时需要让主从数据同步到一致的状态，同步的动作称为命令传播
• master将接收到的数据变更命令发送给slave，slave接收命令后执行命令

9.命令传播阶段的部分复制

• 命令传播阶段出现了断网现象
  • 网络闪断闪连 忽略
  • 短时间网络中断 部分复制
  • 长时间网络中断 全量复制
• 部分复制的三个核心要素
  • 服务器的运行 id（run id）
  • 主服务器的复制积压缓冲区
  • 主从服务器的复制偏移量

10.服务器运行ID（runid）

• 概念：服务器运行ID是每一台服务器每次运行的身份识别码，一台服务器多次运行可以生成多个运行id
• 组成：运行id由40位字符组成，是一个随机的十六进制字符
  • 例如：fdc9ff13b9bbaab28db42b3d50f852bb5e3fcdce
• 作用：运行id被用于在服务器间进行传输，识别身份
  • 如果想两次操作均对同一台服务器进行，必须每次操作携带对应的运行id，用于对方识别
• 实现方式：运行id在每台服务器启动时自动生成的，master在首次连接slave时，会将自己的运行ID发送给slave，slave保存此ID，通过info Server命令，可以查看节点的runid

11.复制缓冲区

• 概念：复制缓冲区，又名复制积压缓冲区，是一个先进先出（FIFO）的队列，用于存储服务器执行过的命令，每次传播命令，master都会将传播的命令记录下来，并存储在复制缓冲区

12.复制缓冲区内部工作原理

• 组成
  • 偏移量
  • 字节值
• 工作原理
  • 通过offset区分不同的slave当前数据传播的差异
  • master记录已发送的信息对应的offset
  • slave记录已接收的信息对应的offset

13.复制缓冲区

• 概念：复制缓冲区，又名复制积压缓冲区，是一个先进先出（FIFO）的队列，用于存储服务器执行过的命令，每次传播命令，master都会将传播的命令记录下来，并存储在复制缓冲区
• 复制缓冲区默认数据存储空间大小是1M，由于存储空间大小是固定的，当入队元素的数量大于队列长度时，最先入队的元素会被弹出，而新元素会被放入队列
• 由来：每台服务器启动时，如果开启有AOF或被连接成为master节点，即创建复制缓冲区
• 作用：用于保存master收到的所有指令（仅影响数据变更的指令，例如set，select）
• 数据来源：当master接收到主客户端的指令时，除了将指令执行，会将该指令存储到缓冲区中

14.主从服务器复制偏移量（offset）

• 概念：一个数字，描述复制缓冲区中的指令字节位置
• 分类：
  • master复制偏移量：记录发送给所有slave的指令字节对应的位置（多个）
  • slave复制偏移量：记录slave接收master发送过来的指令字节对应的位置（一个）
• 数据来源：
  • master端：发送一次记录一次
  • slave端：接收一次记录一次
• 作用：同步信息，比对master与slave的差异，当slave断线后，恢复数据使用

15.数据同步+命令传播阶段工作流程

16.心跳机制

• 进入命令传播阶段候，master与slave间需要进行信息交换，使用心跳机制进行维护，实现双方连接保持在线
• master心跳：
  • 指令：PING
  • 周期：由repl-ping-slave-period决定，默认10秒
  • 作用：判断slave是否在线
  • 查询：INFO replication 获取slave最后一次连接时间间隔，lag项维持在0或1视为正常
• slave心跳任务
  • 指令：REPLCONF ACK {offset}
  • 周期：1秒
  • 作用1：汇报slave自己的复制偏移量，获取最新的数据变更指令
  • 作用2：判断master是否在线

17.心跳阶段注意事项

• 当slave多数掉线，或延迟过高时，master为保障数据稳定性，将拒绝所有信息同步操作
• slave数量少于2个，或者所有slave的延迟都大于等于10秒时，强制关闭master写功能，停止数据同步
• slave数量由slave发送REPLCONF ACK命令做确认
• slave延迟由slave发送REPLCONF ACK命令做确认

min-slaves-to-write 2
min-slaves-max-lag 8

18.主从复制工作流程（完整）

3-3.主从复制常见问题

1.频繁的全量复制

• 伴随着系统的运行，master的数据量会越来越大，一旦master重启，runid将发生变化，会导致全部slave的全量复制操作
• 内部优化调整方案：

1. master内部创建master_replid变量，使用runid相同的策略生成，长度41位，并发送给所有slave
2. 在master关闭时执行命令 shutdown save，进行RDB持久化,将runid与offset保存到RDB文件中
   1. repl-id repl-offset
   2. 通过redis-check-rdb命令可以查看该信息
3. master重启后加载RDB文件，恢复数据
   1. 重启后，将RDB文件中保存的repl-id与repl-offset加载到内存中
   2. master_repl_id = repl master_repl_offset = repl-offset
   3. 通过info命令可以查看该信息
4. 作用：
   5. 本机保存上次runid，重启后恢复该值，使所有slave认为还是之前的master

• 问题现象
  • 网络环境不佳，出现网络中断，slave不提供服务
• 问题原因
  • 复制缓冲区过小，断网后slave的offset越界，触发全量复制
• 最终结果
  • slave反复进行全量复制
• 解决方案
  • 修改复制缓冲区大小

repl-backlog-size

• 设置如下：
  1. 测算从master到slave的重连平均时长second
  2. 获取master平均每秒产生写命令数据总量write_size_per_second
  3. 最优复制缓冲区空间 = 2 * second * write_size_per_second

2.频繁的网络中断1

• 问题现象
  • master的CPU占用过高 或 slave频繁断开连接
• 问题原因
  • slave每1秒发送REPLCONF ACK命令到master
  • 当slave接到了慢查询时（keys * ，hgetall等），会大量占用CPU性能
  • master每1秒调用复制定时函数replicationCron()，比对slave发现长时间没有进行响应
• 最终结果
  • master各种资源（输出缓冲区、带宽、连接等）被严重占用
• 解决方案
  • 通过设置合理的超时时间，确认是否释放slave
  • 该参数定义了超时时间的阈值（默认60秒），超过该值，释放slave

repl-timeout

3.频繁的网络中断2

• 问题现象
  • slave与master连接断开
• 问题原因
  • master发送ping指令频度较低
  • master设定超时时间较短
  • ping指令在网络中存在丢包
• 解决方案
  • 提高ping指令发送的频度
  • 超时时间repl-time的时间至少是ping指令频度的5到10倍，否则slave很容易判定超时

repl-ping-slave-period

4.数据不一致

• 问题现象
  • 多个slave获取相同数据不同步
• 问题原因
  • 网络信息不同步，数据发送有延迟
• 解决方案
  • 优化主从间的网络环境，通常放置在同一个机房部署，如使用阿里云等云服务器时要注意此现象
  • 监控主从节点延迟（通过offset）判断，如果slave延迟过大，暂时屏蔽程序对该slave的数据访问
  • 开启后仅响应info、slaveof等少数命令（慎用，除非对数据一致性要求很高）

slave-serve-stale-data yes|no