Redis(开发与运维):62---开发运维的陷阱之（寻找热点key）

• 热门新闻事件或商品通常会给系统带来巨大的流量，对存储这类信息的 Redis来说却是一个巨大的挑战。以Redis Cluster为例，它会造成整体流量的 不均衡，个别节点出现OPS过大的情况，极端情况下热点key甚至会超过 Redis本身能够承受的OPS，因此寻找热点key对于开发和运维人员非常重 要。下面就从四个方面来分析热点key

一、客户端

演示案例

• 客户端其实是距离key“最近”的地方，因为Redis命令就是从客户端发出的
• 例如在客户端设置全局字典（key和调用次数），每次调用Redis命令时，使用这个字典进行记录，如下所示

// 使用Guava的AtomicLongMap,记录key的调用次数
public static final AtomicLongMap<String> ATOMIC_LONG_MAP = AtomicLongMap.create();
String get(String key) {
    counterKey(key);
    ...
}
String set(String key, String value) {
    counterKey(key);
    ...
}
void counterKey(String key) {
    ATOMIC_LONG_MAP.incrementAndGet(key);
}

• 为了减少对客户端代码的侵入，可以在Redis客户端的关键部分进行计数，例如Jedis的Connection类中的sendCommand方法是所有命令执行的枢纽：

public Connection sendCommand(final ProtocolCommand cmd, final byte[]... args) {
    // 从参数中获取key
    String key = analysis(args);
    // 计数
    counterKey(key);
    ...
}

• 同时为了防止ATvOMIC_LONG_MAP过大，可以对其进行定期清理

public void scheduleCleanMap() {
    ERROR_NAME_VALUE_MAP.clear();
}

• 使用客户端进行热点key的统计非常容易实现，但是同时问题也非常多：
  • 无法预知key的个数，存在内存泄露的危险
  • 对于客户端代码有侵入，各个语言的客户端都需要维护此逻辑，维护 成本较高
  • 只能了解当前客户端的热点key，无法实现规模化运维统计
• 当然除了使用本地字典计数外，还可以使用其他存储来完成异步计数， 从而解决本地内存泄露问题。但是另两个问题还是不好解决

二、代理端

• 像Twemproxy、Codis这些基于代理的Redis分布式架构，所有客户端的请求都是通过代理端完成的，如下图所示
• 此架构是最适合做热点key统计的，因为代理是所有Redis客户端和服务端的桥梁。但并不是所有Redis都 是采用此种架构。

三、Redis服务端

• 使用monitor命令统计热点key是很多开发和运维人员首先想到，monitor 命令可以监控到Redis执行的所有命令，下面为一次monitor命令执行后部分结果：

• 如下图所示，利用monitor命令的结果就可以统计出一段时间内的热点key排行榜、命令排行榜、客户端分布等数据

• 例如下面的伪代码统计了最近10万条命令中的热点key：

// 获取10万条命令
List<String> keyList = redis.monitor(100000);
// 存入到字典中，分别是key和对应的次数
AtomicLongMap<String> ATOMIC_LONG_MAP = AtomicLongMap.create();
// 统计
for (String command : commandList) {
    ATOMIC_LONG_MAP.incrementAndGet(key);
}
// 后续统计和分析热点key
statHotKey(ATOMIC_LONG_MAP);

• Facebook开源的redis-faina（http://github.com/facebookarchive/redis-faina）正是利用上述原理使用Python语言实现的， 例如下面获取最近10万条命令的热点key、热点命令、耗时分布等数据。为了减少网络开销以及加快输出缓冲区的消费速度，monitor尽可能在本机执行

• 此种方法会有两个问题：
  • 本书多次强调monitor命令在高并发条件下，会存在内存暴增和影响Redis性能的隐患，所以此种方法适合在短时间内使用
  • 只能统计一个Redis节点的热点key，对于Redis集群需要进行汇总统 计

四、机器

• Redis客户端使用TCP协议与服务端进行交互，通信协议采用的是RESP。如果站在机器的角度，可以通过对机器上所有Redis端口的TCP数据包进行抓取完成热点key的统计，如下图所示

• 此种方法对于Redis客户端和服务端来说毫无侵入，是比较完美的方 案，但是依然存在两个问题：
  • 需要一定的开发成本，但是一些开源方案实现了该功能，例如ELK（ElasticSearch Logstash Kibana）体系下的packetbeat（http://www.elastic.co/products/beats/packetbeat）插件，可以实现 对Redis、MySQL等众多主流服务的数据包抓取、分析、报表展示
  • 由于是以机器为单位进行统计，要想了解一个集群的热点key，需要进行后期汇总

五、总结

• 下图给出上述四种方案的特点：

• 最后我们总结出解决热点key问题的三种方案。选用哪种要根据具体业 务场景来决定。下面是三种方案的思路：
  • 1）拆分复杂数据结构：如果当前key的类型是一个二级数据结构，例如哈希类型。如果该哈希元素个数较多，可以考虑将当前hash进行拆分，这样该热点key可以拆分为若干个新的key分布到不同Redis节点上，从而减轻压 力
  • 2）迁移热点key：以Redis Cluster为例，可以将热点key所在的slot单独迁移到一个新的Redis节点上，但此操作会增加运维成本
  • 3）本地缓存加通知机制：可以将热点key放在业务端的本地缓存中，因 为是在业务端的本地内存中，处理能力要高出Redis数十倍，但当数据更新 时，此种模式会造成各个业务端和Redis数据不一致，通常会使用发布订阅机制来解决类似问题