這可能是最中肯的 Redis 使用規范了！
昨天我被公司 Leader 批評了。
我在單身紅娘婚戀類型互聯網公司工作，在雙十一推出下單就送女朋友的活動。
誰曾想，凌晨 12 點之后，用戶量暴增，出現了一個技術故障，用戶無法下單，當時老大火冒三丈！
經過查找發現 Redis 報 Could not get a resource from the pool。
獲取不到連接資源，并且集群中的單臺 Redis 連接量很高。
于是各種更改最大連接數、連接等待數，雖然報錯信息頻率有所緩解，但還是持續報錯。
后來經過線下測試，發現存放 Redis 中的字符數據很大，平均 1s 返回數據。
❝ 可以分享下使用 Redis 的規范么？我想做一個唯快不破的真男人！
通過 Redis 為什么這么快？這篇文章我們知道 Redis 為了高性能和節省內存費勁心思。
所以，只有規范的使用 Redis，才能實現高性能和節省內存，否則再屌的 Redis 也禁不起我們瞎折騰。
Redis 使用規范圍繞如下幾個緯度展開：
- 鍵值對使用規范
- 命令使用規范
- 數據保存規范
- 運維規范
鍵值對使用規范
有兩點需要注意：
- 好的 key 命名，才能提供可讀性強、可維護性高的 key，便于定位問題和尋找數據。
- value要避免出現 bigkey、選擇高效的序列化和壓縮、使用對象共享池、選擇高效恰當的數據類型（可參考《Redis 實戰篇：巧用數據類型實現億級數據統計》）。
key 命名規范
規范的 key命名，在遇到問題的時候能夠方便定位。Redis 屬于 沒有 Scheme的 NoSQL數據庫。
所以要靠規范來建立其 Scheme 語意，就好比根據不同的場景我們建立不同的數據庫。
敲黑板
把「業務模塊名」作為前綴（好比數據庫 Scheme），通過「冒號」分隔，再加上「具體業務名」。
這樣我們就可以通過 key 前綴來區分不同的業務數據，清晰明了。
總結起來就是：「業務名:表名:id」
比如我們要統計公眾號屬于技術類型的博主「Java技術棧」的文章數。
- set 公眾號:技術類:Java技術棧 100000
❝ key 太長的話有什么問題么？
key 是字符串，底層的數據結構是 SDS，SDS 結構中會包含字符串長度、分配空間大小等元數據信息。
字符串長度增加，SDS 的元數據也會占用更多的內存空間。
所以當字符串太長的時候，我們可以采用適當縮寫的形式。
不要使用 bigkey
❝ 我就中招了，導致報錯獲取不到連接。
因為 Redis 是單線程執行讀寫指令，如果出現bigkey 的讀寫操作就會阻塞線程，降低 Redis 的處理效率。
bigkey包含兩種情況：
- 鍵值對的 value很大，比如 value保存了 2MB的 String數據；
- 鍵值對的 value是集合類型，元素很多，比如保存了 5 萬個元素的 List 集合。
雖然 Redis 官方說明了 key和string類型 value限制均為512MB。最新 Redis 面試題整理好了，點擊Java面試庫小程序在線刷題。
防止網卡流量、慢查詢，string類型控制在10KB以內，hash、list、set、zset元素個數不要超過 5000。
❝ 如果業務數據就是這么大咋辦？比如保存的是《XXX》這個大作。
我們還可以通過 gzip 數據壓縮來減小數據大小:
- /**
- * 使用gzip壓縮字符串
- */
- public static String compress(String str) {
- if (str == null || str.length() == 0) {
- return str;
- }
- try (ByteArrayOutputStream out = new ByteArrayOutputStream();
- GZIPOutputStream gzip = new GZIPOutputStream(out)) {
- gzip.write(str.getBytes());
- } catch (IOException e) {
- e.printStackTrace();
- }
- return new sun.misc.BASE64Encoder().encode(out.toByteArray());
- }
- /**
- * 使用gzip解壓縮
- */
- public static String uncompress(String compressedStr) {
- if (compressedStr == null || compressedStr.length() == 0) {
- return compressedStr;
- }
- byte[] compressed = new sun.misc.BASE64Decoder().decodeBuffer(compressedStr);;
- String decompressed = null;
- try (ByteArrayOutputStream out = new ByteArrayOutputStream();
- ByteArrayInputStream in = new ByteArrayInputStream(compressed);
- GZIPInputStream ginzip = new GZIPInputStream(in);) {
- byte[] buffer = new byte[1024];
- int offset = -1;
- while ((offset = ginzip.read(buffer)) != -1) {
- out.write(buffer, 0, offset);
- }
- decompressed = out.toString();
- } catch (IOException e) {
- e.printStackTrace();
- }
- return decompressed;
- }
集合類型
如果集合類型的元素的確很多，我們可以將一個大集合拆分成多個小集合來保存。
使用高效序列化和壓縮方法
為了節省內存，我們可以使用高效的序列化方法和壓縮方法去減少 value的大小。
protostuff和 kryo這兩種序列化方法，就要比 Java內置的序列化方法效率更高。
上述的兩種序列化方式雖然省內存，但是序列化后都是二進制數據，可讀性太差。
通常我們會序列化成 JSON或者 XML，為了避免數據占用空間大，我們可以使用壓縮工具（snappy、 gzip）將數據壓縮再存到 Redis 中。
使用整數對象共享池
Redis 內部維護了 0 到 9999 這 1 萬個整數對象，并把這些整數作為一個共享池使用。
即使大量鍵值對保存了 0 到 9999 范圍內的整數，在 Redis 實例中，其實只保存了一份整數對象，可以節省內存空間。
需要注意的是，有兩種情況是不生效的：
1. Redis 中設置了 maxmemory，而且啟用了 LRU策略（allkeys-lru 或 volatile-lru 策略），那么，整數對象共享池就無法使用了。
❝ 這是因為 LRU 需要統計每個鍵值對的使用時間，如果不同的鍵值對都復用一個整數對象就無法統計了。
2. 如果集合類型數據采用 ziplist 編碼，而集合元素是整數，這個時候，也不能使用共享池。
❝ 因為 ziplist 使用了緊湊型內存結構，判斷整數對象的共享情況效率低。
命令使用規范
有的命令的執行會造成很大的性能問題，我們需要格外注意。
生產禁用的指令
Redis 是單線程處理請求操作，如果我們執行一些涉及大量操作、耗時長的命令，就會嚴重阻塞主線程，導致其它請求無法得到正常處理。
- KEYS：該命令需要對 Redis 的全局哈希表進行全表掃描，嚴重阻塞 Redis 主線程；
❝ 應該使用 SCAN 來代替，分批返回符合條件的鍵值對，避免主線程阻塞。
- FLUSHALL：刪除 Redis 實例上的所有數據，如果數據量很大，會嚴重阻塞 Redis 主線程；
- FLUSHDB，刪除當前數據庫中的數據，如果數據量很大，同樣會阻塞 Redis 主線程。
❝ 加上 ASYNC 選項，讓 FLUSHALL，FLUSHDB 異步執行。
我們也可以直接禁用，用rename-command命令在配置文件中對這些命令進行重命名，讓客戶端無法使用這些命令。
慎用 MONITOR 命令
MONITOR 命令會把監控到的內容持續寫入輸出緩沖區。
如果線上命令的操作很多，輸出緩沖區很快就會溢出了，這就會對 Redis 性能造成影響，甚至引起服務崩潰。
所以，除非十分需要監測某些命令的執行（例如，Redis 性能突然變慢，我們想查看下客戶端執行了哪些命令）我們才使用。
慎用全量操作命令
比如獲取集合中的所有元素（HASH 類型的 hgetall、List 類型的 lrange、Set 類型的 smembers、zrange 等命令）。
這些操作會對整個底層數據結構進行全量掃描 ，導致阻塞 Redis 主線程。
❝ 如果業務場景就是需要獲取全量數據咋辦？
有兩個方式可以解決：
- 使用 SSCAN、HSCAN等命令分批返回集合數據；
- 把大集合拆成小集合，比如按照時間、區域等劃分。
數據保存規范
冷熱數據分離
雖然 Redis 支持使用 RDB 快照和 AOF 日志持久化保存數據，但是，這兩個機制都是用來提供數據可靠性保證的，并不是用來擴充數據容量的。
不要什么數據都存在 Redis，應該作為緩存保存熱數據，這樣既可以充分利用 Redis 的高性能特性，還可以把寶貴的內存資源用在服務熱數據上。
業務數據隔離
不要將不相關的數據業務都放到一個 Redis 中。一方面避免業務相互影響，另一方面避免單實例膨脹，并能在故障時降低影響面，快速恢復。
設置過期時間
在數據保存時，我建議你根據業務使用數據的時長，設置數據的過期時間。
寫入 Redis 的數據會一直占用內存，如果數據持續增多，就可能達到機器的內存上限，造成內存溢出，導致服務崩潰。
控制單實例的內存容量
建議設置在 2~6 GB 。這樣一來，無論是 RDB 快照，還是主從集群進行數據同步，都能很快完成，不會阻塞正常請求的處理。
防止緩存雪崩
避免集中過期 key 導致緩存雪崩。
❝ 什么是緩存雪崩？
當某一個時刻出現大規模的緩存失效的情況，那么就會導致大量的請求直接打在數據庫上面，導致數據庫壓力巨大，如果在高并發的情況下，可能瞬間就會導致數據庫宕機。
運維規范
- 使用 Cluster 集群或者哨兵集群，做到高可用；
- 實例設置最大連接數，防止過多客戶端連接導致實例負載過高，影響性能。
- 不開啟 AOF 或開啟 AOF 配置為每秒刷盤，避免磁盤 IO 拖慢 Redis 性能。
- 設置合理的 repl-backlog，降低主從全量同步的概率
- 設置合理的 slave client-output-buffer-limit，避免主從復制中斷情況發生。
- 根據實際場景設置合適的內存淘汰策略。
- 使用連接池操作 Redis。
