文章目录
- 一、缓存预热
- 二、缓存雪崩
- 三、缓存击穿
- 四、缓存穿透
- 五、性能指标监控
- 5.1 监控指标
- 5.2 监控方式
- 🍌benchmark
- 🍌monitor
- 🍌slowlog
提示：以下是本篇文章正文内容，Redis系列学习将会持续更新
一、缓存预热
1.1 现象： “宕机”，服务器启动后迅速宕机。
1.2 问题排查：
①请求数量较高。
②主从之间数据吞吐量较大，数据同步操作频度较高。
1.3 解决方案：
前置准备工作：
- 日常例行统计数据访问记录，统计访问频度较高的热点数据。
- 利用 LRU 数据删除策略，构建数据留存队列。
例如：storm 与 kafka 配合
准备工作：
- 将统计结果中的数据分类，根据级别，redis 优先加载级别较高的热点数据。
- 利用分布式多服务器同时进行数据读取，提速数据加载过程。
- 热点数据主从同时预热。
实施：
- 使用脚本程序固定触发数据预热过程。
- 如果条件允许，使用了CDN（内容分发网络），效果会更好。
1.4 总结：
缓存预热就是系统启动前，提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题！用户直接查询事先被预热的缓存数据！
回到目录…
二、缓存雪崩
2.1 现象：
- 系统平稳运行过程中，忽然数据库连接量激增
- 应用服务器无法及时处理请求
- 大量408，500错误页面出现
- 客户反复刷新页面获取数据
- 数据库崩溃
- 应用服务器崩溃
- 重启应用服务器无效
- Redis服务器崩溃
- Redis集群崩溃
- 重启数据库后再次被瞬间流量放倒
2.2 问题排查：
- 在一个较短的时间内，缓存中大量 key 集中过期
- 此周期内请求访问过期的数据，redis未命中，redis向数据库获取数据
- 数据库同时接收到大量的请求无法及时处理
- Redis大量请求被积压，开始出现超时现象
- 数据库流量激增，数据库崩溃
- 重启后仍然面对缓存中无数据可用
- Redis服务器资源被严重占用，Redis服务器崩溃
- Redis集群呈现崩塌，集群瓦解
- 应用服务器无法及时得到数据响应请求，来自客户端的请求数量越来越多，应用服务器崩溃
- 应用服务器，redis，数据库全部重启，效果不理想
2.3 解决方案：
- 更多的页面静态化处理
- 构建多级缓存架构
Nginx缓存 + redis缓存 + ehcache缓存 - 检测 Mysql 严重耗时业务进行优化
对数据库的瓶颈排查：例如超时查询、耗时较高事务等 - 灾难预警机制
监控redis服务器性能指标
CPU占用、CPU使用率
内存容量
查询平均响应时间
线程数 - 限流、降级
短时间范围内牺牲一些客户体验，限制一部分请求访问，降低应用服务器压力，待业务低速运转后再逐步放开访问 - LRU 与 LFU 切换
- 数据有效期策略调整
- 根据业务数据有效期进行分类错峰，A类90分钟，B类80分钟，C类70分钟
- 过期时间使用固定时间 + 随机值的形式，稀释集中到期的 key 的数量
- 超热数据使用永久key
- 定期维护（自动+人工）
对即将过期数据做访问量分析，确认是否延时，配合访问量统计，做热点数据的延时 - 加锁，慎用！
2.4 总结：
缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力。如能够有效避免过期时间集中，可以有效解决雪崩现象的出现（约40%），配合其他策略一起使用，并监控服务器的运行数据，根据运行记录做快速调整。
回到目录…
三、缓存击穿
3.1 现象：
- 系统平稳运行过程中，数据库连接量瞬间激增
- Redis 服务器无大量 key 过期
- Redis 内存平稳，无波动
- Redis 服务器 CPU 正常
- 数据库崩溃
3.2 问题排查：
- Redis 中单个key高热数据过期，在短时间内发起了大量对数据库中同一数据的访问
- 多个数据请求从服务器直接压到 Redis后，均未命中
3.3 解决方案：
- 预先设定 + 现场调整
- 以电商为例，每个商家根据店铺等级，指定若干款主打商品，在购物节期间，加大此类信息key的过期时长
注意：购物节不仅仅指当天，以及后续若干天，访问峰值呈现逐渐降低的趋势 - 监控访问量，对自然流量激增的数据延长过期时间或设置为永久性key
- 以电商为例，每个商家根据店铺等级，指定若干款主打商品，在购物节期间，加大此类信息key的过期时长
- 后台刷新数据
启动定时任务，高峰期来临之前，刷新数据有效期，确保不丢失 - 二级缓存设置不同的失效时间，保障不会被同时淘汰就行
- 加锁
分布式锁，防止被击穿，但是要注意也是性能瓶颈，慎重！
3.4 总结：
缓存击穿 就是单个高热数据过期的瞬间，数据访问量较大，未命中redis后，发起了大量对同一数据的数据库访问，导致对数据库服务器造成压力。应对策略应该在业务数据分析与预防方面进行，配合运行监控测试与即时调整策略，毕竟单个key的过期监控难度较高，配合雪崩处理策略即可。
回到目录…
四、缓存穿透
4.1 现象：
- 系统平稳运行过程中，应用服务器流量随时间增量较大
- Redis服务器命中率随时间逐步降低
- Redis内存平稳，内存无压力
- Redis服务器CPU占用激增
- 数据库服务器压力激增
- 数据库崩溃
4.2 问题排查：
- Redis 中大面积出现未命中，查询的数据在数据库中也不存在
- 出现非正常URL访问
- 出现黑客攻击服务器
4.3 解决方案：
-
缓存null
对查询结果为null的数据进行缓存（定期清理），设定短时限，例如30-60秒，最高5分钟 -
白名单策略
- 提前预热所有数据id 对应的
bitmaps，id作为 bitmaps的offset，相当于设置了数据白名单。当加载正常数据时放行，加载异常数据时直接拦截（效率偏低） - 使用布隆过滤器（不能保证100%过滤）
- 提前预热所有数据id 对应的
-
实施监控
实时监控 redis命中率（业务正常范围时，通常会有一个波动值）与 null数据的占比
① 非活动时段波动：通常检测3-5倍，超过5倍纳入重点排查对象
② 活动时段波动：通常检测10-50倍，超过50倍纳入重点排查对象
根据倍数不同，启动不同的排查流程。然后使用黑名单进行防控（运营） -
key加密
问题出现后，临时启动防灾业务key，对key进行业务层传输加密服务，设定校验程序，过来的key校验。发现访问key不满足规则，驳回数据访问。
例如,name --> nxaxmxex，age --> axgxex
4.4 总结：
缓存击穿 是 访问了不存在的数据，跳过了合法数据的redis数据缓存阶段，每次访问数据库，导致对数据库服务器造成压力。通常此类数据的出现量是一个较低的值，当出现此类情况以毒攻毒，并及时报警。应对策略应该在临时预案防范方面多做文章。
无论是黑名单还是白名单，都是对整体系统的压力，警报解除后尽快移除。
回到目录…
五、性能指标监控
5.1 监控指标
- 性能指标：Performance
- 内存指标：Memory
- 基本活动指标：Basic activity
- 持久性指标：Persistence
- 错误指标：Error
| 性能指标：Performance | 描述 |
|---|---|
| latency | Redis响应一个请求的时间 |
| instantaneous_ops_per_sec | 平均每秒处理请求的总数 |
| hit rate (calculated) | 缓存命中率 (计算出来的) |
| 内存指标：Memory | 描述 |
|---|---|
| used_memory | 已使用内存 |
| mem_fragmentation_ratio | 内存碎片率 |
| evicted_keys | 由于最大内存限制被移除的key的数量 |
| blocked_clients | 由于BLPOP,BRPOP,or BRPOPLPUSH而备阻塞的客户端 |
| 基本活动指标：Basic activity | 描述 |
|---|---|
| connected_clients | 客户端连接数 |
| connected_slaves | Slave数量 |
| master_last_io_seconds_ago | 最近一次主从交互之后的秒数 |
| keyspace | 数据库中的key值总数 |
| 持久性指标：Persistence | 描述 |
|---|---|
| rdb_last_save_time | 最后一次持久化保存到磁盘的时间戳 |
| rdb_changes_since_last_save | 自最后一次持久化以来数据库的更改数 |
| 错误指标：Error | 描述 |
|---|---|
| rejected_connections | 由于达到maxclient限制而被拒绝的连接数 |
| keyspace_misses | key值查找失败 (没有命中) 次数 |
| master_link_down_since_seconds | 主从断开的持续时间 (以秒为单位) |
回到目录…
5.2 监控方式
- 工具
- Cloud Insight Redis
- Prometheus
- Redis-stat
- Redis-faina
- RedisLive
- zabbix
- 命令
- benchmark
- redis cli
- monitor
- showlog
🍌benchmark
● 命令
redis-benchmark [-h ] [-p ] [-c ] [-n <requests]> [-k ]
● 范例
# 说明：50个连接，10000次请求对应的性能
redis-benchmark
# 说明：100个连接，5000次请求对应的性能
redis-benchmark -c 100 -n 5000
● 其它属性
● 执行效果：set操作可以在1ms内100%命中，get操作可以在2ms内100%命中。
回到目录…
🍌monitor
● 打印服务器调试信息
# 在 redis-cli 中执行
monitor
● 执行效果：监控哨兵模式下的slave
......
1571091555.169065 [0 127.0.0.1:60726] "PING"
1571091555.231736 [0 127.0.0.1:60726] "PUBLISH" "_sentinel_:he11o" "127.0.0.1,26380,1be01b18c639a58628065467fe9706c435e6fd9,1,mymaster,127.0.0.1,6381,1"
1571091555.719840 [0 127.0.0.1:60764] "PING"
1571091555.822095 [0 127.0.0.1:60718] "PING"
1571091555.880287 [0 127.0.0.1:6381] "PUBLITSH" "_sentinel_:he11o" "127.0.0.1.26381,861efa12zcfacCl1beFflb8Sf4231a998be2,1,mymaster,127.0.0.1,6381,1"
1571091556.097714 [0 127.0.0.1:6381] "PING"
1571091556.170587 [0 127.0.0.1:60726]"PING"
1571091556.274752 [0 127.0.0.1:6381] "PUBLISH" "_sentinel_:hello" "127.0.0.1.26380,1be01b18c695862805467f2N06c435e5fd9,1,mymaster,127.0.0.1,6381,1"
.......
回到目录…
🍌slowlog
● 命令
# 在 redis-cli 中执行
slowlog [operator]
get ：获取慢查询日志
len ：获取慢查询日志条目数
reset ：重置慢查询日志
● conf 相关配置
#设置慢查询的时间下线，单位：微妙
slowlog-log-slower-than 1000
#设置慢查询命令对应的日志显示长度，单位：命令数
slowlog-max-len 100
● 执行效果：此时服务器中没有慢查询
回到目录…
总结:
提示：这里对文章进行总结：
本文是对Redis的学习，学习了4种Redis在实际应用中的问题，以及它们的企业级解决方案，并且了解了Redis性能指标监控的方法。之后的学习内容将持续更新！！！
