zoukankan      html  css  js  c++  java
  • 【Redis篇】Redis持久化方式AOF和RDB

    一、前述

    持久化概念:将数据从掉电易失的内存放到能够永久存储的设备上。

    Redis持久化方式
    RDB(Redis DB)   hdfs:    fsimage
    AOF(AppendOnlyFile)   hdfs :    edit logs    默认关闭的


    二、RDB方式

    在默认情况下,Redis 将数据库快照保存在名字为 dump.rdb的二进制文件中

    在RDB方式下,有两种方式,

    1、一种是手动执行持久化数据命令来让redis进行一次数据快照,而手动执行持久化命令,你依然有两种选择,那就是save命令和bgsave命令。

    save:

    客户端手动执行SAVE命令
    redis > save
    阻塞Redis服务,无法响应客户端请求
    创建新的dump.rdb替代旧文件

    bgsave:是一个异步命令
    redis > bgsave
    非阻塞,Redis服务正常接收处理客户端请求
    Redis会fork()一个新的子进程来创建RDB文件,子进程处理完后会向父进程发送一个信号,通知它处理完毕
    父进程用新的dump.rdb替代旧文件

    注意:

    Fork发生时,父子进程内存共享,所以为了不影响子进程做数据快照,在这期间修改的数据,将会被复制一份,而不进共享内存。所以说,RDB所持久化的数据,是Fork发生时的数据。在这样的条件下进行持久化数据,如果因为某些情况宕机,则会丢失一段时间的数据。如果你的实际情况对数据丢失没那么敏感,丢失的也可以从传统数据库中获取或者说丢失部分也无所谓,那么你可以选择RDB持久化方式。

    比较:

    SAVE 和 BGSAVE 命令
    SAVE不用创建新的进程,速度略快
    BGSAVE需要创建子进程,消耗额外的内存
    SAVE适合停机维护,服务低谷时段
    BGSAVE适合线上执行

    2、另一种则是根据你所配置的配置文件 的 策略,达到策略的某些条件时来自动持久化数据。和bgsave执行原理相同

    这是配置文件默认的策略,他们之间的关系是或,每隔900秒,在这期间变化了至少一个键值,做快照。或者每三百秒,变化了十个键值做快照。或者每六十秒,变化了至少一万个键值,做快照。

     三、AOF方式

    ppend only file,采用追加的方式保存
    默认文件appendonly.aof
    记录所有的写操作命令,在服务启动的时候使用这些命令就可以还原数据库

     

    调整AOF持久化策略,可以在服务出现故障时,不丢失任何数据,也可以丢失一秒的数据。相对于RDB损失小得多

    1、AOF写入机制(但事实上,并不会立即将命令写入到硬盘文件中,而是写入到硬盘缓存,在接下来的策略中,配置多久来从硬盘缓存写入到硬盘文件。所以在一定程度一定条件下,还是会有数据丢失,不过你可以大大减少数据损失。
    AOF方式不能保证绝对不丢失数据
    目前常见的操作系统中,执行系统调用write函数,将一些内容写入到某个文件里面时,为了提高效率,系统通常不会直接将内容写入硬盘里面,而是先将内容放入一个内存缓冲区(buffer)里面,等到缓冲区被填满,或者用户执行fsync调用和fdatasync调用时才将储存在缓冲区里的内容真正的写入到硬盘里,未写入磁盘之前,数据可能会丢失


    2、写入磁盘的策略(这里是配置AOF持久化的策略。redis默认使用everysec,就是说每秒持久化一次,而always则是每次操作都会立即写入aof文件中。而no则是不主动进行同步操作,是默认30s一次。当然always一定是效率最低的,everysec就够用了,数据安全性能又高。
    appendfsync选项,这个选项的值可以是always、everysec或者no
    Always:服务器每写入一个命令,就调用一次fdatasync,将缓冲区里面的命令写入到硬盘。这种模式下,服务器出现故障,也不会丢失任何已经成功执行的命令数据
    Everysec(默认):服务器每一秒重调用一次fdatasync,将缓冲区里面的命令写入到硬盘。这种模式下,服务器出现故障,最多只丢失一秒钟内的执行的命令数据
    No:服务器不主动调用fdatasync,由操作系统决定何时将缓冲区里面的命令写入到硬盘。这种模式下,服务器遭遇意外停机时,丢失命令的数量是不确定的
    运行速度:always的速度慢,everysec和no都很快


    3、AOF重写机制

    AOF有序的记录了redis的命令操作。意外情况下数据丢失甚少。他不断地对aof文件添加操作日志记录,你可能会说,这样的文件得多么庞大呀。是的,的确会变得庞大,但redis会有优化的策略,比如你对一个key1键的操作,set key1 001 ,  set key1 002, set key1 003。那优化的结果就是将前两条去掉咯,那具体优化的配置在配置文件中对应的是 

    前者是指超过上一次aof重写aof文件大小的百分之多少,会再次优化,如果没有重写过,则以启动时为主。后者是限制了允许重写的最小aof文件大小。bgrewriteaof命令是手动重写命令,会fork子进程,在临时文件中重建数据库状态,对原aof无任何影响,当重建旧的状态后,也会把fork发生后的一段时间内的数据一并追加到临时文件,最后替换原有aof文件,新的命令继续向新的aof文件中追加。


    AOF文件过大
    合并重复的操作,AOF会使用尽可能少的命令来记录
    重写过程
    fork一个子进程负责重写AOF文件
    子进程会创建一个临时文件写入AOF信息
    父进程会开辟一个内存缓冲区接收新的写命令
    子进程重写完成后,父进程会获得一个信号,将父进程接收到的新的写操作由子进程写入到临时文件中
    新文件替代旧文件
    注:如果写入操作的时候出现故障导致命令写半截,可以使用redis-check-aof工具修复

    AOF重写触发
    手动:客户端向服务器发送BGREWRITEAOF命令
    自动:配置文件中的选项,自动执行BGREWRITEAOF命令
    auto-aof-rewrite-min-size <size>,触发AOF重写所需的最小体积:只要在AOF文件的体积大于等于size时,才会考虑是否需要进行AOF重写,这个选项用于避免对体积过小的AOF文件进行重写
    auto-aof-rewrite-percentage  <percent>,指定触发重写所需的AOF文件体积百分比:当AOF文件的体积大于auto-aof-rewrite-min-size指定的体积,并且超过上一次重写之后的AOF文件体积的percent %时,就会触发AOF重写。(如果服务器刚刚启动不久,还没有进行过AOF重写,那么使用服务器启动时载入的AOF文件的体积来作为基准值)。将这个值设置为0表示关闭自动AOF重写

    AOF重写配置项举例
    auto-aof-rewrite-percentage 100
    auto-aof-rewrite-min-size 64mb
    appendonly no  /  yes
    当AOF文件大于64MB时候,可以考虑重写AOF文件
    只有当AOF文件的增量大于起始size的100%时(就是文件大小翻了一倍),启动重写
    默认关闭,请开启


    四、Rdb和AOF比较

    1、RDB:

    优点:
    完全备份,不同时间的数据集备份可以做到多版本恢复
    紧凑的单一文件,方便网络传输,适合灾难恢复
    恢复大数据集速度较AOF快
    缺点:
    会丢失最近写入、修改的而未能持久化的数据
    fork过程非常耗时,会造成毫秒级不能响应客户端请求


    2、AOF

    优点
    写入机制,默认fysnc每秒执行,性能很好不阻塞服务,最多丢失一秒的数据
    重写机制,优化AOF文件
    如果误操作了(FLUSHALL等),只要AOF未被重写,停止服务移除AOF文件尾部FLUSHALL命令,重启Redis,可以将数据集恢复到 FLUSHALL 执行之前的状态
    缺点
    相同数据集,AOF文件体积较RDB大了很多
    恢复数据库速度较RDB慢(文本,命令重演)

  • 相关阅读:
    架构-LAMP特级学习(网站加速解决方案)
    架构-LAMP特级学习(网站大存储量解决方案)
    架构-LAMP特级学习(网站大访问量解决方案)
    Shell-学习笔记
    算法-随手写的冒泡排序
    算法-随手写的二分查找
    cocos2dx 3.x ccPositionTextureColor_vert与ccPositionTextureColor_noMVP_vert
    cocos2dx当节点存在缩放时要注意的问题
    cocos2dx 3.x draw debug
    cocos2dx 3.x ccDrawLine一个坑
  • 原文地址:https://www.cnblogs.com/LHWorldBlog/p/8463511.html
Copyright © 2011-2022 走看看