zoukankan      html  css  js  c++  java
  • redis持久化-AOF

    AOF :

    Redis 默认不开启。以日志的形式记录每一个写操作,将redis执行过程中的所有命令记录下来(读操作不记录),

    只需追加文件但不可以改写文件,redis启动之初会读取该文件重新构建数据,换言之,redis重启的话就根据日志文件的内容将写指令从前到后一次以完成数据的恢复工作。

    AOF保存的文件是:appendonly.aof.

    AOF持久化的实现

    AOF持久化功能的实现可以分为命令追加、文件写入、文件同步三个步骤。

    命令追加:

    当AOF持久化功能打开时,服务器在执行完一个写命令之后,会以协议格式将被执行的写命令追加到服务器状态的aof_buf缓冲区的末尾。

    AOF文件的写入与同步:

    每当服务器常规任务函数被执行、 或者事件处理器被执行时, aof.c/flushAppendOnlyFile 函数都会被调用, 这个函数执行以下两个工作:

    WRITE:根据条件,将 aof_buf 中的缓存写入到 AOF 文件。

    SAVE:根据条件,调用 fsync 或 fdatasync 函数,将 AOF 文件保存到磁盘中。

    两个步骤都需要根据一定的条件来执行, 而这些条件由 AOF 所使用的保存模式来决定, 以下小节就来介绍 AOF 所使用的三种保存模式, 以及在这些模式下, 步骤 WRITE 和 SAVE 的调用条件。

    Redis 目前支持三种 AOF 保存模式,它们分别是:

    AOF_FSYNC_NO :不保存。

    AOF_FSYNC_EVERYSEC :每一秒钟保存一次。

    AOF_FSYNC_ALWAYS :每执行一个命令保存一次。


    --------------------------------------------------------------------------------------------------------------------------------

     AOF持久化的三种策略:

    你可以通过配置文件配置 Redis 多久才将数据 fsync 到磁盘一次。

    always

    每次有新命令追加到 AOF 文件时就执行一次 fsync :非常慢,也非常安全。

    everysec

    每秒 fsync 一次:足够快(和使用 RDB 持久化差不多),并且在故障时只会丢失 1 秒钟的数据。
    推荐(并且也是默认)的措施为每秒 fsync 一次, 这种 fsync 策略可以兼顾速度和安全性。

     

    no

    从不 fsync :将数据交给操作系统来处理,由操作系统来决定什么时候同步数据。更快,也更不安全的选择。

     

    always、everysec、no对比

    命令优点缺点
    always 不丢失数据 IO开销大,一般SATA磁盘只有几百TPS
    everysec 每秒进行与fsync,最多丢失1秒数据 可能丢失1秒数据
    no 不用管 不可控

    推荐(并且也是默认)的措施为每秒 fsync 一次, 这种 fsync 策略可以兼顾速度和安全性。

    --------------------------------------------------------------------------------------------------------------------------------------

    AOF 重写

    • AOF 持久化是通过保存被执行的写命令来记录数据库状态的,所以AOF文件的大小随着时间的流逝一定会越来越大;影响包括但不限于:对于Redis服务器,计算机的存储压力;AOF还原出数据库状态的时间增加;
    • 为了解决AOF文件体积膨胀的问题,Redis提供了AOF重写功能:Redis服务器可以创建一个新的AOF文件来替代现有的AOF文件,新旧两个文件所保存的数据库状态是相同的,但是新的AOF文件不会包含任何浪费空间的冗余命令,通常体积会较旧AOF文件小很多。
    • AOF重写并不需要对原有AOF文件进行任何的读取,写入,分析等操作,这个功能是通过读取服务器当前的数据库状态来实现的。
    • 首先从数据库中读取键现在的值,然后用一条命令去记录键值对,代替之前记录该键值对的多个命令;
  • 相关阅读:
    renren fast快速开发系统平台
    质量体系推广中的APQP
    人员能力管理——车间看板工具
    【生物信息】RPKM, FPKM和TPM
    【深度学习与TensorFlow 2.0】图片分类——多层感知机
    【深度学习与TensorFlow 2.0】入门篇
    【bioinfo】生物信息学——代码遇见生物学的地方
    【web开发】docker中的数据库
    使用docker搭建数据分析环境
    【数据科学】Python数据可视化概述
  • 原文地址:https://www.cnblogs.com/danyuzhu11/p/15385143.html
Copyright © 2011-2022 走看看