Redis big key处理

　　bigkey是指key对应的value所占的内存空间比较大，例如一个字符串类型的value 可以最大存到512MB,—个列表类型的value最多可以存储2^32-1个元素。如果按照数据结构来细分的话，一般分为字符串类型bigkey和非字符串类型bigkey。

□ 字符串类型：体现在单个value值很大，一般认为超过10KB就是bigkey,但这个值和具体的OPS相关。

□ 非字符串类型：哈希、列表、集合、有序集合，体现在元素个数过多。bigkey无论是空间复杂度和时间复杂度都不太友好，下面我们将介绍它的危害。

 

1.bigkey的危害

　　bigkey的危害体现在三个方面：

□ 内存空间不均匀(平衡）：例如在Redis Cluster中，bigkey会造成节点的内存空间使用不均匀。

□ 超时阻塞：由于Redis单线程的特性，操作bigkey比较耗时，也就意味着阻塞Redis可能性增大。

□ 网络拥塞：每次获取bigkey产生的网络流量较大，假设一个bigkey为 1MB, 每秒访问量为1000,那么每秒产生1000MB的流量，对于普通的千兆网卡（按照字节算是 128MB/S) 的服务器来说简直是灭顶之灾，而且一般服务器会采用单机多实例的方式来部署，也就是说一个bigkey可能会对其他实例造成影响，其后果不堪设想。

　　bigkey的存在并不是完全致命的，如果这个bigkey存在但是几乎不被访问，那么只有内存空间不均匀的问题存在，相对于另外两个问题没有那么重要紧急，但是如果bigkey是一个热点key (频繁访问)，那么其带来的危害不可想象，所以在实际开发和运维时一定要密切关注bigkey的存在。

 

2.如何发现big key

　　redis-cli --bigkeys可以命令统计bigkey的分布，但是在生产环境中，开发和运维人员更希望自己可以定义bigkey的大小，而且更希望找到真正的bigkey都有哪些，这样才可以去定位、解决、优化问题。判断一个key是否为bigkey,只需要执行debug object key查看serializedlength属性即可，它表示key对应的value序列化之后的字节数，例如我们执行如下操作：

127.0.0.1:6379 > debug object key
Value at: 0x7fc06c1b1430 refcount:1 encoding:raw serialized length:1256350 lru:11686193 lru_seconds_idle:20

　　可以发现serialized length=11686193字节，约1M,同时可以看到encoding是 raw，也就是字符串类型，那么可以通过strlen来看一下字符串的字节数为2247394字节，约为2MB:

127.0.0.1:6379> strlen key
(integer) 2247394

　　serialized length 不代表真实的字节大小，它返回对象使用RDB编码序列化后的长度，值会偏小，但是对于排查bigkey有一定辅助作用，因为不是每种数据结构都有类似s trlen这样的方法。

　　在实际生产环境中发现bigkey的两种方式如下:

□ 被动收集：许多开发人员确实可能对bigkey不了解或重视程度不够，但是这种bigkey—旦大量访问，很可能就会带来命令慢查询和网卡跑满问题，开发人员通过对异常的分析通常能找到异常原因可能是bigkey, 这种方式虽然不是被推荐的，但是在实际生产环境中却大量存在，建议修改Redis客户端，当抛出异常时打印出所操作的key,方便排查bigkey问题。

□ 主动检测：scan + debug object:如果怀疑存在bigkey,可以使用scan命令渐进的扫描出所有的key,分别计算每个key的serializedlength,找到对应bigkey进行相应的处理和报警，这种方式是比较推荐的方式。

　　建议提示:

□ 如果键值个数比较多，scan + debug object会比较慢，可以利用Pipeline机制完成。

□ 对于元素个数较多的数据结构，debug object执行速度比较慢，存在阻塞Redis的可能。

□ 如果有从节点，可以考虑在从节点上执行。

 

3.如何删除

　　当发现Redis中有bigkey并且确认要删除时，如何优雅地删除bigkey? 无论是什么数据结构，del命令都将其删除。但是相信通过上面的分析后你一定不会这么做，因为删除b igkey通常来说会阻塞Redis服务。下面给出一组测试数据分别对string、hash、list、set、sorted set 五种数据结构的bigkey进行删除，bigkey的元素个数和每个元素的大小不尽相同。

　　下面测试和服务器硬件、Redis版本比较相关，可能在不同的服务器上执行速度不太相同，但是能提供一定的参考价值。

　　表12-3展示了删除512KB ~ 10MB的字符串类型数据所花费的时间，总体来说由于字符串类型结构相对简单，删除速度比较快，但是随着value值的不断增大，删除速度也逐渐变慢。

表 12-3 删除字符串类型耗时
key类型	512KB	1MB	2MB	5MB	10MB
string	0.22ms	0.31ms	0.32ms	0.56ms	1ms

　　表12-4展示了非字符串类型的数据结构在不同数量级、不同元素大小下对bigkey执行del命令的时间，总体上看元素个数越多、元素越大，删除时间越长，相对于字符串类型，这种删除速度已经足够可以阻塞Redis。

表12-4 删除hash、list、set、sorted set四种数据结构不同数量不同元素大小的耗时
key 类型	10万(8个字节）	100万(8 个字节)	10万(16 个字节）	100万(1 6个字节 ）	10万(128 个字节)	100万(12 8 字节
hash	51ms	950ms	58ms	970ms	96ms	2000ms
list	23ms	134ms	23ms	138ms	23ms	266ms
set	44ms	873ms	58ms	881ms	73ms	1319ms
sorted set	51ms	845ms	57ms	859ms	59ms	969ms

　　从上分析可见，除了string类型，其他四种数据结构删除的速度有可能很慢，这样增大了阻塞Redis的可能性。既然不能用del命令，那有没有比较优雅的方式进行删除呢，这时候就要用到scan 命令的若干类似命令拿出来：sscan、hscan、zscan。

 

　　1.string

　　对于string 类型使用del命令一般不会产生阻塞:

del bigkey

　　2.hash、list、set、sorted set

　　比如hash，使用hscan命令，每次获取部分（例如 100个）field-value，再利用hd el删除每个field (为了快速可以使用Pipeline)。

 

4.最佳实践思路

　　由于开发人员对Redis的理解程度不同，在实际开发中出现bigkey在所难免，重要的是，能通过合理的检测机制及时找到它们，进行处理。作为开发人员在业务开发时应注意不能将Redis简单暴力的使用，应该在数据结构的选择和设计上更加合理，例如出现了bigkey, 要思考一下可不可以做一些优化（例如拆分数据结构）尽量让这些bigkey消失在业务中，如果bigkey不可避免，也要思考一下要不要每次把所有元素都取出来（例如有时候仅仅需要hmget, 而不是hgetall)。最后，可喜的是，Redis将在 4.0 版本支持lazy delete fr ee的模式，删除bigkey不会阻塞Redis。