后端(Java)开发人员使用Redis时的注意事项

傷城~ 2022-06-01 12:13 206阅读 0赞

后端开发人员在使用Redis时的注意事项，我们分为设计阶段和使用阶段来讲，先讲设计阶段。

**设计阶段**

1.**缓存数据筛选**  
我们知道Redis是一个缓存数据库，他的数据都是存放在内存中的，所以能够实现高效的存取和写入，但内存单位的高昂代价注定了其难以取代磁盘，作为数据的最终存储介质。使用缓存最重要的作用就是降低存储层的承受压力，提高请求的响应速度，所以如何选择数据很关键。注定了不能缓存所有数据，那么站在存储层的角度，自然优先缓存那些访问最频繁的数据，也就是所谓的热点数据，如何判断是否为热点数据需要根据实际的业务场景作相应的择取。站在应用的角度，自然是将那些响应时间长的数据做缓存，能够有效的提高用户的使用体验。站在缓存的角度上，自然是希望缓存那些更新不是很频繁的数据，否则频繁的缓存重建就失去了缓存的意义了。站在Redis的角度，自然是希望能够将自身优势发挥出来的，缓存那些数据量不是很大，但是很关键的数据，比如用户登录信息等，同时能够发挥自身特点，比如高速存储和写入，可以执行简单的算术操作，可以设置被动过期时间等。从多个方面考虑缓存数据的筛选问题，是设计阶段应该优先考虑的事情。

2.**缓存粒度控制**  
粒度，就是缓存是数据的相对多少问题。粒度越大，操作时越简单，但占用空间越多，且缓存重建时需要的资源就越多；粒度越小，控制越复杂，但占用空间想小，且缓存重建时需要的资源就越少，这就是一个缓存性能，空间和操作的平衡问题。假设用户的信息由A,B,C三部分组成，每次获取的时候A和B用的较多，C用的不多，此时缓存的策略有4中情况：  
1. A，B，C合并后缓存  
2. A，B合并缓冲，C不作缓存  
3. A，B，C各自分开缓存  
4. A，B缓存，C不作缓存  
每种缓存策略均有各自的优势及局限性，第一种情况下，从缓存提取简单，但占据空间大，且若A,B,C中的一个数据发生改变均需要重建整个缓存；第二种情况能降低占据空间，但是提高提取缓存的操作复杂性；第三种策略提取操作最复杂，占据空间大，但是重建缓存的性能最好；第四种能降低占据空间，但是提高了缓存重建的复杂性。  
如何权衡缓存的粒度控制，需要根据实际业务提前设计好。

3.**缓存更新策略**  
根据不同的业务场景指定不同的缓存更新策略。  
一致性：缓存数据和真实数据源的数据一致。  
对于低一致性要求的业务场景，可以配置Redis的最大内存配合淘汰策略作用。缓存淘汰策略可以使用LRU(Least Recently Used),LFU(Least Frequently Used)和FIFO(First In First Out)等。  
对于高一致性要求的业务场景，可以使用Redis的超时剔除和主动更新策略。

4.**缓存穿透优化**  
缓存穿透是指查询一个根本不存在的数据，缓存层和存储层都不会命中。通常处于容错的考虑，如果从存储层查询不到数据则不会写入缓存层。缓存穿透将导致请求不存在的数据每次都要到存储层去在找，就失去了缓存保护后端存储的意义。  
造成缓存穿透的原因主要有两个：  
1. 自身业务代码或者数据出现问题  
2. 一些恶意攻击或爬虫造成大量空命中  
对于缓存穿透，可以给不存在的数据缓存一个空对象，同时设置超时时间。如果在此期间缓存层和存储层的数据不一致，可使用消息系统或者其他操作剔除缓存中的空对象。

5.**热点key重建**  
对于并发量较大的应用，当一个热点key重建时，可能会触发多个线程同时执行重建工作。多个线程同时重建，耗费额外性能生成资源，同时可能会有多次的缓存替换操作，对整体性能可能有一定影响。此时可以使用互斥锁机制，保证同一时间对于同一key只有一个线程能够执行重建工作。但是要注意，如果重建工作耗时较长，可能存在死锁和线程阻塞的风险。

6.**缓存雪崩应对**  
缓存的层级位于客户端和存储层之间，能够有效的降低存储层的压力，但缓存可能存在不可用的情况，如何应对这种情形？  
首先自然是降低缓存层的宕机几率，有条件可以使用Redis Sentinel和Redis Cluster。  
其次隔离缓存和存储层的数据获取接口，防止缓存的宕机影响存储层的数据获取。  
最后在项目上线前演练缓存宕机的情形，在此基础上做一预案设定。

好的架构和代码都需要有一个好的设计，如果设计阶段就出了偏差，那么在编程阶段无论怎么调整都难以弥补。

**使用阶段**

我们从数据存储和数据获取两个方面来说明开发时的注意事项。

1.**数据存储**  
因为内存空间的局限性，注定了能存储的数据量有限，如何在有限的空间内存储更多的数据信息是我们应该关注的。Redis内存储的都是键值对，那么如何减小键值对所占据的内存空间就是空间优化的本质。  
在能清晰表达业务含义的基础上尽可能缩减Key的字符长度，比如一个键是user:\{id\}:logintime ，可以使用业务属性的简写来u:\{id\}:lgt,只要能清晰表达业务意义，使用简写形式是有其必要性的。  
在不影响使用的情况下，缩减Value的数据大小。如果Value是较大的数据信息，比如图片，大文本等，可以使用压缩工具压缩过后再存入Redis；如果Value是对象序列化或者gson信息，可以考虑去除非必要的业务属性。  
减少键值对的数量，对于大量的String类型的小对象，可以尝试使用Hash的形式组合他们，在Hash对象内Field数量少于1000，且Value的字符长度小于40时，内部使用ziplist的编码形式，能够极大的降低小对象占据的内存空间。  
Redis内维护了一个\[0-9999\]的整数对象池，类似Java内的运行时常量池，只创建一个常量，使用时都去引用这个常量，所以当存储的value是这个范围内的数字时均是引用向都一个内存地址，所以能够降低一些内存空间耗费。但是共享对象池和maxmemory+LRU的内存回收策略冲突，因为共享Value对象的lru值也共享，难以通过lru知道哪个Key的最后引用时间，所以永远也不能回收内存。  
如果多次数据操作要求原子性，可使用Multi来实现Redis的事务。

2.**数据查询**  
Redis是一种数据库，和其他数据库一样，操作时也需要有连接对象，连接对象的创建和销毁也需要耗费资源，复用连接对象很有必要，所以推荐使用连接池来管理连接。  
Redis数据存储在内存中，查询很快，但不代表连接也很快。一次Redis查询可能IO部分占据了请求时间的绝大部分比例，缩短IO时间是开发过程中很需要注意的一点。  
对于一个业务内的多次查询，考虑使用Pipeline，将多次查询合并为一次查询，命令会被执行多次，但是只有一个IO传输，能够有效的提高响应速度。  
对于多次String类型的查询，使用mget，将多次请求合并为一次，同时命令和会被合并为一次，能有效提高响应速度，对于Hash内多个Field查询，使用hmget，起到和mget同样的效果。  
Redis是单线程执行的，也就是说同一时间只能执行一条命令，如果一条命令执行的时间较长，其他线程在此期间均会被阻塞，所以在操作Redis时要注意操作指令的涉及的数据量，尽量降低单次操作的执行时间。