标签：关系 ash 链表 快照 磁盘 swa 服务端 监听 元素
内存回收:
有时候发现10g的Redis删掉1g的key，内存占用没啥变化，因为内存页分配，有的页面可能还存在key，整个页面不能回收。
主从同步：
CAP原理：一致性 可用性 分区容忍性
redis主从是异步同步数据的，所以并不满足一致性要求(redis是最终一致性)，主节点修改后，立即返回，即使主从断开，主节点依然正常服务，所以满足可用性。
增量同步：主节点将指令记录在ringbuffer中，从节点执行同步，并向主节点反馈同步到的偏移量，网络环境不好时，buffer中的指令会覆盖，这时候需要快照同步。
快照同步：主库bgsave将内存数据快照到磁盘，再传送到从节点，从加载后通知主节点继续进行增量同步。如果快照时间太长，增量同步的buffer还是会被覆盖，
只能再次快照同步，有可能会快照同步死循环。 所以请务必配置合适的buffer大小。
单个Redis的内存不宜过大，内存太大会导致 rdb 文件过大，主从全量同步延迟太长
Redis无盘复制：
主节点快照同步时，IO太大了，2.8以后可以快照同步时一边遍历内存，一边通过套接字将数据发送到从节点。
集群方案：
1.Sentinel：
主从方案中没法自动切换主从。由此引入Sentinel集群
Sentinel监控主从，如果主挂了自动选择一个最优的从作为主，其他从会和新的主建立主从关系
客户端首先连接sentinel，通过其找到主节点地址
主从切换后客户端会重连新的主，怎么实现：处理修改性命令的时候捕获了一个异常 ReadOnlyError，捕获到后将所有旧连接关闭，重连
2.Codis:
Codis无状态，可以部署多个节点。只是简单将key转发给服务端，将结果返回客户端。
原理：将所有key划分成1024个slot，将客户端传过来的key做crc32后对1024取模决定存到哪个slot,slot对应到后面的多个Redis机器之一。
Codis内部维护了Slot和背后机器的映射关系。不同Codis实例之间用etcd或zk同步槽位映射关系
通过Dashboard 可以修改槽位信息，当修改后，Codis会监听到变化并重新同步槽位关系
执行mget命令时，Codis会将key分散到多个机器查询，然后返回归并结果。
集群扩容：如果查询一个正在迁移的key，Codis会强制该key立即迁移，然后去新机器上查询(所以value别太大)
3.Redis Cluster：
客户端向一个错误的节点发出了指令(即key所在槽位不归自己管理)，该节点会让客户端重定向到另一个节点，客户端更新自己的槽位映射表
4. Redis Stream：
和Kafka相比，内部没有partition, 如果想要分区，需要创建多个stream，手动分区
5.监控：info, monitor , 可以通过监控异步同步数据失败次数，据此修改buffer大小
6.分布式锁:
主节点上申请了锁，但是突然主从切换了，锁还没来得及同步, 可以使用Redlock
需要提供多个 Redis 实例，这些实例之前相互独立没有主从关系，加锁时，它会向过半节点发送setnx，过半set成功则加锁成功；
还需要考虑出错重试、时钟漂移等很多细节问题，会造成性能下降。
7.过期策略：
同一时间太多的 key 过期，以至于忙不过来？线上指令出现卡顿？
除了定时遍历(集中处理)之外，它还会使用惰性策略(零散处理)来删除过期的key
1s 10次过期扫描，不会扫描整个过期字典，而是贪心策略：
1.从过期字典中随机 20 个 key，删除过期的
2.过期的 key 比率超过 1/4，重复步骤1
如果大批的key同时过期还是可能线上请求造成卡顿，所以最好给过期时间设置一个随机范围。
8. LRU:
Redis支持maxmemory配置, 超过最大内存后可以有以下几种 maxmemory-policy：
1. noeviction不可写库
2. volatile-lru：尝试淘汰设置了过期时间的key，优先淘汰最少使用的
3. volatile-ttl：跟上面一样，不过剩余ttl小的先淘汰
4. allkeys-lru：淘汰的是全体key，即没过期也会淘汰
5. allkeys-random
6. volatile-random
Redis为实现近似 LRU 算法，它给每个key增加了最后一次被访问的时间戳。执行写操作时，发现内存超过maxmemory,执行一次LRU淘汰算法：
随机采样出5个key，淘汰掉最旧的，如果还是超过maxmemory就继续随机采样淘汰。
9. 删除优化：
del删除的key包含元素过多，也会造成单线程卡顿，4.0引入了unlink 指令，对删除操作懒处理，丢给后台线程异步回收内存
10. 数据安全：rename-command flushall ""
11. 渐进式Rehash: dict结构内部包含两个hashtable，通常情况下只有一个hashtable是有值的; 大字典的扩容比较耗时间，Redis单线程很难承受
迁移数据操作埋伏在当前字典的后续指令中(新的元素挂接到新的数组下面)，还会在定时任务中对字典进行主动搬迁。
12. 不要对Redis进行绑核，毕竟还有RDB，AOF这些异步操作
建议设置swappiness
13. 缓存使用的问题：
缓存穿透：
1. 返回空：缺点，需要更多内存，如果是攻击问题更严重，可以设置过期时间
2. 布隆过滤器
3. 高可用+降级
4. 提前演练
缓存无底洞：FaceBook添加更多memcached节点发现性能更差，因为如mget可能需要访问n多个节点(hash到不同节点)
更多的节点不代表更高的性能。
解决：客户端记住可以在哪个节点(其实hash一下就行)，对每个节点的key打包好请求，然后多线程从各个节点mget或pipline
14.优化：
1. tcp-backlog
2. swappiness
京东订单的Redis实践：
1. 先更新数据库，再更新缓存
2. 数据一致性保证：循环5次直到成功，解决网络抖动造成失败的概率
还不成功则启动线程扫描库，与缓存比较，更新缓存/或发送一条消息到mq，去更新
网易的Redis技术分享：
遍历时间事件链表中找到即将触发的时间，根据这个值去select里阻塞
标签：关系 ash 链表 快照 磁盘 swa 服务端 监听 元素
原文地址：https://www.cnblogs.com/showing/p/11763850.html
