Redis 在新浪微博中的應用

Redis 在新浪微博中的應用

Redis簡介

1. 支持5種數據結構

支持strings, hashes, lists, sets, sorted sets
string是很好的存儲方式，用來做計數存儲。sets用於建立索引庫非常棒；

2. K-V 存儲 vs K-V 緩存

新浪微博目前使用的98%都是持久化的應用，2%的是緩存，用到了600+服務器
Redis中持久化的應用和非持久化的方式不會差別很大：
非持久化的爲8-9萬tps，那麼持久化在7-8萬tps左右；
當使用持久化時，需要考慮到持久化和寫性能的配比，也就是要考慮redis使用的內存大小和硬盤寫的速率的比例計算；

3. 社區活躍

Redis目前有3萬多行代碼, 代碼寫的精簡，有很多巧妙的實現，作者有技術潔癖
Redis的社區活躍度很高，這是衡量開源軟件質量的重要指標，開源軟件的初期一般都沒有商業技術服務支持，如果沒有活躍社區做支撐，一旦發生問題都無處求救；

Redis基本原理

redis持久化(aof) append online file：
寫log(aof), 到一定程度再和內存合併. 追加再追加, 順序寫磁盤, 對性能影響非常小

1. 單實例單進程

Redis使用的是單進程，所以在配置時，一個實例只會用到一個CPU；
在配置時，如果需要讓CPU使用率最大化，可以配置Redis實例數對應CPU數, Redis實例數對應端口數(8核Cpu, 8個實例, 8個端口), 以提高併發:
單機測試時, 單條數據在200字節, 測試的結果爲8~9萬tps；

2. Replication

過程: 數據寫到master-->master存儲到slave的rdb中-->slave加載rdb到內存。
存儲點(save point): 當網絡中斷了, 連上之後, 繼續傳.
Master-slave下第一次同步是全傳，後面是增量同步；、

3. 數據一致性

長期運行後多個結點之間存在不一致的可能性；
開發兩個工具程序：
1.對於數據量大的數據，會週期性的全量檢查；
2.實時的檢查增量數據，是否具有一致性；

對於主庫未及時同步從庫導致的不一致，稱之爲延時問題；
對於一致性要求不是那麼嚴格的場景，我們只需要要保證最終一致性即可；
對於延時問題，需要根據業務場景特點分析，從應用層面增加策略來解決這個問題；
例如：
1.新註冊的用戶，必須先查詢主庫；
2.註冊成功之後，需要等待3s之後跳轉，後臺此時就是在做數據同步。

新浪Redis使用歷程

2009年, 使用memcache(用於非持久化內容), memcacheDB(用於持久化+計數),
memcacheDB是新浪在memcache的基礎上，使用BerkeleyDB作爲數據持久化的存儲實現；

1. 面臨的問題

• 數據結構(Data Structure)需求越來越多, 但memcache中沒有, 影響開發效率
• 性能需求, 隨着讀操作的量的上升需要解決，經歷的過程有:
  數據庫讀寫分離(M/S)-->數據庫使用多個Slave-->增加Cache (memcache)-->轉到Redis
• 解決寫的問題：
  水平拆分，對錶的拆分，將有的用戶放在這個表，有的用戶放在另外一個表；

• 可靠性需求
  Cache的"雪崩"問題讓人糾結
  Cache面臨着快速恢復的挑戰

• 開發成本需求
  Cache和DB的一致性維護成本越來越高(先清理DB, 再清理緩存, 不行啊, 太慢了!)
  開發需要跟上不斷涌入的產品需求
  硬件成本最貴的就是數據庫層面的機器，基本上比前端的機器要貴幾倍，主要是IO密集型，很耗硬件；

• 維護性複雜
  一致性維護成本越來越高；
  BerkeleyDB使用B樹，會一直寫新的，內部不會有文件重新組織；這樣會導致文件越來越大；大的時候需要進行文件歸檔，歸檔的操作要定期做；
  這樣，就需要有一定的down time；

基於以上考慮， 選擇了Redis

2. 尋找開源軟件的方式及評判標準

• 對於開源軟件，首先看其能做什麼，但更多的需要關注它不能做什麼，它會有什麼問題？
• 上升到一定規模後，可能會出現什麼問題，是否能接受？
• google code上, 國外論壇找材料(國內比國外技術水平滯後5年）
• 觀察作者個人的代碼水平

Redis應用場景

1. 業務使用方式

• hash sets: 關注列表, 粉絲列表, 雙向關注列表(key-value(field), 排序)
• string(counter): 微博數, 粉絲數, ...(避免了select count(*) from ...)
• sort sets(自動排序): TopN, 熱門微博等, 自動排序
• lists(queue): push/sub提醒,...

上述四種, 從精細化控制方面，hash sets和string(counter)推薦使用, sort sets和lists(queue)不推薦使用
還可通過二次開發，進行精簡。比如: 存儲字符改爲存儲整形, 16億數據, 只需要16G內存
存儲類型保存在3種以內，建議不要超過3種；

將memcache +myaql 替換爲Redis：
Redis作爲存儲並提供查詢，後臺不再使用mysql，解決數據多份之間的一致性問題；

2. 對大數據表的存儲

（eg：140字微博的存儲）
一個庫就存唯一性id和140個字；
另一個庫存id和用戶名，發佈日期、點擊數等信息，用來計算、排序等，等計算出最後需要展示的數據時再到第一個庫中提取微博內容；

改進的3個步驟:
1）發現現有系統存在問題;
2）發現了新東西, 怎麼看怎麼好, 全面轉向新東西;
3）理性迴歸, 判斷哪些適合新東西, 哪些不適合, 不合適的回遷到老系統

3. 一些技巧

• 很多應用, 可以承受數據庫連接失敗, 但不能承受處理慢
• 一份數據, 多份索引(針對不同的查詢場景)
• 解決IO瓶頸的唯一途徑: 用內存
• 在數據量變化不大的情況下，優先選用Redis

遇到的問題及解決辦法

(注意: 都是量特別大時候會出現的, 量小了怎麼都好說)

1.Problem: Replication中斷後, 重發-->網絡突發流量

Solution: 重寫Replication代碼, rdb+aof(滾動)

2.Problem: 容量問題

Solution: 容量規劃和M/S的sharding功能(share nothing, 抽象出來的數據對象之間的關聯數據很小)
增加一些配置, 分流, 比如: 1,2,3,4, 機器1處理%2=1的, 機器2處理%2=0的.
低於內存的1/2使用量, 否則就擴容（建議Redis實例使用的數據，最大不要超過內存的80%）
我們線上96G/128G內存服務器不建議單實例容量大於20/30G。
微博應用中單表數據最高的有2T的數據，不過應用起來已經有些力不從心；
每個的端口不要超過20G；測試磁盤做save所需要的時間，需要多長時間能夠全部寫入；內存越大，寫的時間也就越長；
單實例內存容量較大後，直接帶來的問題就是故障恢復或者Rebuild從庫的時候時間較長，對於普通硬盤的加載速度而言，我們的經驗一般是redis加載1G需要1分鐘；（加載的速度依賴於數據量的大小和數據的複雜度）
Redis rewrite aof和save rdb時，將會帶來非常大且長的系統壓力，並佔用額外內存，很可能導致系統內存不足等嚴重影響性能的線上故障。

reblance: 現有數據按照上述配置重新分發。
後面使用中間層，路由HA；
注：目前官方也正在做這個事，Redis Cluster，解決HA問題；

3. Problem: bgsave or bgwriteaof的冰晶問題

Solution: 磁盤性能規劃和限制寫入的速度, 比如: 規定磁盤以200M/s的速度寫入, 細水長流, 即使到來大量數據. 但是要注意寫入速度要滿足兩個客觀限制:
符合磁盤速度
符合時間限制(保證在高峯到來之前, 就得寫完)

4.Problem: 運維問題

1）Inner Crontab: 把Crontab遷移到Redis內部, 減少遷移時候的壓力
本機多端口避免同時做 - 能做到
同一業務多端口(分佈在多機上), 避免同時做 - 做不到
2）動態升級: 先加載.so文件, 再管理配置, 切換到新代碼上(Config set命令)
把對redis改進的東西都打包成lib.so文件，這樣能夠支持動態升級
自己改的時候要考慮社區的升級。當社區有新的版本，有很好用的新功能時，要能很容易的與我們改進後的版本很好的merge；
升級的前提條件: 模塊化, 以模塊爲單位升級
加載時間取決於兩個方面: 數據大小, 數據結構複雜度. 一般, 40G數據耗時40分鐘
分佈式系統的兩個核心問題: A.路由問題 B.HA問題

3）危險命令的處理: 比如: fresh all刪除全部數據, 得進行控制
運維不能只講數據備份，還得考慮數據恢復所需要的時間；
增加權限認證(管理員纔有權限)eg：flashall 權限認證，得有密碼才能做；
當然，高速數據交互一般都不會在每次都進行權限認證，通用的處理策略是第一次認證，後期都不用再認證；
控制hash策略(沒有key, 就找不到value; 不知道hash策略, 就無法得到key)

4）Config Dump:
內存中的配置項動態修改過, 按照一定策略寫入到磁盤中(Redis已支持)
5）bgsave帶來aof寫入很慢:
fdatasync在做bgsave時, 不做sync aof(會有數據出入)
6）成本問題: (22T內存, 有10T用來計數)
Redisscounter(16億數據佔用16G內存) - 全部變爲整型存儲, 其餘(字符串等)全不要
Redis+SSD(counterService計數服務)
順序自增, table按照順序寫, 寫滿10個table就自動落地(到SSD)
存儲分級: 內存分配問題, 10K和100K寫到一塊, 會有碎片. Sina已經優化到浪費只佔5%以內(已經很好了!)

5.Problem: 分佈式問題

1.Config Server: 命名空間, 特別大的告訴訪問, 都不適合用代理, 因爲代理降低速度, 但是, Sina用了(單機多端口, Redis Cluster, sentinel)
Config Server放到Zookeeper上
最前面是命名服務，後面跟的是無狀態的twmemproxy（twitter的改進的，用C寫的） ,後面纔是redis；
2.twmemproxy
應用不必關心連接失敗, 由代理負責重連
把Hash算法放到代理商
代理後邊的升級, 前端不關心, 解決了HA的問題
無狀態, 多臺代理無所謂
3.AS --> Proxy -->Redis
4.Sina的Redis都是單機版, 而Redis-Cluster交互過於複雜，沒有使用
做HA的話，一定要配合監控來做，如果掛了之後，後續該如何做；
並不是追求單機性能，而是集羣的吞吐量，從而可以支持無線擴展；

經驗總結

• 提前做好數據量的規劃, 減少sharding(互聯網公司一般以年爲單位)
• 只存精細化數據(內存很金貴!)
• 存儲用戶維度的數據
  對象維度的數據要有生命週期
  特別是數據量特別大的時候，就很有必要來進行劃分了；
• 暴露服務的常見過程: IP-->負載均衡-->域名-->命名服務(一張表: 名字+資源(IP+端口))
• 對於硬件消耗，IO、網絡和CPU相比，Redis最消耗的是CPU，複雜的數據類型必定帶來CPU消耗；
• 新浪微博響應時間超時目前設置爲5s；（返回很慢的記錄key，需記錄下來分析，慢日誌）；
• 備份的數據要定期要跑一下生產的數據；用來檢查備份數據的有效性；
• slave掛多了肯定會對master造成比較的影響；新浪微博目前使用的M/S是一拖一，主要用來做容災；
  同步時，是fork出一個單獨進程來和slave進行同步；不會佔用查詢的進程；
• 升級到2.6.30以後的linux內核；
  在2.6.30以上對軟中斷的問題處理的很好，性能提升效果明顯，差不多有15%到30%的差距；
• redis不用讀寫分離，每個請求都是單線程，爲什麼要進行讀寫分離。

Posted by: 大CC | 19DEC,2013
博客：blog.me115.com
微博：新浪微博