什么是BigKey?

通常來說,如果一個鍵值對大于一定閾值(例如 1MB),它就可以被認為是一個大鍵或 bigkey。

大鍵的存在通常被認為是不好的,主要原因:

 1.占用大量內存,可能導致內存不足

2.增加內存碎片,降低內存利用效率

3.增加SAVE和復制時間

4.增加AOF重寫時間

5.壓縮列表元素過多,降低查找效率

所以在使用 Redis 時,應該盡量避免 bigkey 的產(chǎn)生。

常見的bigkey原因:

1.一個 Hash 類型鍵值對字段過多

2.一個 Set 類型包含了過多的成員

3.一個 List 類型包含了過多的元素

4.一個 Bitmaps 類型映射了過大的內容

5.一個 Zset 類型包含了過多的成員

一般建議 bigkey 的大小控制在 1MB 以內為宜。

BigKey危害？

Redis 中存在的BigKey會帶來以下幾個方面的危害:

占用大量內存空間

BigKey由于值過于龐大,會占用Redis sehr大比例的內存,從而對Redis的內存使用造成浪費和壓力。

阻塞服務器進程

當需要對BigKey進行操作如刪除、更改值時,這些操作需要花費較長時間,會造成Redis主進程阻塞,影響Redis的正常工作。

加長持久化時間

Redis需要進行持久化將數(shù)據(jù)寫入磁盤保存,BigKey會因其數(shù)據(jù)量大而導致持久化過程非常緩慢。

延長復制時間

當Redis進行主從復制時,同步BigKey也會非常慢,可能導致從服務器的數(shù)據(jù)同步效率下降。

增加內存碎片

BigKey的大值會導致Redis內存中產(chǎn)生大量不連續(xù)的碎片,降低內存利用效率。

加重AOF重寫壓力

BigKey會導致AOF文件過大,當Redis進行AOF重寫時,需要處理大量數(shù)據(jù),加重服務器壓力。

降低查找效率

對于一些集合性的數(shù)據(jù)結構如Hash、List等,BigKey中的數(shù)據(jù)量龐大,會降低查找效率。
所以,對于Redis來說,發(fā)現(xiàn)并解決BigKey問題是非常重要的。

如何發(fā)現(xiàn)BigKey？

在Redis中,可以通過以下幾種方式發(fā)現(xiàn)BigKey:

info命令

使用Redis的info命令,查看keyspace部分,觀察biggest_key_size的大小,當biggest_key_size過大時,說明存在BigKey。

可以通過analyze命令的keyspace部分來觀察biggest_key_size,判斷是否存在BigKey。例如:

127.0.0.1:6379> info keyspace
# Keyspace
db0:keys=5,expires=0,avg_ttl=0
db1:keys=8,expires=0,avg_ttl=0
db2:keys=4,expires=0,avg_ttl=0
db3:keys=5,expires=0,avg_ttl=0
db4:keys=4,expires=0,avg_ttl=0
db5:keys=5,expires=0,avg_ttl=0
db6:keys=5,expires=0,avg_ttl=0
db7:keys=4,expires=0,avg_ttl=0
db8:keys=4,expires=0,avg_ttl=0
db9:keys=4,expires=0,avg_ttl=0
db10:keys=5,expires=0,avg_ttl=0
db11:keys=5,expires=0,avg_ttl=0
db12:keys=5,expires=0,avg_ttl=0
db13:keys=4,expires=0,avg_ttl=0
db14:keys=4,expires=0,avg_ttl=0
db15:keys=4,expires=0,avg_ttl=0
# ... 略
biggest_key_size:8192

從上面的biggest_key_size大小可以看出,目前存在value超過8KB的大鍵。

scan命令

使用scan命令迭代Redis中的鍵,同時利用Redis的debug object命令查看key對應的value大小,如果超過閾值即判定為BigKey。

可以通過SCAN命令迭代Redis中的鍵,并配合DEBUG OBJECT命令判斷鍵值大小,來發(fā)現(xiàn)BigKey。例如:

127.0.0.1:6379> scan 0 match * count 10
1) "17"
2)  1) "key:1"
    2) "key:2"
    3) "key:3"
    4) "key:4" 
    5) "bigkey"
127.0.0.1:6379> debug object bigkey
Value at:0x7fdafb0258e0 refcount:1 encoding:raw serializedlength:1001927

上面先通過SCAN命令掃描出鍵,然后使用DEBUG OBJECT判斷bigkey的值大小,結果顯示serializedlength超過1MB。所以這是一個BigKey。我們可以編寫一個循環(huán)使用SCAN的程序,設置一個大小閾值,所有值超過閾值的鍵都記錄下來,從而掃描出所有BigKey。相比直接遍歷鍵空間,SCAN實現(xiàn)漸進式掃描,可以避免命令阻塞,更安全的發(fā)現(xiàn)BigKey。

Redis-cli

使用redis-cli工具的–bigkeys參數(shù),該參數(shù)會掃描Redis中的鍵并返回所有大小超過指定閾值的BigKey。

第三方工具

使用一些第三方Redis可視化管理工具,如Redis Enterprise、Astra等,這些工具提供了BigKey檢測功能。

日志監(jiān)控

分析Redis日志,關注slave緩慢或者持久化被block的情況,這可能與BigKey有關。

定期主動掃描

可以通過腳本等定期主動掃描Redis鍵值,當鍵值超過閾值則記錄為BigKey。

下面寫一個腳本示例

import redis
import time
# Redis連接
redis_client = redis.Redis(host='localhost', port=6379) 
# 大鍵閾值 - 100MB
BIG_KEY_THRESHOLD = 100 * 1024 * 1024
# 掃描間隔 - 1小時
SCAN_INTERVAL = 3600 
def scan_big_keys():
    cursor = '0'
    big_keys = []
    while cursor != 0:
        cursor, keys = redis_client.scan(cursor=cursor, count=100)
        for key in keys:
            size = redis_client.debug_object(key)['serializedlength']
            if size > BIG_KEY_THRESHOLD:
                big_keys.append({'key': key, 'size': size})
    return big_keys
while True:
    big_keys = scan_big_keys()
    if big_keys:
        print(f'Found {len(big_keys)} big keys')
        for bk in big_keys:
            print(f'  {bk["key"]} {bk["size"]}')
    time.sleep(SCAN_INTERVAL)

主要步驟包括:

? 1.使用SCAN命令漸進式掃描鍵空間

? 2.調用DEBUG OBJECT命令獲取鍵值大小

? 3.比較大小判斷是否為大鍵

? 4.定期循環(huán)掃描這個腳本可以靈活調整大鍵閾值、掃描間隔等參數(shù)。

你可以將它部署為持續(xù)運行的任務,自動發(fā)現(xiàn)Redis中的大鍵。

綜合利用上述各種方式,可以有效發(fā)現(xiàn)Redis中存在的BigKey,作為后續(xù)優(yōu)化的依據(jù)。

如何刪除BigKey？

在Redis中刪除BigKey可以通過以下幾種方法:

DEL命令

直接使用DEL命令刪除鍵即可快速刪除單個BigKey,但是這會導致數(shù)據(jù)丟失。

DEL big_key

重新設計鍵

如果BigKey是由于鍵設計不當導致的,那么可以重新設計鍵結構,拆分BigKey。
例如將原來的一個Hash BigKey拆分為多個Hash小Key。

使用UNLINK

UNLINK可以異步刪除鍵,不會堵塞服務器。但也存在數(shù)據(jù)丟失風險。

UNLINK big_key 

配合事務操作

可以先用MULTI開啟事務,再使用GET、DEL等命令處理BigKey,最后用EXEC提交事務。這樣可以避免阻塞服務器。

分段刪除

對于List、Hash等結構的BigKey,可以通過區(qū)間查找、分段刪除的方式進行分批刪除,避免一次性刪除耗時太長。

使用SCAN命令

可以通過SCAN命令漸進式地掃描并刪除BigKey。

熱重啟

可以考慮停止Redis服務,并刪除持久化文件(rdb、aof),然后重啟,這樣可以直接清除所有BigKey,但會損失全部數(shù)據(jù)。

可以根據(jù)實際情況選擇最佳方案刪除BigKey。

Hash類型Bigkey如何處理?

對于Redis中的Hash類型Bigkey,可以通過以下幾種方式進行優(yōu)化:

拆分Bigkey

最直接的方法是將一個大的Hash Key拆分為多個小的Hash Key,防止單個鍵值對過大。例如

將user:{uid} 拆分為 user:{uid}:info、user:{uid}:data等。

使用Hash數(shù)據(jù)結構

Redis的Hash相比字符串可以大幅度減少內存使用?？梢钥紤]將字符串值轉換為Hash結構,字段由字符串改為Hash。

海量計數(shù)器轉換為Bitmaps

如果Hash中的字段是簡單的計數(shù)器,可以考慮用Bitmaps替代,由于Bitmaps有壓縮特性,可以減少內存使用。

采用更緊湊的編碼

對于Hash的值,如果是數(shù)字,可以選擇更緊湊的編碼方式,如整形float編碼轉為整數(shù)int編碼。

控制字段的數(shù)量

對Hash字段數(shù)量進行限制,避免單個Hash過多字段,導致結構過大。

使用內存優(yōu)化參數(shù)

調整Redis的ziplist、hash-max-ziplist-value等參數(shù),優(yōu)化內存使用。

redis>config get hash-max-ziplist-entries
1) "hash-max-ziplist-entries"
2) "512"  --默認原來是512
redis>config set hash-max-ziplist-entries 1000
"OK"
redis>config get hash-max-ziplist-entries
1) "hash-max-ziplist-entries"
2) "1000" --調整為1000，但是不建議調整超過1000

海量小值分離

如果Hash中存在大量小值字段,可以將這些小值字段拆分出去,單獨用一個Hash Key存儲。

假設我們有一個 user:{uid} 的 hash 類型 bigkey,里面存儲了用戶的名稱、年齡、手機號等信息。其中手機號字段的值都是數(shù)字且較小。

我們可以這樣進行海量小值的分離:

為手機號創(chuàng)建新的 hash key

user:{uid}:phone

遍歷 user:{uid} 的 hash,提取所有手機號字段和值,存入 user:{uid}:phone

HGETALL user:{uid} # 遍歷獲取所有字段
...
HSET user:{uid}:phone {phone_field} {phone_value} # 存儲到新key

從 user:{uid} 刪除這些手機號字段

HDEL user:{uid} {phone_field_1} {phone_field_2} ... # 刪除手機號字段

這樣我們就將海量的手機號小值從大key中分離出來,單獨用一個 hash 存儲。

分離后的優(yōu)點:

1.原來的 user:{uid} 鍵值對會縮小,不再存在大量小值

2.由于是小值,在新 key 中可以使用更緊湊的內存編碼存儲

3.查找手機號等小值時,只需要操作 user:{uid}:phone 即可,避免遍歷全量大key

綜合使用這些優(yōu)化策略,可以有效減小Hash類型Bigkey的內存占用。

寫在最后

以上就是詳解Redis中的BigKey如何發(fā)現(xiàn)和處理的詳細內容，更多關于Redis BigKey發(fā)現(xiàn)和處理的資料請關注腳本之家其它相關文章！