Redis数据库在新浪微博中的应用

问题导读：
1、Redis适用于哪些应用场景？
2、Redis面临哪些困难，又是如何解决的 ？

Redis是一个key-value存储系统。和Memcached类似，它支持存储的value类型相对更多，包括string(字符串)、list(链表)、set(集合)、zset(sorted set --有序集合)和hash(哈希类型)。这些数据类型都支持push/pop、add/remove及取交集并集和差集及更丰富的操作，而且这些操作都是原子性的。

下面是根据网上的相关资料，进行编辑整理。

Redis简介

1.支持5种数据结构

　　支持strings, hashes, lists, sets, sortedsetsstring是很好的存储方式，用来做计数存储。sets用于建立索引库非常棒。

2.K-V 存储 vs K-V 缓存

　　新浪微博目前使用的98%都是持久化的应用，2%的是缓存，用到了600+服务器Redis中持久化的应用和非持久化的方式不会差别很大：非持久化的为8-9万tps，那么持久化在7-8万tps左右;当使用持久化时，需要考虑到持久化和写性能的配比，也就是要考虑redis使用的内存大小和硬盘写的速率的比例计算。

3.社区活跃

　　Redis目前有3万多行代码, 代码写的精简，有很多巧妙的实现，作者有技术洁癖Redis的社区活跃度很高，这是衡量开源软件质量的重要指标，开源软件的初期一般都没有商业技术服务支持，如果没有活跃社区做支撑，一旦发生问题都无处求救。

　　

Redis基本原理

　　Redis持久化(aof) appendonline file：写log(aof), 到一定程度再和内存合并. 追加再追加, 顺序写磁盘, 对性能影响非常小。

　　

1. 单实例单进程

　　Redis使用的是单进程，所以在配置时，一个实例只会用到一个CPU。在配置时，如果需要让CPU使用率最大化，可以配置Redis实例数对应CPU数, Redis实例数对应端口数(8核Cpu, 8个实例, 8个端口), 以提高并发。单机测试时, 单条数据在200字节, 测试的结果为8~9万tps。

　　

2. Replication

　　过程: 数据写到master-->master存储到slave的rdb中-->slave加载rdb到内存。存储点(save point): 当网络中断了, 连上之后, 继续传.Master-slave下第一次同步是全传，后面是增量同步。

　　

3. 数据一致性

　　长期运行后多个结点之间存在不一致的可能性。开发两个工具程序：1.对于数据量大的数据，会周期性的全量检查。2.实时的检查增量数据，是否具有一致性。

　　对于主库未及时同步从库导致的不一致，称之为延时问题。对于一致性要求不是那么严格的场景，我们只需要要保证最终一致性即可。对于延时问题，需要根据业务场景特点分析，从应用层面增加策略来解决这个问题。例如，1.新注册的用户，必须先查询主库。2.注册成功之后，需要等待3s之后跳转，后台此时就是在做数据同步。

新浪Redis使用历程

　　2009年, 使用memcache(用于非持久化内容), memcacheDB(用于持久化+计数),memcacheDB是新浪在memcache的基础上，使用BerkeleyDB作为数据持久化的存储实现。

1.面临的问题

　　数据结构(Data Structure)需求越来越多, 但memcache中没有, 影响开发效率。

　　性能需求, 随着读操作的量的上升需要解决，经历的过程有:数据库读写分离(M/S)-->数据库使用多个Slave-->增加Cache (memcache)-->转到Redis。解决写的问题，水平拆分，对表的拆分，将有的用户放在这个表，有的用户放在另外一个表。可靠性需求Cache的"雪崩"问题让人纠结Cache面临着快速恢复的挑战。

　　开发成本需求Cache和DB的一致性维护成本越来越高。(先清理DB, 再清理缓存, 不行啊, 太慢了!)开发需要跟上不断涌入的产品需求硬件成本最贵的就是数据库层面的机器，基本上比前端的机器要贵几倍，主要是IO密集型，很耗硬件。

　　维护性复杂一致性维护成本越来越高。BerkeleyDB使用B树，会一直写新的，内部不会有文件重新组织。这样会导致文件越来越大，大的时候需要进行文件归档，归档的操作要定期做。这样，就需要有一定的down time。

　　基于以上考虑， 新浪选择了Redis。

　　

2.寻找开源软件的方式及评判标准

　　对于开源软件，首先看其能做什么，但更多的需要关注它不能做什么，它会有什么问题?上升到一定规模后，可能会出现什么问题，是否能接受?google code上, 国外论坛找材料。观察作者个人的代码水平

　　

Redis应用场景

1.业务使用方式

　　hash sets: 关注列表, 粉丝列表, 双向关注列表(key-value(field), 排序)

　　string(counter): 微博数, 粉丝数,(避免了select count(*) from ...)

　　sort sets(自动排序): TopN, 热门微博等, 自动排序

　　lists(queue): push/sub提醒

　　上述四种, 从精细化控制方面，hash sets和string(counter)推荐使用, sort sets和lists(queue)不推荐使用还可通过二次开发，进行精简。比如: 存储字符改为存储整形, 16亿数据, 只需要16G内存存储类型保存在3种以内，建议不要超过3种。

　　将memcache +myaql 替换为Redis：Redis作为存储并提供查询，后台不再使用mysql，解决数据多份之间的一致性问题。

　

2.对大数据表的存储

　　一个库就存唯一性id和140个字;另一个库存id和用户名，发布日期、点击数等信息，用来计算、排序等，等计算出最后需要展示的数据时再到第一个库中提取微博内容。

　　改进的3个步骤:1)发现现有系统存在问题;2)发现了新东西, 怎么看怎么好, 全面转向新东西;3)理性回归, 判断哪些适合新东西, 哪些不适合, 不合适的回迁到老系统。

　　

3.一些技巧分享

　　很多应用, 可以承受数据库连接失败, 但不能承受处理慢。一份数据, 多份索引。解决IO瓶颈的唯一途径: 用内存。在数据量变化不大的情况下，优先选用Redis。

　　

遇到的问题及解决办法

　　

1.Problem:Replication中断后, 重发-->网络突发流量

　　Solution: 重写Replication代码, rdb+aof(滚动)

　　

2.Problem: 容量问题

　　Solution: 容量规划和M/S的sharding功能增加一些配置, 分流, 比如: 四台机器，机器1处理%2=1的, 机器2处理%2=0的.低于内存的1/2使用量, 否则就扩容。我们线上96G/128G内存服务器不建议单实例容量大于20/30G。微博应用中单表数据最高的有2T的数据，不过应用起来已经有些力不从心。每个的端口不要超过20G。测试磁盘做save所需要的时间，需要多长时间能够全部写入。内存越大，写的时间也就越长。单实例内存容量较大后，直接带来的问题就是故障恢复或者Rebuild从库的时候时间较长，对于普通硬盘的加载速度而言，我们的经验一般是redis加载1G需要1分钟。Redis rewriteaof和save rdb时，将会带来非常大且长的系统压力，并占用额外内存，很可能导致系统内存不足等严重影响性能的线上故障。

　　reblance: 现有数据按照上述配置重新分发。后面使用中间层，路由HA;注：目前官方也正在做这个事，Redis Cluster，解决HA问题。

　　

3.Problem:bgsave or bgwriteaof的冰晶问题

　　Solution: 磁盘性能规划和限制写入的速度, 比如: 规定磁盘以200M/s的速度写入, 细水长流, 即使到来大量数据. 但是要注意写入速度要满足两个客观限制:符合磁盘速度符合时间限制。

　　

4.Problem: 运维问题

　　Inner Crontab: 能做到把Crontab迁移到Redis内部, 减少迁移时候的压力本机多端口避免同时做，做不到同一业务多端口(分布在多机上), 避免同时做。

　　动态升级: 先加载.so文件, 再管理配置, 切换到新代码上把对redis改进的东西都打包成lib.so文件，这样能够支持动态升级自己改的时候要考虑社区的升级。当社区有新的版本，有很好用的新功能时，要能很容易的与我们改进后的版本很好的merge。升级的前提条件是模块化。以模块为单位升级加载时间取决于两个方面: 数据大小，数据结构复杂度。 一般, 40G数据耗时40分钟分布式系统的两个核心问题:一是路由问题，二是HA问题。

　　危险命令的处理: 比如: fresh all删除全部数据, 得进行控制运维不能只讲数据备份，还得考虑数据恢复所需要的时间。增加权限认证eg：flashall 权限认证，得有密码才能做。当然，高速数据交互一般都不会在每次都进行权限认证，通用的处理策略是第一次认证，后期都不用再认证。控制hash策略没有key, 就找不到value。不知道hash策略, 就无法得到key。

　　Config Dump:内存中的配置项动态修改过, 按照一定策略写入到磁盘中。

　　bgsave带来aof写入很慢:fdatasync在做bgsave时, 不做sync aof。

　　成本问题:Redisscounter全部变为整型存储, 其余全不要。Redis+SSD顺序自增, table按照顺序写, 写满10个table就自动落地。存储分级: 内存分配问题, 10K和100K写到一块, 会有碎片. Sina已经优化到浪费只占5%以内。

　　

5.Problem: 分布式问题

　　1.Config Server: 命名空间, 特别大的告诉访问, 都不适合用代理, 因为代理降低速度, 但是, Sina用了Config Server放到Zookeeper上最前面是命名服务，后面跟的是无状态的twmemproxy,后面才是Redis。 2.twmemproxy应用不必关心连接失败, 由代理负责重连把Hash算法放到代理商代理后边的升级, 前端不关心, 解决了HA的问题无状态, 多台代理无所谓3.AS --> Proxy -->Redis4.Sina的Redis都是单机版, 而Redis-Cluster交互过于复杂，没有使用做HA的话，一定要配合监控来做，如果挂了之后，后续该如何做;并不是追求单机性能，而是集群的吞吐量，从而可以支持无线扩展。

　　

经验总结

　　提前做好数据量的规划, 减少sharding。只存精细化数据。存储用户维度的数据对象维度的数据要有生命周期特别是数据量特别大的时候，就很有必要来进行划分了。暴露服务的常见过程: IP-->负载均衡-->域名-->命名服务。对于硬件消耗，IO、网络和CPU相比，Redis最消耗的是CPU，复杂的数据类型必定带来CPU消耗。新浪微博响应时间超时目前设置为5s。备份的数据要定期要跑一下生产的数据，用来检查备份数据的有效性。slave挂多了肯定会对master造成比较的影响;新浪微博目前使用的M/S是一拖一，主要用来做容灾;同步时，是fork出一个单独进程来和slave进行同步;不会占用查询的进程。升级到2.6.30以后的linux内核;在2.6.30以上对软中断的问题处理的很好，性能提升效果明显，差不多有15%到30%的差距。Redis不用读写分离，每个请求都是单线程，为什么要进行读写分离。

写的很深入，赞一个，感谢楼主的分享