作者：vivo 互聯網資料庫團隊- Du Ting
在Redis運維程序中，由于Bigkey 的存在，會影響業務程式的回應速度，嚴重的還會造成可用性損失，DBA也一直和業務開發方強調 Bigkey 的規避方法以及危害，
一、背景
在Redis運維程序中，由于Bigkey的存在，會影響業務程式的回應速度，嚴重的還會造成可用性損失，DBA也一直和業務開發方強調 Bigkey 的規避方法以及危害，但是Bigkey一直沒有完全避免，全網Redis集群有2200個以上，實體數量達到4.5萬以上，在當前階段進行一次全網 Bigkey檢查，估計需要以年為時間單位，非常耗時，我們需要新的思路去解決Bigkey問題，
二、Bigkey 介紹
2.1、什么是 Bigkey
在Redis中，一個字串型別最大可以到512MB，一個二級資料結構（比如hash、list、set、zset等）可以存盤大約40億個(2^32-1)個元素，但實際上不會達到這么大的值，一般情況下如果達到下面的情況，就可以認為它是Bigkey了，
- 【字串型別】： 單個string型別的value值超過1MB，就可以認為是Bigkey，
- 【非字串型別】：哈希、串列、集合、有序集合等， 它們的元素個數超過2000個，就可以認為是Bigkey，
2.2 Bigkey是怎么產生的
我們遇到的Bigkey一般都是由于程式設計不當或者對于資料規模預料不清楚造成的，比如以下的情況，
- 【統計】：遇到一個統計類的key，是記錄某網站的訪問用戶的IP，隨著時間的推移，網站訪問的用戶越來越多，這個key的元素數量也會越來越大，形成Bigkey，
- 【快取】： 快取類key一般是這樣的邏輯，將資料從資料庫查詢出來序列化放到Redis里，如果業務程式從Redis沒有訪問到，就會查詢資料庫并將查詢到的資料追加到Redis快取中，短時間內會快取大量的資料到Redis的key中，形成Bigkey，
- 【佇列】：把Redis當做佇列使用，處理任務，如果消費出現不及時情況，將導致佇列越來越大，形成Bigkey，
這三種情況，都是我們實際運維中遇到的，需要謹慎使用，合理優化，
2.3 Bigkey 的危害
我們在運維中，遇到Bigkey的情況下，會導致一些問題，會觸發監控報警，嚴重的還會影響Redis實體可用性，進而影響業務可用性，在需要水平擴容時候，可能導致水平擴容失敗，
2.3.1記憶體空間不均勻
記憶體空間不均勻會不利于集群對記憶體的統一管理，有資料丟失風險，下圖中的三個節點是同屬于一個集群，它們的key的數量比較接近，但記憶體容量相差比較多，存在Bigkey的實體占用的記憶體多了4G以上了，
可以使用使用Daas平臺“工具集-操作項管理”，選擇對應的slave實體執行分析，找出具體的Bigkey，
2.3.2 超時阻塞
Redis是單執行緒作業的，通俗點講就是同一時間只能處理一個Redis的訪問命令，操作Bigkey的命令通常比較耗時，這段時間Redis不能處理其他命令，其他命令只能阻塞等待，這樣會造成客戶端阻塞，導致客戶端訪問超時，更嚴重的會造成master-slave的故障切換，造成阻塞的操作不僅僅是業務程式的訪問，還有key的自動過期的洗掉、del洗掉命令，對于Bigkey，這些操作也需要謹慎使用，
超時阻塞案例
我們遇到一個這樣超時阻塞的案例，業務方反映程式訪問Redis集群出現超時現象，hkeys訪問Redis的平均回應時間在200毫秒左右，最大回應時間達到了500毫秒以上，如下圖，
hkeys是獲取所有哈希表中的欄位的命令，分析應該是集群中某些實體存在hash型別的Bigkey，導致hkeys命令執行時間過長，發生了阻塞現象，
1.使用Daas平臺“服務監控-資料庫實體監控”，選擇master節點，選擇Redis回應時間監控指標“redis.instance.latency.max”，如下圖所示，從監控圖中我們可以看到
（1）正常情況下，該實體的回應時間在0.1毫秒左右，
（2）監控指標上面有很多突刺，該實體的回應時間到了70毫秒左右，最大到了100毫秒左右，這種情況就是該實體會有100毫秒都在處理Bigkey的訪問命令，不能處理其他命令，
通過查看監控指標，驗證了我們分析是正確的，是這些監控指標的突刺造成了hkeys命令的回應時間比較大，我們找到了具體的master實體，然后使用master實體的slave去分析下Bigkey情況，
2.使用Daas平臺“工具集-操作項管理”，選擇slave實體執行分析，分析結果如下圖，有一個hash型別key有12102218個fields，
3. 和業務溝通，這個Bigkey是連續存放了30天的業務資料了，建議根據二次hash方式拆分成多個key，也可把30天的資料根據分鐘級別拆分成多個key，把每個key的元素數量控制在5000以內，目前業務正在排期優化中，優化后，監控指標的回應時間的突刺就會消失了，
2.3.3 網路阻塞
Bigkey的value比較大，也意味著每次獲取要產生的網路流量較大，假設一個Bigkey為10MB，客戶端每秒訪問量為100，那么每秒產生1000MB的流量，對于普通的千兆網卡(按照位元組算是128MB/s)的服務器來說簡直是滅頂之災，而且我們現在的Redis服務器是采用單機多實體的方式來部署Redis實體的，也就是說一個Bigkey可能會對同一個服務器上的其他Redis集群實體造成影響，影響到其他的業務，
2.3.4 遷移困難
我們在運維中經常做的變更操作是水平擴容，就是增加Redis集群的節點數量來達到擴容的目的，這個水平擴容操作就會涉及到key的遷移，把原實體上的key遷移到新擴容的實體上，當要對key進行遷移時，是通過migrate命令來完成的，migrate實際上是通過dump + restore + del三個命令組合成原子命令完成，它在執行的時候會阻塞進行遷移的兩個實體，直到以下任意結果發生才會釋放：遷移成功，遷移失敗，等待超時，如果key的遷移程序中遇到Bigkey，會長時間阻塞進行遷移的兩個實體，可能造成客戶端阻塞，導致客戶端訪問超時；也可能遷移時間太長，造成遷移超時導致遷移失敗，水平擴容失敗，
遷移失敗案例
我們也遇到過一些因為Bigkey擴容遷移失敗的案例，如下圖所示，是一個Redis集群水平擴容的工單，需要進行key的遷移，當工單執行到60%的時候，遷移失敗了，
1. 進入工單找到失敗的實體，使用失敗實體的slave節點，在Daas平臺的“工具集-操作項管理”進行Bigkey分析，
2. 經過分析找出了hash型別的Bigkey有8421874個fields，正是這個Bigkey導致遷移時間太長，超過了遷移時間限制，導致工單失敗了，
3.和業務溝通，這些key是記錄用戶訪問系統的某個功能模塊的ip地址的，訪問該功能模塊的所有ip都會記錄到給key里面，隨著時間的積累，這個key變的越來越大，同樣是采用拆分的方式進行優化，可以考慮按照時間日期維度來拆分，就是一段時間段的訪問ip記錄到一個key中，
4.Bigkey優化后，擴容的工單可以重試，完成集群擴容操作，
三、Bigkey的發現
Bigkey首先需要重源頭治理，防止Bigkey的產生；其次是需要能夠及時的發現，發現后及時處理，分析Bigkey的方法不少，這里介紹兩種比較常用的方法，也是Daas平臺分析Bigkey使用的兩種方式，分別是Bigkeys命令分析法、RDB檔案分析法，
3.1 scan命令分析
Redis4.0及以上版本提供了--Bigkeys命令，可以分析出實體中每種資料結構的top 1的Bigkey，同時給出了每種資料型別的鍵值個數以及平均大小，執行--Bigkeys命令時候需要注意以下幾點：
- 建議在slave節點執行，因為--Bigkeys也是通過scan完成的，可能會對節點造成阻塞，
- 建議在節點本機執行，這樣可以減少網路開銷，
- 如果沒有從節點，可以使用--i引數，例如(--i 0.1 代表100毫秒執行一次)，
- --Bigkeys只能計算每種資料結構的top1，如果有些資料結構有比較多的Bigkey，是查找不出來的，
Daas平臺集成了基于原生--Bigkeys代碼實作的查詢Bigkey的方式，這個方式的缺點是只能計算每種資料結構的top1，如果有些資料結構有比較多的Bigkey，是查找不出來的，該方式相對比較安全，已經開放出來給業務開發同學使用，
3.2 RDB檔案分析
借助開源的工具，比如rdb-tools，分析Redis實體的RDB檔案，找出其中的Bigkey，這種方式需要生成RDB檔案，需要注意以下幾點：
- 建議在slave節點執行，因為生成RDB檔案會影響節點性能，
- 需要生成RDB檔案，會影響節點性能，雖然在slave節點執行，但是也是有可能造成主從中斷，進而影響到master節點，
Daas平臺集成了基于RDB檔案分析代碼實作的查詢Bigkey的方式，可以根據實際需求自定義填寫N，分析的top N個Bigkey，該方式相對有一定風險，只有DBA有權限執行分析，
3.3 Bigkey 巡檢
通過巡檢，可以暴露出隱患，提前解決，避免故障的發生，進行全網Bigkey的巡檢，是避免Bigkey故障的比較好的方法，由于全網Redis實體數量非常大，分析的速度比較慢，使用當前的分析方法很難完成，為了解決這個問題，存盤研發組分布式資料庫同學計劃開發一個高效的RDB決議工具，然后通過大規模決議RDB檔案來分析Bigkey，可以提高分析速度，實作Bigkey的巡檢，
四、 Bigkey處理優化
4.1 Bigkey拆分
優化Bigkey的原則就是string減少字串長度，list、hash、set、zset等減少元素數量，當我們知道哪些key是Bigkey時，可以把單個key拆分成多個key，比如以下拆分方式可以參考，
- big list：list1、list2、...listN
- big hash：可以做二次的hash，例如hash%100
- 按照日期拆分多個：key20220310、key20220311、key202203212
4.2 Bigkey分析工具優化
我們全網Redis集群有2200以上，實體數量達到4.5萬以上，有的比較大的集群的實體數量達到了1000以上，前面提到的兩種Bigkey分析工具還都是實體維度分析，對于實體數量比較大的集群，進行全集群分析也是比較耗時的，為了提高分析效率，從以下幾個方面進行優化：
- 可以從集群維度選擇全部slave進行分析，
- 同一個集群的相同服務器slave實體串行分析，不同服務器的slave實體并行分析，最大并發度默認10，同時可以分析10個實體，并且可以自定義輸入執行分析的并發度，
- 分析出符合Bigkey規定標準的所有key資訊：大于1MB的string型別的所有key，如果不存在就列出最大的50個key；hash、list、set、zset等型別元素個數大于2000的所有key，如不存在就給出每種型別最大的50個key，
- 增加暫停、重新開始、結束功能，暫停分析后可以重新開始，
4.3 水平擴容遷移優化
目前情況，我們有一些Bigkey的發現是被動的，一些是在水平擴容時候發現的，由于Bigkey的存在導致擴容失敗了，嚴重的還觸發了master-slave的故障切換，這個時候可能已經造成業務程式訪問超時，導致了可用性下降，
我們分析了Daas平臺的水平擴容時遷移key的程序及影響引數，內容如下：
（1）【cluster-node-timeout】：控制集群的節點切換引數，master堵塞超過cluster-node-timeout/2這個時間，就會主觀判定該節點下線pfail狀態，如果遷移Bigkey阻塞時間超過cluster-node-timeout/2，就可能會導致master-slave發生切換，
（2）【migrate timeout】：控制遷移io的超時時間，超過這個時間遷移沒有完成，遷移就會中斷，
（3）【遷移重試周期】：遷移的重試周期是由水平擴容的節點數決定的，比如一個集群擴容10個節點，遷移失敗后的重試周期就是10次，
（4）【一個遷移重試周期內的重試次數】：在一個起遷移重試周期內，會有3次重試遷移，每一次的migrate timeout的時間分別是10秒、20秒、30秒，每次重試之間無間隔，
比如一個集群擴容10個節點，遷移時候遇到一個Bigkey，第一次遷移的migrate timeout是10秒，10秒后沒有完成遷移，就會設定migrate timeout為20秒重試，如果再次失敗，會設定migrate timeout為30秒重試，如果還是失敗，程式會遷移其他新9個的節點，但是每次在遷移其他新的節點之前還會分別設定migrate timeout為10秒、20秒、30秒重試遷移那個遷移失敗的Bigkey，這個重試程序，每個重試周期阻塞（10+20+30）秒，會重試10個周期，共阻塞600秒，其實后面的9個重試周期都是無用的，每次重試之間沒有間隔，會連續阻塞了Redis實體，
（5）【遷移失敗日志】：遷移失敗后，記錄的日志沒有包括遷移節點、solt、key資訊，不能根據日志立即定位到問題key，
我們對這個遷移程序做了優化，具體如下：
（1）【cluster-node-timeout】：默認是60秒，在遷移之前設定為15分鐘，防止由于遷移Bigkey阻塞導致master-slave故障切換，
（2）【migrate timeout】：為了最大限度減少實體阻塞時間，每次重試的超時時間都是10秒，3次重試之間間隔30秒，這樣最多只會連續阻塞Redis實體10秒，
（3）【重試次數】：遷移失敗后，只重試3次（重試是為了避免網路抖動等原因造成的遷移失敗），每次重試間隔30秒，重試3次后都失敗了，會暫停遷移，日志記錄下Bigkey，去掉了其他節點遷移的重試，
（4）【優化日志記錄】：遷移失敗日志記錄遷移節點、solt、key資訊，可以立即定位到問題節點及key，
五、總結
本文通過對Bigkey的分析，重點介紹了在運維中對bigkey問題的處理思路、解決方式，首先是需要從源頭治理，防止Bigkey形成，DBA應該加強對業務開發同學bigkey相關問題的宣導；其次是需要具備及時發現的能力，這個也是我們現在的不足之處，我們后面會從Bigkey巡檢、Bigkey分析工具的這兩個方面，提高Bigkey發現能力，
參考資料：
- Redis命令參考
- Github：rdb-tools
- redis之bigkey（看這一篇就夠）
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/538076.html
標籤：其它