Redis 的各項功能主要解決了什么問題

先看一下Redis是一個什么東西。官方簡介解釋到：

Redis是一個基于BSD開源的項目，是一個把結構化的數(shù)據(jù)放在內(nèi)存中的一個存儲系統(tǒng)，你可以把它作為數(shù)據(jù)庫，緩存和消息中間件來使用。同時支持strings，lists，hashes，sets，sorted sets，bitmaps，hyperloglogs和geospatial indexes等數(shù)據(jù)類型。它還內(nèi)建了復制，lua腳本，LRU，事務等功能，通過redis sentinel實現(xiàn)高可用，通過redis cluster實現(xiàn)了自動分片。以及事務，發(fā)布/訂閱，自動故障轉移等等。

綜上所述，Redis提供了豐富的功能，初次見到可能會感覺眼花繚亂，這些功能都是干嘛用的？都解決了什么問題？什么情況下才會用到相應的功能？那么下面從零開始，一步一步的演進來粗略的解釋下。

1 從零開始

最初的需求非常簡單，我們有一個提供熱點新聞列表的api：http://api.xxx.com/hot-news，api的消費者抱怨說每次請求都要2秒左右才能返回結果。

隨后我們就著手于如何提升一下api消費者感知的性能，很快最簡單粗暴的第一個方案就出來了：為API的響應加上基于HTTP的緩存控制 cache-control:max-age=600 ，即讓消費者可以緩存這個響應十分鐘。

如果api消費者如果有效的利用了響應中的緩存控制信息，則可以有效的改善其感知的性能（10分鐘以內(nèi)）。但是還有2個弊端：第一個是在緩存生效的10分鐘內(nèi)，api消費者可能會得到舊的數(shù)據(jù)；第二個是如果api的客戶端無視緩存直接訪問API依然是需要2秒，治標不治本吶。

2 基于本機內(nèi)存的緩存

為了解決調用API依然需要2秒的問題，經(jīng)過排查，其主要原因在于使用SQL獲取熱點新聞的過程中消耗了將近2秒的時間，于是乎，我們又想到了一個簡單粗暴的解決方案，即把SQL查詢的結果直接緩存在當前api服務器的內(nèi)存中（設置緩存有效時間為1分鐘）。后續(xù)1分鐘內(nèi)的請求直接讀緩存，不再花費2秒去執(zhí)行SQL了。

假如這個api每秒接收到的請求時100個，那么一分鐘就是6000個，也就是只有前2秒擁擠過來的請求會耗時2秒，后續(xù)的58秒中的所有請求都可以做到即使響應，而無需再等2秒的時間。

其他API的小伙伴發(fā)現(xiàn)這是個好辦法，于是很快我們就發(fā)現(xiàn)API服務器的內(nèi)存要爆滿了。。。

3 服務端的Redis

在API服務器的內(nèi)存都被緩存塞滿的時候，我們發(fā)現(xiàn)不得不另想解決方案了。最直接的想法就是我們把這些緩存都丟到一個專門的服務器上吧，把它的內(nèi)存配置的大大的。然后我們就盯上了redis。。。至于如何配置部署redis這里不解釋了，redis官方有詳細的介紹。隨后我們就用上了一臺單獨的服務器作為Redis的服務器，API服務器的內(nèi)存壓力得以解決。

3.1 持久化（Persistence）

單臺的Redis服務器一個月總有那么幾天心情不好，心情不好就罷工了，導致所有的緩存都丟失了（redis的數(shù)據(jù)是存儲在內(nèi)存的嘛）。雖然可以把Redis服務器重新上線，但是由于內(nèi)存的數(shù)據(jù)丟失，造成了緩存雪崩，API服務器和數(shù)據(jù)庫的壓力還是一下子就上來了。所以這個時候Redis的持久化功能就派上用場了，可以緩解一下緩存雪崩帶來的影響。redis的持久化指的是redis會把內(nèi)存的中的數(shù)據(jù)寫入到硬盤中，在redis重新啟動的時候加載這些數(shù)據(jù)，從而最大限度的降低緩存丟失帶來的影響。

3.2 哨兵（Sentinel）和復制（Replication）

Redis服務器毫無征兆的罷工是個麻煩事。那么怎辦辦？答曰：備份一臺，你掛了它上。那么如何得知某一臺redis服務器掛了，如何切換，如何保證備份的機器是原始服務器的完整備份呢？這時候就需要Sentinel和Replication出場了。Sentinel可以管理多個Redis服務器，它提供了監(jiān)控，提醒以及自動的故障轉移的功能；Replication則是負責讓一個Redis服務器可以配備多個備份的服務器。Redis也是利用這兩個功能來保證Redis的高可用的。此外，Sentinel功能則是對Redis的發(fā)布和訂閱功能的一個利用。

3.3 集群（Cluster）

單臺服務器資源的總是有上限的，CPU資源和IO資源我們可以通過主從復制，進行讀寫分離，把一部分CPU和IO的壓力轉移到從服務器上。但是內(nèi)存資源怎么辦，主從模式做到的只是相同數(shù)據(jù)的備份，并不能橫向擴充內(nèi)存；單臺機器的內(nèi)存也只能進行加大處理，但是總有上限的。所以我們就需要一種解決方案，可以讓我們橫向擴展。最終的目的既是把每臺服務器只負責其中的一部分，讓這些所有的服務器構成一個整體，對外界的消費者而言，這一組分布式的服務器就像是一個集中式的服務器一樣（之前在解讀REST的博客中解釋過分布式于基于網(wǎng)絡的差異：基于網(wǎng)絡應用的架構）。

在Redis官方的分布式方案出來之前，有twemproxy和codis兩種方案，這兩個方案總體上來說都是依賴proxy來進行分布式的，也就是說redis本身并不關心分布式的事情，而是交由twemproxy和codis來負責。而redis官方給出的cluster方案則是把分布式的這部分事情做到了每一個redis服務器中，使其不再需要其他的組件就可以獨立的完成分布式的要求。我們這里不關心這些方案的優(yōu)略，我們關注一下這里的分布式到底是要處理那些事情?也就是twemproxy和codis獨立處理的處理分布式的這部分邏輯和cluster集成到redis服務的這部分邏輯到底在解決什么問題？

如我們前面所說的，一個分布式的服務在外界看來就像是一個集中式的服務一樣。那么要做到這一點就面臨著有一個問題需要解決：既是增加或減少分布式服務中的服務器的數(shù)量，對消費這個服務的客戶端而言應該是無感的；那么也就意味著客戶端不能穿透分布式服務，把自己綁死到某一個臺的服務器上去，因為一旦如此，你就再也無法新增服務器，也無法進行故障替換。

解決這個問題有兩個路子：

第一個路子最直接，那就是我加一個中間層來隔離這種具體的依賴，即twemproxy采用的方式，讓所有的客戶端只能通過它來消費redsi服務，通過它來隔離這種依賴（但是你會發(fā)現(xiàn)twermproxy會成為一個單點），這種情況下每臺redis服務器都是獨立的，它們之間彼此不知對方的存在；

第二個路子是讓redis服務器知道彼此的存在，通過重定向的機制來引導客戶端來完成自己所需要的操作，比如客戶端鏈接到了某一個redis服務器，說我要執(zhí)行這個操作，redis服務器發(fā)現(xiàn)自己無法完成這個操作，那么就把能完成這個操作的服務器的信息給到客戶端，讓客戶端去請求另外的一個服務器，這時候你就會發(fā)現(xiàn)每一個redis服務器都需要保持一份完整的分布式服務器信息的一份資料，不然它怎么知道讓客戶端去找其他的哪個服務器來執(zhí)行客戶端想要的操作呢。

上面這一大段解釋了這么多，不知有沒有發(fā)現(xiàn)不管是第一個路子還是第二個路子，都有一個共同的東西存在，那就是分布式服務中所有服務器以及其能提供的服務的信息。這些信息無論如何也是要存在的，區(qū)別在于第一個路子是把這部分信息單獨來管理，用這些信息來協(xié)調后端的多個獨立的redis服務器；第二個路子則是讓每一個redis服務器都持有這份信息，彼此知道對方的存在，來達成和第一個路子一樣的目的，優(yōu)點是不再需要一個額外的組件來處理這部分事情。
Redis Cluster的具體實現(xiàn)細節(jié)則是采用了Hash槽的概念，即預先分配出來16384個槽：在客戶端通過對Key進行CRC16（key）% 16384運算得到對應的槽是哪一個；在redis服務端則是每個服務器負責一部分槽，當有新的服務器加入或者移除的時候，再來遷移這些槽以及其對應的數(shù)據(jù)，同時每個服務器都持有完整的槽和其對應的服務器的信息，這就使得服務器端可以進行對客戶端的請求進行重定向處理。

4 客戶端的Redis

上面的第三小節(jié)主要介紹的是Redis服務端的演進步驟，解釋了Redis如何從一個單機的服務，進化為一個高可用的、去中心化的、分布式的存儲系統(tǒng)。這一小節(jié)則是關注下客戶端可以消費的redis服務。

4.1 數(shù)據(jù)類型

redis支持豐富的數(shù)據(jù)類型，從最基礎的string到復雜的常用到的數(shù)據(jù)結構都有支持：

string：最基本的數(shù)據(jù)類型，二進制安全的字符串，最大512M。
list：按照添加順序保持順序的字符串列表。
set：無序的字符串集合，不存在重復的元素。
sorted set：已排序的字符串集合。
hash：key-value對的一種集合。
bitmap：更細化的一種操作，以bit為單位。
hyperloglog：基于概率的數(shù)據(jù)結構。

這些眾多的數(shù)據(jù)類型，主要是為了支持各種場景的需要，當然每種類型都有不同的時間復雜度。其實這些復雜的數(shù)據(jù)結構相當于之前我在《解讀REST》這個系列博客基于網(wǎng)絡應用的架構風格中介紹到的遠程數(shù)據(jù)訪問（Remote Data Access = RDA）的具體實現(xiàn)，即通過在服務器上執(zhí)行一組標準的操作命令，在服務端之間得到想要的縮小后的結果集，從而簡化客戶端的使用，也可以提高網(wǎng)絡性能。比如 如果沒有l(wèi)ist這種數(shù)據(jù)結構，你就只能把list存成一個string，客戶端拿到完整的list，操作后再完整的提交給redis，會產(chǎn)生很大的浪費。

4.2 事務

上述數(shù)據(jù)類型中，每一個數(shù)據(jù)類型都有獨立的命令來進行操作，很多情況下我們需要一次執(zhí)行不止一個命令，而且需要其同時成功或者失敗。redis對事務的支持也是源自于這部分需求，即支持一次性按順序執(zhí)行多個命令的能力，并保證其原子性。

4.3 Lua腳本

在事務的基礎上，如果我們需要在服務端一次性的執(zhí)行更復雜的操作（包含一些邏輯判斷），則lua就可以排上用場了（比如在獲取某一個緩存的時候，同時延長其過期時間）。redis保證lua腳本的原子性，一定的場景下，是可以代替redis提供的事務相關的命令的。相當于基于網(wǎng)絡應用的架構風格中介紹到的遠程求值（Remote Evluation = REV）的具體實現(xiàn)。

4.4 管道

因為redis的客戶端和服務器的連接時基于TCP的， 默認每次連接都時只能執(zhí)行一個命令。管道則是允許利用一次連接來處理多條命令，從而可以節(jié)省一些tcp連接的開銷。管道和事務的差異在于管道是為了節(jié)省通信的開銷，但是并不會保證原子性。

4.5 分布式鎖

官方推薦采用Redlock算法，即使用string類型，加鎖的時候給的一個具體的key，然后設置一個隨機的值；取消鎖的時候用使用lua腳本來先執(zhí)行獲取比較，然后再刪除key。具體的命令如下：

SET resource_name my_random_value NX PX 30000
if redis.call("get",KEYS[1]) == ARGV[1] then
  return redis.call("del",KEYS[1])
else
  return 0
end

總結

本篇著重從抽象層面來解釋下redis的各項功能以及其存在的目的，而沒有關心其具體的細節(jié)是什么。從而可以聚焦于其解決的問題，依據(jù)抽象層面的概念可以使得我們在特定的場景下選擇更合適的方案，而非局限于其技術細節(jié)。

參考

Redis 文檔：https://github.com/antirez/redis-doc

Redis 簡介：https://redis.io/topics/introduction

Redis 持久化（Persistence）：https://redis.io/topics/persistence

Redis 發(fā)布/訂閱（Pub/Sub）：https://redis.io/topics/pubsub

Redis 哨兵（Sentinel）：https://redis.io/topics/sentinel

Redis 復制（Replication）：https://redis.io/topics/replication

Redis 集群（cluster）：https://redis.io/topics/cluster-tutorial

RedIs 事務（Transaction）：https://redis.io/topics/transactions

Redis 數(shù)據(jù)類型（data types）：https://redis.io/topics/data-types-intro

Redis 分布式鎖：https://redis.io/topics/distlock

Redis 管道（pipelining ）：https://redis.io/topics/pipelining

Redis Lua Script：https://redis.io/commands/eval

以上所述是小編給大家介紹的Redis 的各項功能主要解決了什么問題，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！