Redis 實踐筆記

 最近在項目中實踐了一下Redis,過程中遇到並解決了若干問題,記錄之.  
  Why Redis
      我們這個項目是對原有緩衝系統的改進,應用情境是論壇發帖,回帖,置頂,以及動作記錄等等;原有系統會有替換演算法把記憶體緩衝一部分冷資料逐漸從記憶體中換出,記憶體對象序列化為XML檔案持久化到磁碟;記憶體緩衝一方面是為了訪問速度,一方面是為後端的DB分擔訪問壓力;而XML檔案快取則是為了避免雪崩,即當系統重啟的時候由於緩衝沒有填充完畢,大量相同的請求會衝擊到後端的DB;最初接手項目的時候，被告知公司老大要求xml 檔案快取必須保留，呵呵，通過和老大溝通其實保留檔案快取就是為瞭解決雪崩.原有系統的問題在什麼地方？
瞭解原有系統的瓶頸是第一步，原有系統主要問題是：    [1] 操作粒度過大,訪問數加1這樣的操作都會導致整個DataSet資料對象的序列化和還原序列化    [2] 由於DataSet本身就是一個複雜資料結構,一方面會佔用更多記憶體,一方面序列化和還原序列化都會更比簡單對象更耗時    [3] DataSet序列化XML,XML檔案會有並發讀寫的問題,這裡也是經常出現故障的點 這樣我們就能整理出來設計的要點了:   [1]提供記憶體緩衝的服務   [2]要有持久化緩衝,系統重啟之後,可以從持久化緩衝載入到記憶體,避免雪崩   [3]要解決記憶體對象鎖和檔案鎖的問題   [4]由於是從關係型DB讀過來的資料,資料之間的關聯關係是已經建立好的       新方案思考的起點是從資料操作粒度, 如果沿襲之前的方案,操作粒度是整個文章+回帖+相關帖+動作記錄的DataSet對象,對於只修改一兩個欄位的情境成本太高;所以決定把資料操作的粒度縮小,首先把DataSet中的業務對象拆開這是第一步,這也是我們最起碼要做到的,拆分之後對象容器不再使用Dataset,我們把這種粒度稱為粒度①;這樣拆分之後,再一次縮小粒度,目標是把粒度控製為欄位層級,這裡的判斷依據就是商務邏輯,比如動作記錄每一次讀寫都是一個對象,那麼把它的讀寫粒度放在欄位層級沒有多大好處;但是像主帖訪問次數+1這種,就很適合欄位層級的粒度,我們把這種粒度稱為粒度②;Memcache可以很好的解決記憶體緩衝的問題,但是存在的問題是:1.可以很容易做到支援粒度①,但是要做到粒度②需要構造維護對象的邏輯有點麻煩,與memcache互動的次數過多; 2.在這個基礎上還必須要實現持久化緩衝的部分.   如果是NoSql呢?經過對比Redis可以取代原來的記憶體緩衝和XML檔案快取: [1]可以作為記憶體緩衝使用 [2]資料可以持久化 [3]支援多種資料結構,可以實現操作粒度②  學習Redis 我的Redis的學習參考主要集中在:

• 官方網站 http://redis.io/
• Redis命令 http://redis.io/commands
• Redis協議 http://redis.io/topics/protocol
• NoSQLFan Redis資料匯總專題 http://blog.nosqlfan.com/html/3537.html

熟悉了命令之後,仔細閱讀了Redis協議,總結在[Erlang 0019]Redis協議解讀與實現(.Net & Erlang) ,通過協議的學習實際上有了一個心理底線:只要通過協議能夠實現的功能,我們就可以在Client實現.NoSQLFan上彙集了很多優秀的Redis資料,我專門預留了一部分時間閱讀上面的文章.  ServiceStack.Redis實踐   Redis的C#用戶端我選擇的是ServiceStack.Redis,相比Booksleeve redis-sharp等方案,它提供了一整套從Redis資料結構都強型別對象轉換的機制;看一個例子來瞭解一下ServiceStack.Redis是如何組織資料的,我們使用的實體類定義如下:

 public class User
    {
public User()
        {
this.BlogIds = new List<long>();
        }

public long Id { get; set; }
public string Name { get; set; }
public List<long> BlogIds { get; set; }
    }

使用下面的程式碼片段,我們存入兩條資料到Redis:

    using (var redisUsers = redisClient.GetTypedClient<User>())
            {
var ayende = new User { Id = redisUsers.GetNextSequence(), Name = "Oren Eini" };
var mythz = new User { Id = redisUsers.GetNextSequence(), Name = "Demis Bellot" };
                redisUsers.Store(ayende);
                redisUsers.Store(mythz);
              }

我們看下Redis中的結果:

redis 127.0.0.1:6379[1]> keys *
1) "seq:User"
2) "ids:User"
3) "urn:user:1"
4) "urn:user:2"

我們逐一檢查一下資料類型:

seq:User	string	維護當前類型User的ID自增序列,用做對象唯一ID
ids:User	set	同一類型User所有對象ID的列表
urn:user:1	string	user對象

seq:User 維護的是類型User的ID序列 redisUsers.GetNextSequence()

public long GetNextSequence(int incrBy)
  {
return IncrementValueBy(SequenceKey, incrBy);
  }
public long IncrementValue(string key)
    {
return client.Incr(key);
     }

這裡的SequenceKey就是 "seq:User",然後我們通過存一個對象到Redis看另外兩個key是什麼作用:

 public T Store(T entity)
        {
var urnKey = entity.CreateUrn();
this.SetEntry(urnKey, entity);

return entity;
        }
//entity.CreateUrn();的結果是"urn:user:1"
        public void SetEntry(string key, T value)
        {
if (key == null)
throw new ArgumentNullException("key");

            client.Set(key, SerializeValue(value));
            client.RegisterTypeId(value);
        }

internal void RegisterTypeId<T>(T value)
        {
var typeIdsSetKey = GetTypeIdsSetKey<T>();
var id = value.GetId().ToString();

if (this.Pipeline != null)
            {
var registeredTypeIdsWithinPipeline = GetRegisteredTypeIdsWithinPipeline(typeIdsSetKey);
                registeredTypeIdsWithinPipeline.Add(id);
            }
else
            {
this.AddItemToSet(typeIdsSetKey, id);
            }
        }

這裡的typedIdsSetKey 就是"ids:User" 

 ids:User相當於一個索引,包含了所有同為類型User的ID;由於維護了這樣一個分組資訊,所以很容易實現GetAll<User>()這樣的功能; 在redis-cli中查詢一下 get urn:user:1 傳回值是JSON格式:"{\"Id\":1,\"Name\":\"Oren Eini\",\"BlogIds\":[1]}" ServiceStack.Redis 自己實現了一套序列化功能,Fastest JSON Serializer for .NET released  支援 POCO(Plain Old CLR Object)序列化.    實際應用中,由於我們使用的資料是來自關係型資料庫,本身包含關聯關係,所以並不需要這樣的對象組織方式;我們只需要把關係型資料中一對多的關係在Redis中表達出來即可;這裡我擴充修改了RedisClient的實現,由於RedisClient本身已經通過partial方式分割成若干個檔案,所以很容易把變動的代碼集中在同一個代碼檔案中.具體業務Object Storage Service,主帖和回帖會有欄位級修改,所以設計成為Hash結構,其它幾個子物件讀寫都是以對象為單位,設計成為POCO方式持久化;

使用管道Pipeline遇到的問題   使用管道可以將用戶端到Redis的往返次數減少,不過在使用ServiceStack.Redis的時候,遇到這樣一個問題,比如要把一個List<log>全部儲存,代碼不可以寫成下面這樣:

%%第一種寫法 
           logs.ForEach(n =>
                {
                    pipeline.QueueCommand(r =>
                    {
                        ((RedisClient)r).Store<OpLog>(n, n.GetObjectID(), n.GetUrnKey());
                        ((RedisClient)r).Expire(n.GetUrnKey(), dataLifeTime);
                    });
                });

而是要寫成這樣:

%%第二種寫法
 logs.ForEach(n =>
                {

                    pipeline.QueueCommand(r => ((RedisClient)r).Store<Log>(n, n.ID, n.GetUrnKey()));
                    pipeline.QueueCommand(r => ((RedisClient)r).Expire(n.GetUrnKey(), dataLifeTime));

                });

什麼原因呢?RedisQueueCompletableOperation的AddCurrentQueuedOperation方法會在 執行CurrentQueuedOperation = null;如果按照第一種寫法會丟失回呼函數,這就造成有傳回值在沒有及時提取,後續的操作擷取傳回值時首先取到的是積壓的結果資訊,就出現了異常,而第二種寫法就避免了這個問題.

  protected virtual void AddCurrentQueuedOperation()
        {
this.QueuedCommands.Add(CurrentQueuedOperation);
            CurrentQueuedOperation = null;
        }

Redis工具篇  Redis的用戶端redis-cli不是太好用,退格鍵和箭頭都不能正常使用,這個的確影響效率,還是需要找一個合適的工具,我比較喜歡這個: RedisConsolehttps://github.com/ptrofimov/RedisConsole/downloads 這個工具用來學習是很好用的,但是資料量一旦增大,左側列表就混亂了,而且一點擊就假死;所以建議只在學習階段使用;

在沒有window的環境,啟動一個Erlang的用戶端也是一個不錯的選擇. Web端的管理工具我選用的是  Redis Admin UI這個ServiceStack.Redis的配套項目,修改一下web.config就能用,地址在此:http://www.servicestack.net/mythz_blog/?p=381

Redis圖書資料:[1] Big Data Glossary - O'Reilly Media[2] The Little Redis Book by Karl Seguin[3] Redis Cookbook (O'Reilly Media, 2011)[4] Professional NoSQL (Wrox, 2011)

 剛剛在NOSQLFan上看到一篇<Memcached真的過時了嗎？>一定要轉過來: 原文: http://blog.nosqlfan.com/html/3729.html

這兩年Redis火得可以，Redis也常常被當作Memcached的挑戰者被提到案頭上來。關於Redis與Memcached的比較更是比比皆是。然而，Redis真的在功能、效能以及記憶體使用量效率上都超越了Memcached嗎？

下面內容來自Redis作者在stackoverflow上的一個回答，對應的問題是《Is memcached a dinosaur in comparison to Redis?》（相比Redis，Memcached真的過時了嗎？）

• You should not care too much about performances. Redis is faster per core with small values, but memcached is able to use multiple cores with a single executable and TCP port without help from the client. Also memcached is faster with big values in the order of 100k. Redis recently improved a lot about big values (unstable branch) but still memcached is faster in this use case. The point here is: nor one or the other will likely going to be your bottleneck for the query-per-second they can deliver.
• 沒有必要過多的關心效能，因為二者的效能都已經足夠高了。由於Redis只使用單核，而Memcached可以使用多核，所以在比較上，平均每一個核上Redis在儲存小資料時比Memcached效能更高。而在100k以上的資料中，Memcached效能要高於Redis，雖然Redis最近也在儲存大資料的效能上進行最佳化，但是比起Memcached，還是稍有遜色。說了這麼多，結論是，無論你使用哪一個，每秒處理請求的次數都不會成為瓶頸。（比如瓶頸可能會在網卡）
• You should care about memory usage. For simple key-value pairs memcached is more memory efficient. If you use Redis hashes, Redis is more memory efficient. Depends on the use case.
• 如果要說記憶體使用量效率，使用簡單的key-value儲存的話，Memcached的記憶體利用率更高，而如果Redis採用hash結構來做key-value儲存，由於其組合式的壓縮，其記憶體利用率會高於Memcached。當然，這和你的應用情境和資料特性有關。
• You should care about persistence and replication, two features only available in Redis. Even if your goal is to build a cache it helps that after an upgrade or a reboot your data are still there.
• 如果你對資料持久化和資料同步有所要求，那麼推薦你選擇Redis，因為這兩個特性Memcached都不具備。即使你只是希望在升級或者重啟系統後快取資料不會丟失，選擇Redis也是明智的。
• You should care about the kind of operations you need. In Redis there are a lot of complex operations, even just considering the caching use case, you often can do a lot more in a single operation, without requiring data to be processed client side (a lot of I/O is sometimes needed). This operations are often as fast as plain GET and SET. So if you don’t need just GEt/SET but more complex things Redis can help a lot (think at timeline caching).
• 當然，最後還得說到你的具體應用需求。Redis相比Memcached來說，擁有更多的資料結構和並支援更豐富的資料操作，通常在Memcached裡，你需要將資料拿到用戶端來進行類似的修改再set回去。這大大增加了網路IO的次數和資料體積。在Redis中，這些複雜的操作通常和一般的GET/SET一樣高效。所以，如果你需要緩衝能夠支援更複雜的結構和操作，那麼Redis會是不錯的選擇。

 

注意:實踐版本 Redis 2.4.9

 2013-3-22 16:30:30 更新

Rdbtools is a parser for Redis' dump.rdb files. The parser generates events similar to an xml sax parser, and is very efficient memory wise.

In addition, rdbtools provides utilities to :

1. Generate a Memory Report of your data across all databases and keys
2. Convert dump files to JSON
3. Compare two dump files using standard diff tools

https://github.com/sripathikrishnan/redis-rdb-tools