记一次redis热key、大key引发的线上事故

背景

Redis中间件，我们主要是用来做缓存，缓解数据库的访问压力，我们搭建的是redis集群

在一个风和日丽的下午，突然收到运维的报警信息 运维：小李，你们使用的redis中间件所在的服务器，有大量的流量流出，宽带快要占满了，网卡都冒烟了，严重影响其他服务，快速排查解决下，如果一时半会解决不了，我们只能kill掉redis的进程，避免影响其他服务小李：我们立刻排查，有需要协助的，请你们帮忙

我们redis使用的是集群，三主三从，怎么才有一台流量这么大？大概率我估计是遇到了大key、热key，大key是存储的数据量大，热key访问频率高，分布还不均匀，才能导致单台机器流量非常大

先介绍下 热key、大key，让大家有个了解

问题的严重性

在使用Redis的过程中，如果未能及时发现并处理大Key与热Key，可能会导致服务性能下降、用户体验变差，甚至引发大面积故障。

大Key和热Key的定义

什么是BigKey

通常以Key的大小和Key中成员的数量来综合判定，例如：

• Key本身的数据量过大：一个String类型的Key，它的值为5 MB。
• Key中的成员数过多：一个ZSET类型的Key，它的成员数量为10,000个。
• Key中成员的数据量过大：一个Hash类型的Key，它的成员数量虽然只有1,000个但这些成员的Value（值）总大小为100 MB。

什么是热key

通常以其接收到的Key被请求频率来判定，例如：

• QPS集中在特定的Key：Redis实例的总QPS（每秒查询率）为10,000，而其中一个Key的每秒访问量达到了7,000。
• 带宽使用率集中在特定的Key：对一个拥有上千个成员且总大小为1 MB的HASH Key每秒发送大量的HGETALL操作请求。
• CPU使用时间占比集中在特定的Key：对一个拥有数万个成员的Key（ZSET类型）每秒发送大量的ZRANGE操作请求。

上述例子中的具体数值仅供参考，在实际业务中，您需要根据Redis的实际业务场景进行综合判断。

大Key和热Key引发的问题

大key

• 客户端执行命令的时长变慢。
• Redis内存达到maxmemory参数定义的上限引发操作阻塞或重要的Key被逐出，甚至引发内存溢出（Out Of Memory）。
• 集群架构下，某个数据分片的内存使用率远超其他数据分片，无法使数据分片的内存资源达到均衡。
• 对大Key执行读请求，会使Redis实例的带宽使用率被占满，导致自身服务变慢，同时易波及相关的服务。
• 对大Key执行删除操作，易造成主库较长时间的阻塞，进而可能引发同步中断或主从切换。

热key

• 占用大量的CPU资源，影响其他请求并导致整体性能降低。
• 集群架构下，产生访问倾斜，即某个数据分片被大量访问，而其他数据分片处于空闲状态，可能引起该数据分片的连接数被耗尽，新的连接建立请求被拒绝等问题。
• 在抢购或秒杀场景下，可能因商品对应库存Key的请求量过大，超出Redis处理能力造成超卖。
• 热Key的请求压力数量超出Redis的承受能力易造成缓存击穿，即大量请求将被直接指向后端的存储层，导致存储访问量激增甚至宕机，从而影响其他业务。

大Key和热Key产生的原因

未正确使用Redis、业务规划不足、无效数据的堆积、访问量突增等都会产生大Key与热Key

大key

• 不适用的场景下使用Redis，易造成Key的value过大，如使用String类型的Key存放大体积二进制文件型数据；
• 业务上线前规划设计不足，没有对Key中的成员进行合理的拆分，造成个别Key中的成员数量过多；
• 未定期清理无效数据，造成如HASH类型Key中的成员持续不断地增加；
• 使用LIST类型Key的业务消费侧发生代码故障，造成对应Key的成员只增不减。

热key

预期外的访问量陡增，如突然出现的爆款商品、访问量暴涨的热点新闻、直播间某主播搞活动带来的大量刷屏点赞、游戏中某区域发生多个工会之间的战斗涉及大量玩家等。

我们的事故案例

通过上面的介绍，应该对大key、热key，有个了解了，那下面介绍下，我们排查问题的过程

找出热key、大key

思路一

redis4.0版本以上提供了分析大key、热key的分析工具，前提是：内存策略修改为**LFU**算法

# 分析统计热key
redis-cli --hotkeys 

# 分析统计大key
redis-cli --bigkeys

以上两个命令，就可以分析线出线上的热key、大key。也是通过 scan 完成的，可能会对节点造成阻塞，同时bigkeys只能计算每种数据结构的 top1，如果有些数据结构有比较多的 Bigkey是查找不出来的，如下：

此方案暂时放弃，主要怕对节点造成阻塞

思路二

从业务角度出发，我们的系统有链路跟踪，使用的是pinpoint，通过pinpoint查看最近这段时间请求量高、响应慢的接口，找出top靠前的接口，找到接口对应的代码，进行分析，查找这些接口哪里调用了redis，使用的key，然后对key进行查看

通过接口代码分析，发现其中一个接口，for循环里面调用redis，获取值，伪代码如下：

public List getData(){
    /**
     * 1、通过条件分页查询数据
     * 2、对查询出来的数据，for循环去查询redis 的数据，然后对查询出来的数据，进行转换，再组装数据
     *
     */
    //查询业务数据
    List<AccessLogEntity> list = new ArrayList<>();
    for (AccessLogEntity accessLog : list) {
        String str = redisTemplate.opsForValue().get("key");
        //json字符转换为对象
        //对list的数据进行匹配 关联
        // 组装数据
    }
    return list;
}

代码分析：

1. key是固定的，应该放在循环外面调用一次，遍历的时候直接使用即可，这种人为的造成了热key
2. 对key进行分析，这个key到底多大，连接上reids 使用命令 MEMORY usage key 查看大小，结果发现这个key竟然有100Mb，再看这个key值的写入，是整张表的数据直接存在redis中，这是redis当数据库用了，人才啊真是人才，人为制造大key
3. 根据业务场景，也不应该使用String，这种场景 使用hash是比较适合的

解决方案

临时解决线上问题

1. 把获取调用redis的获取值的方法，放在循环体外，减少请求量
2. redis获取的数据，放在本地缓存（比如：使用Map），持续减少请求量

通过以上两个修改，发布线上，持续观察，运维反馈：流量降下来了，服务正常了

后续优化

通过项目代码分析，这并不存在热key，是人为放在分页循环里面导致的，所以不考虑热key的问题，只需要把大key优化掉即可

我们使用hash替换String，并且key拆分为多个hash key，并确保每个Key的成员数量在合理范围

通过这个事故，也让我深究大key、热key的解决方案

优化大Key与热Key

大key优化方案

• 对大Key进行拆分 例如将含有数万成员的一个HASH Key拆分为多个HASH Key，并确保每个Key的成员数量在合理范围。在Redis集群架构中，拆分大Key能对数据分片间的内存平衡起到显著作用。
• 对大Key进行清理 将不适用Redis能力的数据存至其它存储，并在Redis中删除此类数据。
• 对过期数据进行定期清理 堆积大量过期数据会造成大Key的产生，例如在HASH数据类型中以增量的形式不断写入大量数据而忽略了数据的时效性。可以通过定时任务的方式对失效数据进行清理。
• 监控Redis的内存水位 定期对redis内存分析redis内存可视化分析，这里使用的是rdb，redis内存大于5G，建议使用redis-rdb-tools,根据自己的业务实际情况对大key的定义，做二次开发，超过设置的阈值，就报警提醒

热key优化方案

• 在Redis集群架构中对热Key进行复制

在Redis集群架构中，由于热Key的迁移粒度问题，无法将请求分散至其他数据分片，导致单个数据分片的压力无法下降。此时，可以将对应热Key进行复制并迁移至其他数据分片，例如将热Key foo复制出3个内容完全一样的Key并名为foo2、foo3、foo4，将这三个Key迁移到其他数据分片来解决单个数据分片的热Key压力。

• 使用本地二级缓存

当出现热 Key 以后，把热 Key 加载到系统的 JVM 中。后续针对这些热 Key 的请求，会直接从 JVM 中获取，而不会走到 Redis 层。这些本地缓存的工具很多，比如 Ehcache，或者 Google Guava 中 Cache 工具，或者直接使用 HashMap 作为本地缓存工具都是可以的。

这里有两个缺点：

• 如果对热 Key 进行本地缓存，需要防止本地缓存过大，影响系统性能；
• 需要处理本地缓存和 Redis 集群数据的一致性问题。