Redis 在新浪微博中的应用( 二 ) _Redis

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
（eg：140字微博的存储）
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

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(针对不同的查询场景)
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
(注意: 都是量特别大时候会出现的, 量小了怎么都好说)
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(share nothing, 抽象出来的数据对象之间的关联数据很小)
增加一些配置, 分流, 比如: 1,2,3,4, 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（建议Redis实例使用的数据，最大不要超过内存的80%）
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；（加载的速度依赖于数据量的大小和数据的复杂度）
Redis rewrite aof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(保证在高峰到来之前, 就得写完)
4.Problem: 运维问题
1）Inner Crontab: 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 - 能做到
同一业务多端口(分布在多机上), 避免同时做 - 做不到
2）动态升级: 先加载.so文件, 再管理配置, 切换到新代码上(Config set命令)
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: 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: A.路由问题 B.HA问题
3）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(管理员才有权限)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)
4）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(Redis已支持)
5）bgsave带来aof写入很慢:
fdatasync在做bgsave时, 不做sync aof(会有数据出入)
6）成本问题: (22T内存, 有10T用来计数)
Redisscounter(16亿数据占用16G内存) - 全部变为整型存储, 其余(字符串等)全不要
Redis+SSD(counterService计数服务)
顺序自增, table按照顺序写, 写满10个table就自动落地(到SSD)
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(已经很好了!)