聊聊Redis的数据热点问题
前两天，我们使用的某云厂商服务挂了，而且一挂就是挂大半天，我们的服务强依赖于他们，所以我们也跟着一起挂。然而我们却无能为力，只能等他们恢复。事故原因中听他们提到Redis有个热key，正好我在上家公司负责过部门Redis集群，也处理过很多起Redis数据热点的问题，接下来就一起聊聊什么是Redis热点？Redis热点问题为什么会极大地影响整个集群的性能？如何避免Redis数据热点？热点问题如何排查？热点问题如何解决？
什么是Redis热点？
我曾在我过往的博文中多次提到了局部性一词（关于局部性可以看下我之前的博文 局部性原理），数据热点就是数据访问局部性的体现，具体表现就是Redis中某个Key的访问频次远大于其他剩余的Key，我们也有一句俗语来形容这种现象旱的旱死，涝的涝死。
为什么Redis会有热点问题？这就得从Redis的原理说起了。众所周知，Redis中存储的是K-V数据，在集群模式下，Redis会将所有数据按Key的CRC64值分配到16384个数据槽(slot)中，并将这16384个数据槽分配到集群中各个机器上，尽可能实现数据在各个机器上的均匀存储。但均匀存储并不意味着均匀访问，有时候某个Key的请求会占到总请求的很大一部分，这就会导致请求集中在某个Redis实例上，将该Redis实例的承载能力耗尽，所有存储在这个实例上的其他数据也就无法正常访问了，这就意味着所有依赖于这些数据的服务都会出问题。
这里的出问题并不是说Redis会直接宕机，众所周知Redis的核心流程是单线程模式，这就意味着Redis是串行处理所有请求的，当请求过多时，请求就会拥堵起来，从应用层的视角来看，就是请求Redis的耗时会特别特别高。因为应用层使用Redis都是作为缓存，都是同步请求，所以会间接导致应用层的请求处理也会特别耗时，从而导致应用层请求也逐渐拥堵，最终整体不可用。
我们来举个简单的例子，相信大家都在微博上吃过瓜，当有大瓜出现时，微博上会迅速涌入一批用户检索相关信息，疯狂访问同一份微博（数据），这种情况下这份数据就是热点数据，如果数据太“热”最终会导致微博挂掉，实际上微博挂掉的情况已经出现很多次了，不是因为微博技术不行，而是因为热点问题太可怕。
Redis热点是如何拖垮其他服务的？
Redis的热点并不仅仅会导致单个服务异常，而是会导致所有依赖于此Redis集群的所有服务异常。上图中Server2、Server、Server3频繁访问XXX_KEY，导致RedisServer2实例不可用，因为Server4依赖于RedisServer2上的Key7，即便是RedisServer1 3 4 5 都正常服务，Server4也无法对外提供正常的服务。
是不是有人会问RedisServer2挂了，不能把它下掉，换一个新的机器上去吗？ 其实在Redis集群模式下，某个实例宕机Redis集群会自动将其替换。但现在的情况是，即便是替换了新实例，大量的请求也会一下子涌进来将其压挂。所以面对Redis热点问题，重启之类的手段是无效的，只能从请求端解决问题。
其实这就是一个很明显的 木桶模型， 一个木桶所能装水的多少取决于木桶上最短的那块木板，当应用使用Redis集群时，Redis集群的性能上限并不完全等于单实例上限乘以实例个数。 但当Redis集群中任一实例有问题，上层感知到的就是整个Redis集群有问题。
Redis热点如何避免？
上文也说到，热点问题其实是局部性问题，而局部性问题的避免其实非常难，任何分布式系统几乎都会受局部性的影响。面对这种问题，说实话没有绝对可以避免的方式，只能提前通过分析数据的特性，做好相应的措施。说白了就是靠经验，不知道大家有啥其他好的思路，可以在评论区探讨下。
热点问题如何排查?
Redis的热点的问题其实算是很好查的，就是靠监控数据，监控Redis各个实例的CPU使用率、QPS 数据，如果你看到redis集群中某些实例负载和QPS特别高，但其他实例负载很低，不用问肯定是出现热点问题了，接下来你需要做的就是找出具体的热点key，并且找出数据访问的来源。
找出热点Key其实也很简单，抓部分访问日志，然后统计下很容易就看出来了。但比较难的是找出数据访问的来源，像我之前所在的公司，同一个Redis集群是被很多业务所共享的，但Redis的访问并为被纳入到全链路监控的数据中，所以找出访问来源最直接的方式就是在群里面问，听起挺原始的，但也没有其他方法。
热点问题如何解决？
虽然解决问题最好的方式是避免问题的发生，但我刚才也说了，Redis热点其实很难避免，任何业务中热点一定有，但不一定会造成灾难而已。 热点的发现不一定非得是事故引出的，我们也可以在日常工作中定期巡检，一有发现热点的苗头，直接将其扼杀。
对于发现热点后如何解决，我这里提供两个我的解决思路，大家可以探讨下：
应用层Cache
常用的实现方式就是在应用里实现本地缓存(LocalCache)，就相当于是对Redis数据又加了一层Cache，对于那些非常热的热点数据，应用层有极大的概率能在本地缓存中找到数据，只有极小部分LocalCache数据过期时的请求会漏到下面，这样热点数据的请求在应用层内部就能消化，从而极大减少对Redis的压力。
这种实现方法的话，仅需要数据读取端做改造，数据写入端完全不需要改造。然而缺点的话也很明显：
- 需要各端自行实现，会增加应用层开发和维护成本。
- 会额外浪费各端的存储空间。
- 需要针对性开发，不适合大范围推广。
增加数据副本
既然热点问题是因为某个Key被大量访问导致的，那我们将这个Key的请求做下拆分不就行了。例如，原始的热点Key叫做XXX_KEY，我们在数据写入的时候，可以用不同的Key重复写10份，比如 XXX_KEY_01, XXX_KEY_02……XXX_KEY_10， 访问的时候在原始Key上随机凭接一个1-10之间的后缀即可，这样就能实现数据请求的分散，如果想让请求更分散，可以存储更多的副本。
这种方案的优点就是数据读取端实现成本较低（也不是完全没有），但对数据写入端的要求就高多了。不仅要写入多份，而且还得考虑数据写入后一致性的问题。这种方法要求两端都得改，貌似更麻烦了，你是不是觉得还不如第一种方案？实则不然，一般来说读取端会很多且很分散，改造的成本会非常高，频繁变动更是不太可能，所以有些工作不得不放置到比较集中的端上。
以上两种方案其实都是通过存储来换性能，主要差异点就在于由谁来做而已。前者是客户端来做，后者是服务端来做，各有优缺点。 有没有可能对外提供纯粹的Redis协议，但可以解决数据热点的问题？。鲁迅……David Wheeler曾经说过，计算机科学的如何问题都可以通过增加一层来解决，热点的问题也不例外。我们可以在应用和Redis之间加一层中间层，这层中间层可以是真实的服务，比如数据统一访问层。也可以是特制的Redis客户端。
中间层可以对特定的Key加本地Cache，就可以保证热点不会出现在Redis上。至于对哪些Key加本地Cache，中间层可以实时去分析近期请求热点数据，自行决定。其实最简单的方式就是开个LRU或者LFU的Cache。
另外，像第二种增加数据副本的方案，也完全可以由中间层去实现。当我们发现有数据热点时，让中间层主动将热点数据复制，拦截并改写所有对热点数据的请求，将其分散开来。 当然，如果中间层更智能的化，这些完全都可以实现自动化，从热点的发现到解决，完全不需要人参与。
今天的文章就到这了，大家觉得有用请点赞，喜欢请关注。关于Redis热点的问题，大家有啥看法或者经验可以在评论区留言讨论。