大厂面试真题：简单说下Redis的bigkey

什么是bigkey

bigkey是指key对应的value所占的内存空间比较大，例如一个字符串类型的value可以最大存到512MB，一个列表类型的value最多可以存储23-1个元素。

如果按照数据结构来细分的话，一般分为字符串类型bigkey和非字符串类型bigkey。

字符串类型：体现在单个value值很大，一般认为超过10KB就是bigkey，但这个值和具体的OPS相关。

非字符串类型：哈希、列表、集合、有序集合,体现在元素个数过多。

bigkey无论是空间复杂度和时间复杂度都不太友好，下面我们将介绍它的危害。

bigkey的危害

bigkey的危害体现在三个方面:

1、内存空间不均匀.(平衡):例如在Redis Cluster中，bigkey 会造成节点的内存空间使用不均匀。

2、超时阻塞:由于Redis单线程的特性，操作bigkey比较耗时，也就意味着阻塞Redis可能性增大。

3、网络拥塞:每次获取bigkey产生的网络流量较大

假设一个bigkey为1MB，每秒访问量为1000，那么每秒产生1000MB 的流量,对于普通的千兆网卡(按照字节算是128MB/s)的服务器来说简直是灭顶之灾，而且一般服务器会采用单机多实例的方式来部署,也就是说一个bigkey可能会对其他实例造成影响,其后果不堪设想。

bigkey的存在并不是完全致命的：

如果这个bigkey存在但是几乎不被访问,那么只有内存空间不均匀的问题存在,相对于另外两个问题没有那么重要紧急,但是如果bigkey是一个热点key(频繁访问)，那么其带来的危害不可想象,所以在实际开发和运维时一定要密切关注bigkey的存在。

bigKey的发现

检测Redis中的bigkey（大键）是Redis运维和优化中的一项重要任务，因为bigkey可能导致内存占用过高、网络传输成本增加、CPU消耗增多以及数据一致性维护困难等问题。以下是几种线上可用的检测Redis bigkey的方案：

1. 使用redis-cli工具的--bigkeys参数

Redis 4.0及以上版本提供了--bigkeys命令，该命令可以自动扫描Redis中的所有键，并报告哪些键是大键。使用方法如下：

bash复制代码

或者，如果Redis设置了密码，需要加上-a参数：

bash复制代码

这个命令会遍历数据库中的所有键，并统计每个键的内存占用情况，最后输出一个报告，指出哪些键比较大。

2. 使用SCAN命令结合MEMORY USAGE命令

如果Redis版本不支持--bigkeys命令，可以使用SCAN命令遍历所有键，并结合MEMORY USAGE命令来检查每个键的内存使用情况。SCAN命令是Redis提供的一个增量式迭代命令，可以遍历键空间中的键，而不会阻塞服务器。

示例命令如下：

bash复制代码

然而，由于需要手动编写脚本来处理这个过程，这种方法相对繁琐。

3. 编写脚本自动检测

可以编写一个Python或Shell脚本来自动化检测过程。脚本将使用SCAN命令迭代Redis中的键，并使用MEMORY USAGE或DEBUG OBJECT命令来获取每个键的内存占用情况。然后，脚本可以设置一个阈值，将超过该阈值的键视为bigkey，并记录下来。

4. 分析RDB文件

Redis在持久化时会产生RDB（Redis Database Backup）文件，该文件包含了Redis在某个时间点的快照。通过分析RDB文件，可以找出大键。这种方法通常用于离线分析，因为分析RDB文件可能会比较耗时，并且需要停止Redis服务或进行快照备份。

5. 使用第三方工具

还有一些第三方工具可以帮助检测Redis中的bigkey，如Redis Desktop Manager、Redisson等。这些工具提供了图形化界面，可以方便地查看Redis中的数据，并检测大键。

6. 慢查询监控和Redis时延带宽监控

虽然不是直接检测bigkey的方法，但慢查询监控和Redis时延带宽监控可以帮助识别可能的性能瓶颈，这些瓶颈可能与bigkey有关。通过监控Redis的慢查询日志和性能指标，可以及时发现并处理潜在的bigkey问题。

总结

检测Redis中的bigkey有多种方法，包括使用redis-cli工具的--bigkeys参数、SCAN命令结合MEMORY USAGE命令、编写脚本自动检测、分析RDB文件以及使用第三方工具等。选择哪种方法取决于具体的需求和场景。在实际应用中，建议结合多种方法来确保检测的准确性和全面性。

解决bigkey

解决Redis中的bigkey问题，可以从多个方面入手，以下是一些有效的解决方案：

1. 拆分大key

• 拆分为多个小key：将一个大key拆分成多个小key，每个小key存储部分数据。这种方法可以显著降低单个key的内存占用，减少对Redis性能的影响。例如，一个大的哈希表可以拆分成多个小的哈希表，或者一个大的列表可以拆分成多个小的列表。
• 使用hash结构存储：拆分后的小key可以使用hash结构来存储，这样既可以方便地管理数据，也可以提高数据的查询效率。

2. 压缩存储

• 对大key的value进行压缩：使用压缩算法（如zlib）对大key的value进行压缩，减小存储在Redis中的数据大小。压缩后的数据在Redis中占用更少的内存，从而降低了对Redis性能的影响。同时，在读取数据时再进行解压缩，确保数据的完整性。

3. 选用合适的数据结构

• 根据数据特性选择数据结构：Redis提供了多种数据结构（如列表、集合、有序集合、哈希表等），可以根据数据的实际特性和访问模式来选择合适的数据结构。合适的数据结构能够更高效地存储和访问数据，降低bigkey的发生概率。

4. 数据迁移

• 将大key迁移到其他存储系统：如果Redis中的某些大key不再需要频繁访问，或者数据量极大以至于对Redis性能造成了严重影响，可以考虑将这些大key迁移到其他存储系统（如数据库或分布式文件系统）中。这样可以减轻Redis集群的压力，提高Redis的性能和稳定性。

5. 优化读写操作

• 增加缓存层：对于频繁读写的大key，可以在应用层面增加缓存层，减少对Redis的直接访问。
• 异步处理：对于大key的读写操作，可以采用异步处理的方式，降低对Redis的即时性能影响。

6. 分布式缓存

• 采用分布式缓存架构：将大key数据分布到多个Redis节点上，通过分布式缓存来提高系统的扩展性和稳定性。这样可以将大key的存储和访问负载分散到多个节点上，减轻单个节点的压力。

7. 监控和定期清理

• 定期监控Redis中的大key：使用Redis提供的工具或命令（如SCAN、MEMORY USAGE等）定期监控Redis中的大key情况。
• 根据需要进行清理：对于已经过时或不再需要的大key进行清理，释放内存空间，提高Redis的性能和稳定性。

8. 设计阶段避免

• 在设计阶段避免产生bigkey：在设计和规划Redis数据结构时，应该充分考虑数据量的大小和访问频率，避免产生bigkey。例如，可以通过合理的分片策略、选择合适的数据结构、设置合理的过期时间等方式来避免bigkey的产生。

综上所述，解决Redis中的bigkey问题需要从多个方面入手，包括拆分大key、压缩存储、选用合适的数据结构、数据迁移、优化读写操作、分布式缓存、监控和定期清理以及在设计阶段避免产生bigkey等。通过这些措施的综合应用，可以有效地降低bigkey对Redis性能的影响，提高Redis的稳定性和可靠性。