分类 数据库 下的文章

Redis在新浪微博中的应用(转)

Redis 在新浪微博中的应用

Redis简介

  1. 支持5种数据结构
支持strings, hashes, lists, sets, sorted sets
string是很好的存储方式,用来做计数存储。sets用于建立索引库非常棒;

  2. K-V 存储 vs K-V 缓存
  
  新浪微博目前使用的98%都是持久化的应用,2%的是缓存,用到了600+服务器
Redis中持久化的应用和非持久化的方式不会差别很大:
非持久化的为8-9万tps,那么持久化在7-8万tps左右;
当使用持久化时,需要考虑到持久化和写性能的配比,也就是要考虑redis使用的内存大小和硬盘写的速率的比例计算;

  3. 社区活跃

  Redis目前有3万多行代码, 代码写的精简,有很多巧妙的实现,作者有技术洁癖
Redis的社区活跃度很高,这是衡量开源软件质量的重要指标,开源软件的初期一般都没有商业技术服务支持,如果没有活跃社区做支撑,一旦发生问题都无处求救;

Redis基本原理

  redis持久化(aof) append online file:
写log(aof), 到一定程度再和内存合并. 追加再追加, 顺序写磁盘, 对性能影响非常小

  1. 单实例单进程

  Redis使用的是单进程,所以在配置时,一个实例只会用到一个CPU;
在配置时,如果需要让CPU使用率最大化,可以配置Redis实例数对应CPU数, Redis实例数对应端口数(8核Cpu, 8个实例, 8个端口), 以提高并发:
单机测试时, 单条数据在200字节, 测试的结果为8~9万tps;

  2. Replication

  过程: 数据写到master–>master存储到slave的rdb中–>slave加载rdb到内存。
  存储点(save point): 当网络中断了, 连上之后, 继续传.
Master-slave下第一次同步是全传,后面是增量同步;、

  3. 数据一致性

  长期运行后多个结点之间存在不一致的可能性;

  开发两个工具程序:

    1.对于数据量大的数据,会周期性的全量检查;

    2.实时的检查增量数据,是否具有一致性;

  对于主库未及时同步从库导致的不一致,称之为延时问题;

  对于一致性要求不是那么严格的场景,我们只需要要保证最终一致性即可;

  对于延时问题,需要根据业务场景特点分析,从应用层面增加策略来解决这个问题;

  例如:

  1.新注册的用户,必须先查询主库;

  2.注册成功之后,需要等待3s之后跳转,后台此时就是在做数据同步。

  新浪Redis使用历程

  2009年, 使用memcache(用于非持久化内容), memcacheDB(用于持久化+计数), memcacheDB是新浪在memcache的基础上,使用BerkeleyDB作为数据持久化的存储实现;

  1.面临的问题

  数据结构(Data Structure)需求越来越多, 但memcache中没有, 影响开发效率

  性能需求, 随着读操作的量的上升需要解决,经历的过程有:
数据库读写分离(M/S)–>数据库使用多个Slave–>增加Cache (memcache)–>转到Redis(#关于这个,我个人觉得目前都在使用#)

  解决写的问题:

  水平拆分,对表的拆分,将有的用户放在这个表,有的用户放在另外一个表(#这个亲身经历,通常按UID的1024取余#);

  可靠性需求

  Cache的"雪崩"问题让人纠结

  Cache面临着快速恢复的挑战

  开发成本需求

  Cache和DB的一致性维护成本越来越高(先清理DB, 再清理缓存, 不行啊, 太慢了!) (#这个亲身经历,数据不一致需要清缓存#)

  开发需要跟上不断涌入的产品需求

  硬件成本最贵的就是数据库层面的机器,基本上比前端的机器要贵几倍,主要是IO密集型,很耗硬件;

  维护性复杂

  一致性维护成本越来越高;

  BerkeleyDB使用B树,会一直写新的,内部不会有文件重新组织;这样会导致文件越来越大;大的时候需要进行文件归档,归档的操作要定期做;
这样,就需要有一定的down time;

基于以上考虑, 选择了Redis

2.寻找开源软件的方式及评判标准

  对于开源软件,首先看其能做什么,但更多的需要关注它不能做什么,它会有什么问题?

上升到一定规模后,可能会出现什么问题,是否能接受?

google code上, 国外论坛找材料(国内比国外技术水平滞后5年)

观察作者个人的代码水平

Redis应用场景

1.业务使用方式

hash sets: 关注列表, 粉丝列表, 双向关注列表(key-value(field), 排序)

string(counter): 微博数, 粉丝数, …(避免了select count(*) from …)

sort sets(自动排序): TopN, 热门微博等, 自动排序

lists(queue): push/sub提醒,…

上述四种, 从精细化控制方面,hash sets和string(counter)推荐使用, sort sets和lists(queue)不推荐使用

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 +mysql 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(#不敢苟同#);

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!)

5.Problem: 分布式问题

1.Config Server: 命名空间, 特别大的告诉访问, 都不适合用代理, 因为代理降低速度, 但是, Sina用了(单机多端口, Redis Cluster, sentinel)

Config Server放到Zookeeper上

最前面是命名服务,后面跟的是无状态的twmemproxy(twitter的改进的,用C写的) ,后面才是redis;

2.twmemproxy

应用不必关心连接失败, 由代理负责重连
把Hash算法放到代理商
代理后边的升级, 前端不关心, 解决了HA的问题
无状态, 多台代理无所谓

3.AS –> Proxy –>Redis

4.Sina的Redis都是单机版, 而Redis-Cluster交互过于复杂,没有使用
做HA的话,一定要配合监控来做,如果挂了之后,后续该如何做;
并不是追求单机性能,而是集群的吞吐量,从而可以支持无线扩展;

经验总结

提前做好数据量的规划, 减少sharding(互联网公司一般以年为单位)

只存精细化数据(内存很金贵!)

存储用户维度的数据

对象维度的数据要有生命周期

特别是数据量特别大的时候,就很有必要来进行划分了;

暴露服务的常见过程: IP–>负载均衡–>域名–>命名服务(一张表: 名字+资源(IP+端口))

对于硬件消耗,IO、网络和CPU相比,Redis最消耗的是CPU,复杂的数据类型必定带来CPU消耗;

新浪微博响应时间超时目前设置为5s;(返回很慢的记录key,需记录下来分析,慢日志);

备份的数据要定期要跑一下生产的数据;用来检查备份数据的有效性;

slave挂多了肯定会对master造成比较的影响;新浪微博目前使用的M/S是一拖一,主要用来做容灾;

同步时,是fork出一个单独进程来和slave进行同步;不会占用查询的进程;

升级到2.6.30以后的linux内核;

  在2.6.30以上对软中断的问题处理的很好,性能提升效果明显,差不多有15%到30%的差距;

  redis不用读写分离,每个请求都是单线程,为什么要进行读写分离。

(#总结:送给苦逼的DBA#)

mysql数据库表分区

创建表分区range方式,也可以使用hash,list,key

create table foo (
    id int not null auto_increment,
    created DATETIME,
    primary key (id, created)

    ) engine = innodb partition by range (TO_DAYS(created))(
        PARTITION foo_1 VALUES LESS THAN (TO_DAYS('2009-01-01')),
        PARTITION foo_2 VALUES LESS THAN (TO_DAYS('2010-01-01'))
    )

增加表分区

ALTER TABLE foo ADD PARTITION(
    PARTITION foo_3 VALUES LESS THAN (TO_DAYS('2011-01-01'))    )

插入一条数据

insert into `foo` (`id`, `created`) values (1, '2008-01-02'),(2, '2009-01-02');

分析确认分区是否生效

explain partitions select  * from foo where created = '2008-01-02';

linux下mysql的root密码忘记解决方法

  1、首先确认服务器出于安全的状态,也就是没有人能够任意地连接MySQL数据库。因为在重新设置MySQL的root密码的期间,MySQL数据库完全出于没有密码保护的状态下,其他的用户也可以任意地登录和修改MySQL的信息。可以采用将MySQL对外的端口封闭,并且停止Apache以及所有的用户进程的方法实现服务器的准安全状态。最安全的状态是到服务器的Console上面操作,并且拔掉网线。

  2.修改MySQL的登录设置:

# vi /etc/my.cnf
在[mysqld]的段中加上一句:skip-grant-tables
例如:
[mysqld]
datadir=/var/data/mysql
socket=/var/lib/mysql/mysql.sock
skip-grant-tables

保存并且退出vi。

  3.重新启动mysqld

# /etc/init.d/mysqld restart

Stopping MySQL: [ OK ]
Starting MySQL: [ OK ]

  4.登录并修改MySQL的root密码

# /usr/bin/mysql

Welcome to the MySQL monitor. Commands end with ; or \g.
Your MySQL connection id is 3 to server version: 3.23.56
Type ‘help;’ or ‘\h’ for help. Type ‘\c’ to clear the buffer.

mysql> USE mysql ;

Reading table information for completion of table and column names
You can turn off this feature to get a quicker startup with -A
Database changed

mysql> UPDATE user SET Password = password ( ’123456′ ) WHERE User = ‘root’ ;

Query OK, 0 rows affected (0.00 sec)
Rows matched: 2 Changed: 0 Warnings: 0

mysql> flush privileges ;

Query OK, 0 rows affected (0.01 sec)

mysql> quit

Bye

  5.将MySQL的登录设置修改回来

# vi /etc/my.cnf

  将刚才在[mysqld]的段中加上的skip-grant-tables删除,保存并且退出vi。

  6.重新启动mysqld

# /etc/init.d/mysqld restart
Stopping MySQL: [ OK ]
Starting MySQL: [ OK ]