案例：Redis在惟品会的大规模应用

导读	目前在惟品会主要负责redis/hbase的运维和开发支持工做，也参与工具开发工做,本文是在Redis中国用户组给你们分享redis cluster的生产实践。

分享大纲

本次分享内容以下：

一、生产应用场景

二、存储架构演变

三、应用最佳实践

四、运维经验总结

关于这4部分的内容介绍：

第一、2部分：介绍redis cluster在惟品会的生产应用场景，以及存储架构的演变。

第3部分：redis cluster的稳定性，应用成熟度，踩到过那些坑，如何解决这些问题？这部分是你们比较关系的内容。

第4部分：简单介绍大规模运营的一些经验，包括部署、监控、管理以及redis工具开发。

生产应用场景

业务范围

redis cluster在惟品会主要应用于后端业务，用做内存存储服务。主要大数据实时推荐/ETL、风控、营销三大业使用。

cluster用于取代当前twemproxy三层架构，做为通用的存储架构。redis cluster能够大幅度简化咱们的存储架构，也解决twemproxy架构没法在线扩容节点的问题。

目前咱们在线有生产几十个cluster集群，约2千个instances，单个集群最大达到250+instances。

这是咱们的生产应用场景，主要是后端业务的存储，目前没有做为cache使用的场景。

大数据、风控、营销系统的特征

cluster 通常数据量大, 单个cluster集群在几十个GB到上TB级别内存存储量。

做为后端应用的存储，数据来源主要如下三种方式：

Kafka → Redis Cluster，Storm/Spark实时
Hive →  Redis Cluster，  MapReduce程序
MySQL →  Redis Cluster，Java/C++程序。

数据由离线/实时job生成, 读写请求量大, 对读写性能也要求高。

业务高峰期请求量急剧上升，几倍的读写量增长，须要多个redis实例承担业务的读写压力。

业务需求变化快， schema变化频繁。若是使用MySQL做为存储，那么将会是频繁的DLL变动，并且须要作online schema change。

大促销活动时扩容频繁。

为何选择redis cluster

1） cluster适合咱们后端生产应用场景

在线水平扩展能力，可以解决咱们大量的扩容需求。

Failover能力和高可用性。

虽然cluster不保证主从数据强一致性，可是后端业务可以容忍failover后少许的数据丢失。

2） 架构简单

无中心架构，各个节点度等。slave节点提供数据冗余，master节点异常时提高为master。

取代twemproxy三层架构，系统复杂性下降。

能够节约大量的硬件资源，咱们的Lvs + Twemproxy层 使用了近上千台物理机器。

少了lvs和twemproxy层，读写性能提高明显。响应时间从100-200us减小到50-100us。

系统瓶颈更少。lvs层网卡和pps吞吐量瓶颈;对于请求长度较大的业务，twemproxy单节点性能低。

总结下，咱们选择redis cluster主要这两点缘由：简单、扩展性。另外，咱们用cluster取代twemproxy集群，三层架构实在是很使人头疼，复杂、瓶颈多、管理不方面。

存储架构演变

架构演变

在2014年7月，为了准备当时的814撒娇节大促销活动，咱们把单个redis的服务迁移到twemproxy上。twemproxy在后端快速完成数据分片和扩容。为了不再次扩容，咱们静态分配足够多的资源。

以后，twemproxy暴露出来的系统瓶颈不少，资源使用不少，也存在必定的浪费。咱们决定用redis cluster取代这种复杂的三层架构。

redis cluster GA以后，咱们就开始上线使用。最初是3.0.2 版本，后面大量使用3.0.3 ，上个月开始使用3.0.7版本。

下面简单对比下两种架构，解析下他们的优缺点。

Twemproxy架构

1）优势
sharding逻辑对开发透明，读写方式和单个redis一致。
能够做为cache和storage的proxy（by auto-eject）。
2）缺点
架构复杂，层次多。包括lvs、twemproxy、redis、sentinel和其控制层程序。
管理成本和硬件成本很高。

2 * 1Gbps 网卡的lvs机器，最大能支撑140万pps。
流量高的系统，proxy节点数和redis个数接近。
Redis层仍然扩容能力差，预分配足够的redis存储节点。

这是twemproxy的架构，客户端直接链接最上面的lvs（LB），第二层是同构的twemproxy节点，下面的redis master节点以及热备的slave节点，另外还有独立的sentinel集群和切换控制程序，twemproxy先介绍到这里。

Redis Cluster架构

1）优势

无中心架构。

数据按照slot存储分布在多个redis实例上。

增长slave作standby数据副本，用于failover，使集群快速恢复。

实现故障auto failover。节点之间经过gossip协议交换状态信息；投票机制完成slave到master角色的提高。

亦可manual failover，为升级和迁移提供可操做方案。

下降硬件成本和运维成本，提升系统的扩展性和可用性。

2）缺点

client实现复杂，驱动要求实现smart client，缓存slots mapping信息并及时更新。

目前仅JedisCluster相对成熟，异常处理部分还不完善，好比常见的“max redirect exception”。

客户端的不成熟，影响应用的稳定性，提升开发难度。

节点会由于某些缘由发生阻塞(阻塞时间大于clutser-node-timeout），被判断下线。这种failover是没有必要，sentinel也存在这种切换场景。

架构演变讲完了,开始讲第三部分，也是你们最感兴趣的一部分.

应用最佳实践

存在哪些坑?
develop guideline & best practice

稳定性

不扩容时集群很是稳定。

扩容resharding时候，早期版本的Jedis端有时会出现“max-redirect”异常。

分析Jedis源码，请求重试次数达到了上限，仍然没有请求成功。两方面分析：redis链接不上？仍是集群节点信息不一致？

存活检测机制缺陷

redis 存活检测机制可能由于master 节点上慢查询、阻塞式命令、或者其它的性能问题致使长时间没有响应，这个节点会认为处于failed状态，并进行切换。这种切换是不必的。

优化策略

a) 默认的cluster-node-timeout为15s，能够适当增大;

b) 避免使用会引发长时间阻塞的命令，好比save/flushdb等阻塞操做，或者keys pattern 这种慢查询。

整体来讲，redis cluster已经很是稳定了，可是要注意一些应用中的小问题,下面是5个坑，你们注意了.

有哪些坑？

迁移过程当中Jedis“Max Redirect”异常

github上讨论的结果是程序retry。
max redirt issues： https://github.com/xetorthio/jedis/issues/1238
retry时间应该大于failover 时间。
Jedis参数优化调整：增大jedis中的‘DEFAULT_MAX_REDIRECTIONS’参数，默认值是5.
避免使用multi-keys操做，好比mset/mget. multi-key操做有些客户端没有支持实现。

长时间阻塞引发的没必要要的failover

阻塞的命令。好比save/flushall/flushdb
慢查询。keys *、大key的操做、O(N)操做
rename危险操做：
rename-command FLUSHDB REDIS_FLUSHDB
rename-command FLUSHALL REDIS_FLUSHALL
rename-command KEYS REDIS_KEYS

同时支持ipv4和ipv6侦听服务埋下的坑

具体现象：redis启动正常，节点的协议端口只有ipv6 socket建立正常。异常节点也没法加入到集群中，也没法获取epoch。

解决方法：启动时指定网卡ipv4地址，也能够是0.0.0.0，配置文件中添加：bind 0.0.0.0

这个是在setup集群的时候发生过的一个问题，bind 0.0.0.0虽然存在一些安全性问题，可是是比较简单通用的解决方法。

数据迁移速度较慢

主要使用的redis-trib.rb reshard来完成数据迁移。
redis-3.0.6版本之前migrate操做是单个key逐一操做。从redis-3.0.6开始，支持单次迁移多个key。
redis集群内部最多只容许一个slot处于迁移状态，不能并发的迁移slots。
redis-trib.rb reshard若是执行中断，用redis-trib.rb fix修复集群状态。

版本选择/升级建议

咱们已经开始使用3.0.7版本，不少3.2.0修复的bug已经backport到这个版本。
另外咱们也开始测试3.2.0版本，内存空间优化很大。
Tips
redis-trib.rb支持resharding/rebalance，分配权重。
redis-trib.rb支持从单个redis迁移数据到cluster集群中。
后面2点不算坑把，算是不足，tips也很实用。开始分享下最佳实践。

最佳实践

3.1 应用作好容错机制
链接或者请求异常，进行链接retry和reconnect。
重试时间应该大于cluster-node-time时间
仍是强调容错，这个不是针对cluster，全部的应用设计都适用。

3.2 制定开发规范
慢查询，进程cpu 100%、客户端请求变慢，甚至超时。
避免产生hot-key，致使节点成为系统的短板。
避免产生big-key，致使网卡打爆、慢查询。
TTL, 设置合理的ttl，释放内存。避免大量key在同一时间段过时，虽然redis已经作了不少优化，仍然会致使请求变慢。
key命名规则。
避免使用阻塞操做，不建议使用事务。
开发规范，使大家的开发按照最优的方式使用nosql。

3.3 优化链接池使用
主要避免server端维持大量的链接。
合理的链接池大小。
合理的心跳检测时间。
快速释放使用完的链接。
Jedis一个链接建立异常问题（fixed）：
https://github.com/xetorthio/jedis/issues/1252

链接问题是redis开发使用中最多见的问题，connection timeout/read timeout，还有borrow connection的问题。

3.4 区分redis/twemproxy和cluster的使用
redis建议使用pipeline和multi-keys操做，减小RTT次数，提升请求效率。
twemproxy也支持pipeline, 支持部分的multi-key能够操做。
redis cluster不建议使用pipeline和multi-keys操做，减小max redirect产生的场景。
区分redis 和 cluster的使用，一方面是数据分片引发的；另外一方面，与client的实现支持相关。

3.5 几个须要调整的参数
1）设置系统参数vm.overcommit_memory=1，能够避免bgsave/aofrewrite失败。

2）设置timeout值大于0，可使redis主动释放空闲链接。

3）设置repl-backlog-size 64mb。默认值是1M，当写入量很大时，backlog溢出会致使增量复制不成功。

4）client buffer参数调整

client-output-buffer-limit normal 256mb 128mb 60

client-output-buffer-limit slave  512mb  256mb 180

运维经验总结

4.1 自动化管理

CMDB管理全部的资源信息。
Agent方式上报硬软件信息。
标准化基础设置。机型、OS内核参数、软件版本。
Puppet管理和下发标准化的配置文件、公用的任务计划、软件包、运维工具。
资源申请自助服务。

4.2 自动化监控

zabbix做为主要的监控数据收集工具。
开发实时性能dashboard，对开发提供查询。
单机部署多个redis，借助于zabbix discovery。
开发DB响应时间监控工具Titan。
基本思想来源于pt-query-degest，经过分析tcp应答报文产生日志。flume agent + kafka收集，spark实时计算，hbase做为存储。最终获得hotquery/slowquery，request source等性能数据。

4.3 自动化运维

资源申请自助服务化。
若是申请合理，一键便可完成cluster集群部署。
能不动手的，就坚定不动手，另外，监控数据对开发开发很重要，让他们了解本身服务性能，有时候开发会更早发现集群的一些异常行为，好比数据不过时这种问题，运维就讲这么多了，后面是干货中的干货，由deep同窗开发的几个实用工具。

redis开源工具介绍

1） redis实时数据迁移工具

1）在线实时迁移

2）redis/twemproxy/cluster 异构集群之间相互迁移。

3）github：

https://github.com/vipshop/redis-migrate-tool

2） redis cluster管理工具

1）批量更改集群参数

2）clusterrebalance

3）不少功能，具体看github ：

https://github.com/deep011/redis-cluster-tool

3） 多线程版本Twemproxy

1）大幅度提高单个proxy的吞吐量，线程数可配置。

2）压测状况下，20线程达到50w+qps，最优6线程达到29w。

3）彻底兼容twemproxy。

4）github：

https://github.com/vipshop/twemproxies

4） 在开发的中的多线redis

1）Github：

https://github.com/vipshop/vire

2）欢迎一块儿参与协做开发，这是咱们在开发中的项目，但愿你们可以提出好的意见。

互动环节（陈群和申政解答）

问题1：版本更新，对数据有没有影响？
答：咱们重启升级从2.8.17到3.0.3/3.0.7没有任何的异常。3.0到3.2咱们目前尚未实际升级操做过。

问题2：请问下sentinel模式下有什么好的读写分离的方法吗
答：咱们没有读写分离的使用，读写都在maste；集群太多，管理复杂；此外，咱们也作了分片，没有作读写分离的必要；且咱们几乎是一主一从节点配置

问题3：redis的fork主要是为了rdb吧，去掉是为了什么呢
答：fork不友好

问题4：若是不用fork，是怎么保证rdb快照是精确的，有其余cow机制么
答：能够经过其余方法，这个还在探究阶段，但目标是不用fork

问题5：就是redis cluster模式下批量操做会有不少问题，但是不批量操做又会下降业务系统的性能
答：确实存在这方面的问题，这方面支持须要客户端的支持，可是jedis的做者也不大愿意支持pipeline或者一些multi key操做。若是是大批量的操做，能够用多线程提升客户端的吞吐量。

原文来自： https://www.linuxprobe.com/redis-application-confucianism.html