跬步千里 —— 阿里云Redis bitfield命令加速记

1. 问题

阿里云某客户发现本身使用读写分离实例，master的cpu特别高，而读写分离中承担读流量的slave节点却相对空闲。用户CPU打满后，访问到主节点的的线上服务受到了较大影响。

1.1 读写分离原理

Redis读写分离实例的原理是：key统一写入到master，而后经过主从复制同步到slave，用户的请求经过proxy作判断，若是是写请求，转发到master；若是是读请求，分散转发到slave，这种架构适合读请求数量远大于写请求数量的业务，读写分离架构示意图以下所示。

图1. 阿里云Redis读写分离版读写命令转发示例

1.2 bitfield命令

通过和客户沟通查看后，客户使用了大量的bitfield作读取，首先介绍一下这个命令的用法和场景，bitfield 是针对bitmap数据类型操做的命令，bitmap一般被用来在极小空间消耗下经过位的运算（AND/OR/XOR/NOT）实现对状态的判断，常见的使用场景例如：

• 经过bitmap来记录用户天天应用登陆状态，即若是$ID用户登陆，就SETBIT logins:20200404 $ID 1，表示用户$ID在20200404这一天登陆了，经过BITCOUNT logins:20200404能够获得这一天全部登陆过的用户数量；经过对两天的记录求AND，能够判断哪一个用户连续两天登陆了，即BITOP AND logins:20200404-05 logins:20200404 logins:20200404。
• 判断用户是否阅读了共同的文章，观看了共同的视频等。
• 前一阵子，答题领奖活动很是火爆，“答对12道题的同窗有机会瓜分奖池”，这种若是使用bitmap来实现，就很是容易判断出用户是否所有答对。

图2. 一个使用Redis BITMAP设计的答题游戏系统
答题系统设计如：

1. 每一个用户每轮答题，设置一个key，好比user1在第一轮答题的key是round:1:user1
2. 每答对一道题，设置相关的bit为1，好比user1答对了第5题，那么就设置第5个bit为1就能够了，如：SETBIT round:1:user1 5 1；若是用户1在第一轮答对了第9题，那么就把第9个bit设置为1，SETBIT round:1:user1 9 1；值得注意的是，bitfield默认bit都是0，答错能够不设置
3. 计算用户总共答对了几道题，就可使用BITCOUNT命令统计1的bit个数。如user1答对了3道题，user2在第一轮所有答对，那么user2就有机会参与答题（第1轮）的后续玩法

可见，Redis的bitmap接口能够用很是高的存储效率和计算加速效果。回到bitfiled命令，它的语法以下所示：

BITFIELD key 
[GET type offset] // 获取指定位的值
[SET type offset value] // 设置指定位的值
[INCRBY type offset increment] // 增长指定位的值
[OVERFLOW WRAP|SAT|FAIL] // 控制INCR的界限

1.3 读写分离实例处理bitfield的问题

从上文可知，bitfield的子命令中，GET命令是读属性，SET/INCRBY命令为写属性，所以Redis将其归类为写属性，从而只能被转发到master实例，以下图所示为bitfield的路由状况。

这就是为何客户使用了读写分离版，而只有master节点cpu使用高，其他slave节点却没有收到这个命令的打散的缘由。

2. 思路和处理

2.1 解决方案

• 方案一：改造Redis内核，将bitfield命令属性标记为读属性，可是当其包含SET/INCRBY等写属性的子命令时候，仍旧将其同步到slave等。此方案优势是外部组件（proxy和客户端）不须要作修改，缺点是须要对bitfiled命令作特殊处理，破坏引擎命令统一处理的一致性。

• 方案二：增长bitfield_ro命令，相似于georadius_ro命令，用来只支持get选项，从而做为读属性，这样就避免了slave没法读取的问题。此方案优势是方案清晰可靠，缺点是须要proxy和客户端作适配才能使用。

通过讨论，最终采起了方案二，由于这个方案更优雅，也更标准化。

2.2 添加bitfield_ro

{"bitfield_ro",bitfieldroCommand,-2,
"read-only fast @bitmap",
0,NULL,1,1,1,0,0,0},

完成以后，下图是在slave上执行bitfield_ro命令，能够看到被正确执行。

tair-redis > SLAVEOF 127.0.0.1 6379
OK
tair-redis > set k v
(error) READONLY You can't write against a read only replica.
tair-redis > BITFIELD mykey GET u4 0
(error) READONLY You can't write against a read only replica.
tair-redis > BITFIELD_RO mykey GET u4 0
1) (integer) 0

2.3 Proxy转发

为了保持用户不作代码修改，咱们在proxy上对bitfiled命令作了兼容，即若是用户的bitfield命令只有get选项，proxy会将此命令转换为bitfield_ro分散转发到后端多个节点上，从而实现加速，用户不用作任何改造便可完成加速，以下图所示。

图4. 添加BITFIELD_RO命令后处理BITFIELD逻辑流程
2.4 贡献社区
咱们将本身的修改回馈给了社区，而且被Redis官方接受（https://github.com/antirez/redis/pull/6951）

值得一提的是，阿里云在国内是最大的Redis社区contributer，如在新发布的Redis-6.0rc中，阿里云的贡献排第三，仅次于做者和Redis vendor（Redis Labs）。阿里云仍旧在不断的回馈和贡献社区。

图5. Redis6.0 RC commit数目榜

3. 引伸和讨论

3.1 总结

阿里云Redis经过增长bitfield_ro命令，解决了官方bitfield get命令没法在slave上加速执行的问题。

除过bitfield命令，阿里云Redis也同时对georadius命令作了兼容转换，即在读写分离实例上，若是georadius/georadiusbymember命令没有store/storedist选项，将会被自动判断为读命令转发到slave加速执行。
3.2 思考
咱们思考读写分离版的场景，为何用户须要读写分离呢？为何不是用集群版呢？咱们作一下简单对比，好比设置社区版的服务能力为K，那么表的对好比下（咱们只添加了加强版Tair的主备作对比，集群版能够直接乘以分片数）：

方式

Redis社区版集群

Redis社区版读写分离

Redis（Tair加强版）主备

写（key均匀状况）

K*分片数

K

K*3

读（key均匀状况）

K*分片数

K*只读节点数

K*3

写（单key或热key）

K（最坏状况）

K

K*3

读（单key或热key）

K（最坏状况）

K*只读节点数

K*3

表1. Redis社区版（集群/读写分离）和加强版（主备）简单场景对比

可见，其实读写分离版属于对单个key和热key的读能力的扩展的一种方法，比较适合中小用户有大key的状况，它没法解决用户的突发写的瓶颈，好比在这个场景下，若是用户的bitfield命令是写请求（子命令中带有INCRBY和SET），就会遇到没法解决的性能问题。

从表的对比看，这种状况下，用户若是能把key拆散，或者把大key拆成不少小key，就可使用集群版得到良好的线性加速能力。大key带来的问题包含但不只限于：

• 大key会形成数据倾斜，使得Redis的容量和服务能力不能线性扩展
• 大key意味着大几率这个key是热点
• 一旦不当心针对大key有range类的操做，会出现慢查询，还容易打爆带宽

这也是Tair加强版在阿里集团内各个应用建议的：“避免设计出大key和慢查，能避免90%以上的Redis问题”。

可是在实际使用中，用户仍旧不可避免的遇到热点问题，好比抢购，好比热剧，好比超大型直播间等；尤为是不少热点具有“突发性”的特色，事先并不知晓，冲击随时可达。Redis加强版的性能加强实例具有单key在O(1)操做40～45w ops的服务能力和极强的抗冲击能力，单机主备版就足够应对一场中大型的秒杀活动！同时若是用户没有大key，加强性能集群版可以近乎赋予用户千万甚至几千万OPS的服务能力，这也是Tair做为阿里重器，支持每次平稳渡过双11购物节秒杀的关键，欢迎你们试用！

最后，打一个小广告~若是对KV存储系统，图数据库有兴趣的小伙伴，欢迎加入咱们团队，简历发送至：zongdai at taobao dot com