如何找到 Redis 的 Big key？
1. 什么是 Redis 的 Big key？
Redis 的 Big key 是指占用内存较大的 key，通常是大 List、大 Set、大 Hash、大 String 等等。
比如说：
- 字符串类型。如：超过 1 MB 的 key，就是一个 Big key。
- 非字符串类型。如：一个包含 100 万个元素的 List，占用内存 100 MB，那么这个 List 就是一个 Big key。
具体的规定根据每个公司的实际情况而定。
2. 为什么要找到 Redis 的 Big key？
- 内存空间不均匀：如果 Redis 的 Big key 占用了大量的内存，那么就会导致内存空间不均匀，从而导致 Redis 的内存不足。
- 查询时阻塞：因为 Redis 单线程特性，如果操作某个 Big key，耗时比较久，则后面的请求会被阻塞。
- 过期时阻塞：如果 Big key 设置了过期时间，当过期后，这个 key 会被删除，假如没有使用过期异步删除，就会存在阻塞 Redis 的可能性，并且慢查询中查不到（因为这个删除是内部循环事件）
3. 如何找到 Redis 的 Big key？
直接使用 redis-cli 命令，分析大致的情况
# 我这里在第二个数据库上做的测试，因此需要指定数据库 `-n 2`
$ redis-cli -p 6379 -n 2 --bigkeys
大致的结果如下：
# Scanning the entire keyspace to find biggest keys as well as
# average sizes per key type. You can use -i 0.1 to sleep 0.1 sec
# per 100 SCAN commands (not usually needed).
[00.00%] Biggest set found so far '"large_set_key"' with 201 members
[00.00%] Biggest list found so far '"large_list_key"' with 201 items
[00.00%] Biggest string found so far '"large_string_key"' with 5242880 bytes
[00.00%] Biggest hash found so far '"large_hash_key"' with 201 fields
[00.00%] Biggest zset found so far '"large_zset_key"' with 201 members
-------- summary -------
# 一共扫描了 5 个 key
Sampled 5 keys in the keyspace!
# 所有 key 的总长度是 71 字节，平均长度为 14.20 字节
Total key length in bytes is 71 (avg len 14.20)
Biggest list found '"large_list_key"' has 201 items
Biggest hash found '"large_hash_key"' has 201 fields
Biggest string found '"large_string_key"' has 5242880 bytes
Biggest set found '"large_set_key"' has 201 members
Biggest zset found '"large_zset_key"' has 201 members
# 每一种 key 情况的总览，某种类型的 key 占用内存的百分比，平均大小
1 lists with 201 items (20.00% of keys, avg size 201.00)
1 hashs with 201 fields (20.00% of keys, avg size 201.00)
1 strings with 5242880 bytes (20.00% of keys, avg size 5242880.00)
0 streams with 0 entries (00.00% of keys, avg size 0.00)
1 sets with 201 members (20.00% of keys, avg size 201.00)
1 zsets with 201 members (20.00% of keys, avg size 201.00)
redis-cli 扫描 big key
然后可以使用 memory usage 命令查看具体的内存占用情况：
localhost:2>MEMORY USAGE large_string_key
"6291520"
localhost:2>MEMORY USAGE large_list_key
"2240"
localhost:2>MEMORY USAGE large_set_key
"11264"
localhost:2>MEMORY USAGE large_hash_key
"4269"
localhost:2>MEMORY USAGE large_zset_key
"18968"
localhost:2>
image.png
通过代码脚本找到具体的 Big key
详见代码。源码地址
package redis_big_key
import (
"fmt"
"io/ioutil"
"log"
"math/rand"
"strings"
"sync"
"time"
"github.com/go-redis/redis"
)
func NewRedisClient() *redis.Client {
client := redis.NewClient(&redis.Options{
Addr: "localhost:6379",
Password: "",
DB: 2,
})
return client
}
// GenerateRandomString 生成指定大小的随机字符串
func GenerateRandomString(size int) string {
if 0 <= size {
return ""
}
rand.Seed(time.Now().UnixNano())
chars := []byte("abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789")
result := make([]byte, size)
for i := 0; i < size; i++ {
result[i] = chars[rand.Intn(len(chars))]
}
return string(result)
}
// WriteBigKey 写入大 key
func WriteBigKey() {
start := time.Now()
client := NewRedisClient()
// 使用完毕后，关闭连接
defer client.Close()
var err error
// 写入字符串类型的键，大小为 5M
largeStringValue := GenerateRandomString(5 * 1024 * 1024)
if err = client.Set("large_string_key", largeStringValue, 0).Err(); err != nil {
log.Fatalf("写入字符串类型的键失败，错误信息为：%s", err.Error())
}
// 写入哈希类型的键，元素个数大于 200
hashData := make(map[string]interface{})
var hashLock sync.RWMutex
for i := 0; i <= 200; i++ {
field := fmt.Sprintf("field_%d", i)
value := fmt.Sprintf("value_%d", i)
hashLock.Lock()
hashData[field] = value
hashLock.Unlock()
}
if err = client.HMSet("large_hash_key", hashData).Err(); err != nil {
log.Fatalf("写入哈希类型的键失败，错误信息为：%s", err.Error())
}
// 写入列表类型的键，元素个数大于 200
listData := make([]interface{}, 0, 200)
for i := 0; i <= 200; i++ {
listData = append(listData, fmt.Sprintf("value_%d", i))
}
if err = client.LPush("large_list_key", listData...).Err(); err != nil {
log.Fatalf("写入列表类型的键失败，错误信息为：%s", err.Error())
}
// 写入集合类型的键，元素个数大于 200
setData := make([]interface{}, 0, 200)
for i := 0; i <= 200; i++ {
setData = append(setData, fmt.Sprintf("%d", i))
}
if err = client.SAdd("large_set_key2", setData...).Err(); err != nil {
log.Fatalf("写入集合类型的键失败，错误信息为：%s", err.Error())
}
// 写入有序集合类型的键，元素个数大于 200
zsetData := make([]redis.Z, 0, 200)
for i := 0; i <= 200; i++ {
zsetData = append(zsetData, redis.Z{
Score: float64(i),
Member: fmt.Sprintf("value_%d", i),
})
}
if err = client.ZAdd("large_zset_key", zsetData...).Err(); err != nil {
log.Fatalf("写入有序集合类型的键失败，错误信息为：%s", err.Error())
}
fmt.Println(fmt.Sprintf("写入大 key 总耗时：%s", time.Since(start).String()))
}
// ScanBigKey 扫描大 key
// maxMemory 单位为 b
func ScanBigKey(maxMemory int64) []string {
if maxMemory <= 0 {
return nil
}
var cursor uint64
var keys []string
client := NewRedisClient()
defer client.Close()
start := time.Now()
maxKeys := make([]string, 0, 1000)
for {
var err error
keys, cursor, err = client.Scan(cursor, "*", 1).Result()
if err != nil {
log.Fatalf("扫描大 key 失败，错误信息为：%s", err.Error())
}
// 检查每个键的内存占用情况
for _, key := range keys {
// memory 单位为 byte
memory, err := client.MemoryUsage(key).Result()
if err != nil {
log.Fatalf("获取键 %s 的内存占用失败，错误信息为：%s", key, err.Error())
}
// 如果内存占用超过指定最大内存时，则打印出来
if memory > maxMemory {
log.Printf("键 %s 的内存占用为 %f MB", key, float64(memory)/(1024*1024))
maxKeys = append(maxKeys, key)
}
}
// 如果 cursor 为 0，说明已经遍历完成，退出循环
if cursor == 0 {
break
}
}
fmt.Println(fmt.Sprintf("扫描大 key 总耗时：%s", time.Since(start).String()))
return maxKeys
}
func ClearKeys(keys []string) {
if 0 == len(keys) {
return
}
start := time.Now()
client := NewRedisClient()
defer client.Close()
pipe := client.Pipeline()
pipe.Unlink(keys...)
_, err := pipe.Exec()
if err != nil {
log.Fatalf("删除 key 失败，错误信息为：%s", err.Error())
}
fmt.Println(fmt.Sprintf("删除 key 总耗时：%s", time.Since(start).String()))
}
func WriteKeysToFile(keys []string) error {
if 0 == len(keys) {
return nil
}
content := strings.Join(keys, "\n")
err := ioutil.WriteFile("./bigKey.txt", []byte(content), 0644)
return err
}
4. 如何优化 Redis 的 Big key？
数据结构优化
- 拆分数据：将大 key 拆分为更小的键，这可以通过拆分数据结构或者对数据进行分片来实现。
- 选择合适的数据结构：使用更适合你数据和使用场景的数据结构，比如将列表（list）转换为集合（set）、哈希（hash）或有序集合（sorted set）等。
数据清理
- 定期清理过期数据：确保过期数据及时清理，避免无用数据占用空间。
- 删除不必要的数据：定期清理不再需要的数据，确保 Redis 中保留的数据时真正有用的。但是要注意的是：如果直接 del，可能会导致阻塞 Redis 服务。大致有以下处理方式：
- 使用异步删除：使用
unlink异步删除，可以避免阻塞 Redis 服务，但是会导致内存占用变大。 - 使用分批删除：将大量的删除操作分批进行，每次删除一部分，直到删除完毕。
- 使用异步删除：使用
内存优化
- 内存淘汰策略：调整 Redis 的内存淘汰策略，比如设置 LRU（最近最少使用）策略来淘汰不常用的键。
- 内存优化配置：调整 Redis 的内存配置参数，比如适当调整
maxmemory参数，避免内存超限问题。
网友评论