前言
前几天元宵节，小黑准时下班回到家，吃着汤圆，看着电视，好生惬意!
忽然，手机叮咣叮咣响个不停报警，看了下是某个服务调用Redis异常了。
放下饭碗，小黑打开电脑一顿排查，最终定位到是Redis有大key问题。
寻思一时半会儿也解决不了，明天到公司再搞，先继续看电视吧 哈哈哈。
什么是大key
很多朋友肯定在想redis的key能有多大呀?
这里就有个误区了，所谓的大key问题是某个key的value比较大，所以本质上是大value问题。
这样就对上了，key往往是程序可以自行设置的，value往往不受程序控制，因此可能导致value很大。
设想一种场景：
在线音乐app中，某个歌单有很多用户收藏，假如有这样的数据结构：
- 歌单和用户之间的映射关系采用redis存储
- redis的key是歌单ID，长度可控且很小
- redis的value是个list，list包含了用户ID
- 用户可能很多，就导致list长度不可控
这下明白啥是大key问题了吧!
redis中有常见的几种数据结构，每种结构对大key的定义不同，比如：
- value是String类型时，size超过10KB
- value是ZSET、Hash、List、Set等集合类型时，它的成员数量超过1w个
上述的定义并不绝对，主要是根据value的成员数量和字节数来确定，业务可以根据自己的场景也确定标准。
大key有什么影响
我们都知道，redis的一个典型特征就是：核心工作线程是单线程。
单线程中请求任务的处理是串行的，前面完不成，后面处理不了，同时也导致分布式架构中内存数据和CPU的不平衡。
- 执行大key命令的客户端本身，耗时明显增加，甚至超时
- 执行大key相关读取或者删除操作时，会严重占用带宽和CPU，影响其他客户端
- 大key本身的存储带来分布式系统中分片数据不平衡，CPU使用率也不平衡
- 大key有时候也是热key，读取操作频繁，影响面会很大
- 执行大key删除时，在低版本redis中可能阻塞线程
这样看来大key的影响还是很明显的，最典型的就是阻塞线程，并发量下降，导致客户端超时，服务端业务成功率下降。
大key是如何产生的
大key的产生往往是业务方设计不合理，没有预见vaule的动态增长问题：
- 一直往value塞数据，没有删除机制，迟早要爆炸
- 数据没有合理做分片，将大key变成小key
如何找到大key
增加内存&流量&超时等指标监控
由于大key的value很大，执行读取时可能阻塞线程，这样Redis整体的qps会下降，并且客户端超时会增加，网络带宽会上涨，配置这些报警可以让我们发现大key的存在。
bigkeys命令
使用bigkeys命令以遍历的方式分析Redis实例中的所有Key，并返回整体统计信息与每个数据类型中Top1的大Key
redis-rdb-tools
使用redis-rdb-tools离线分析工具来扫描RDB持久化文件，虽然实时性略差，但是完全离线对性能无影响。
redis-rdb-tools是由Python写的用来分析Redis的rdb快照文件用的工具，它可以把rdb快照文件生成json文件或者生成报表用来分析Redis的使用详情。
集成化可视化工具
基于某些公有云或者公司内部架构的redis一般都会有可视化的页面和分析工具，来帮助我们定位大key，当然页面底层也可能是基于bigkeys或者rdb文件离线分析的结果。
如何解决大key问题
根据大key的实际用途可以分为两种情况：可删除和不可删除。
删除大key
如果发现某些大key并非热key就可以在DB中查询使用，则可以在Redis中删掉：
- 当Redis版本大于4.0时，可使用UNlink命令安全地删除大Key，该命令能够以非阻塞的方式，逐步地清理传入的Key。
Redis UNlink 命令类似与 DEL 命令，表示删除指定的 key，如果指定 key 不存在，命令则忽略。
UNlink 命令不同与 DEL 命令在于它是异步执行的，因此它不会阻塞。
UNlink 命令是非阻塞删除，非阻塞删除简言之，就是将删除操作放到另外一个线程去处理。
- 当Redis版本小于4.0时，避免使用阻塞式命令KEYS，而是建议通过SCAN命令执行增量迭代扫描key，然后判断进行删除。
Redis Scan 命令用于迭代数据库中的数据库键。
SCAN 命令是一个基于游标的迭代器，每次被调用之后， 都会向用户返回一个新的游标， 用户在下次迭代时需要使用这个新游标作为 SCAN 命令的游标参数， 以此来延续之前的迭代过程。
压缩和拆分key
当vaule是string时，比较难拆分，则使用序列化、压缩算法将key的大小控制在合理范围内，但是序列化和反序列化都会带来更多时间上的消耗。
当value是string，压缩之后仍然是大key，则需要进行拆分，一个大key分为不同的部分，记录每个部分的key，使用multiget等操作实现事务读取。
当value是list/set等集合类型时，根据预估的数据规模来进行分片，不同的元素计算后分到不同的片。
小结
Redis的大key问题，无论在面试还是工作中都很常见，好好理解一波，非常值得。
祝各位老铁 深夜无报警，线上无bug!
免责声明：本平台仅供信息发布交流之途，请谨慎判断信息真伪。如遇虚假诈骗信息，请立即举报
举报
