[[315513]]
我们有个这样的到极需求:每天每一个抢购商品只能买一次,并且全场抢购商品总购买次数不允许超过5次。看何那么,使用整个商品限购的优化流程大概如下图所示:
那么,在每次购买成功商品成功后,到极发送的看何MQ大概是这样的(假设当前这笔订单有两件抢购商品):
这条消息表示860000000000001这个用户在1581001673012这个时间点(北京时间为2020/02/06 23:07:53)在A045这个商户分别购买了商品ID为599055114591和599055114592两样商品。
那么,使用当消费这条信息后,优化更新频控的到极几条关键Redis命令如下(上面的需求不是重点,优化下面5条命令才是看何本文的重点):
- 命令1:hset mall:sale:freq:ctrl:860000000000001 599055114591 1(hash结构,field表示购买的使用商品ID,value表示购买次数)
- 命令2:hset mall:sale:freq:ctrl:860000000000001 599055114592 2
- 命令3:expire mall:sale:freq:ctrl:860000000000001 3127(设置过期时间)
- 命令4:set mall:total:freq:ctrl:860000000000001 3
- 命令5:expire mall:total:freq:ctrl:860000000000001 3127(设置过期时间)
我们首先了解一下执行一条Redis命令耗时由哪几部分组成:发送命令网络传输时间,优化命令在Redis服务端队列中等待的时间,命令执行的时间(Redis中的slowlog只是检测这一步骤的时间),结果返回的Redis客户端的时间。如下图所示:
上面的业务总计涉及5条Redis命令,每条命令都需要经过这些步骤,可想而知性能真的弱爆了(可能整个执行过程还不需要10ms,但还是弱爆了)。
第一次优化非常简单,稍微有点经验就能看出来,利用hmset命令将两条hmset命令合二为一,优化后的Redis命令如下:
- hmset mall:sale:freq:ctrl:860000000000001 599055114591 1 599055114592 2
- expire mall:sale:freq:ctrl:860000000000001 3127
- set mall:total:freq:ctrl:860000000000001 3
- expire mall:total:freq:ctrl:860000000000001 3127
第二次优化将set和expire命令合二为一,这个一般对Redis有点了解的也知道如何优化:
- hmset mall:sale:freq:ctrl:860000000000001 599055114591 1 599055114592 2
- expire mall:sale:freq:ctrl:860000000000001 3127
- setex mall:total:freq:ctrl:860000000000001 3127 3
第3次优化需要借助pipeline,简直就是Redis优化的一大杀器。不过,需要注意的是在RedisCluster中使用pipeline时必须满足pipeline打包的所有命令key在RedisCluster的同一个slot上。如果打包命令的key不在同一个slot上,就会报错。所以我们需要分两批打包:
- -- 这两条命令的key都是一样的,肯定在同一个slot上
- pipeline(
- hmset mall:sale:freq:ctrl:860000000000001 599055114591 1 599055114592 2
- expire mall:sale:freq:ctrl:860000000000001 3127
- )
- -- mall:total:freq:ctrl:860000000000001和mall:sale:freq:ctrl:860000000000001两条命令不在同一个slot上,所以需要单独执行下面这条命令
- setex mall:total:freq:ctrl:860000000000001 3127 3
经过第3次的优化后,这些命令还是需要2次网络交互。较劲的我还是不甘心,想要将其优化到只需要一次网络交互即可,有没有办法?当然有!
这次优化利用了一个高级特性:hashtag。是啥子意思呢?我们知道,RedisCluster总计有16*1024=16384个slot。那么执行一条Redis命令时,其key对应的是哪个slot呢?是利用这样一个计算公式得到的:slot = CRC16(key)%16384,示意图如下:
也就是说,默认情况下,key在哪个slot上,与key有关。那么,我们能否只让key在哪个slot上与部分key有关呢?当然可以,这就是hashtag特性。用法非常简单,假设一个key是mall:sale:freq:ctrl:860000000000001,我们只需要用{ }将key中我们需要的那部分包括起来即可。例如,我们只想让其根据用户IMEI计算即可,那么key是这样的:mall:sale:freq:ctrl:{ 860000000000001}。只要key中有{ 860000000000001}这一部分,就一定落在同一个slot上。
所以,第四次优化以后的命令执行如下所示:
- pipeline(
- hmset mall:sale:freq:ctrl:${ 860000000000001} 599055114591 1 599055114592 2
- expire mall:sale:freq:ctrl:${ 860000000000001} 3127
- setex mall:total:freq:ctrl:${ 860000000000001} 3127 3
- )
优化后,5条Redis命令压缩到3条Redis命令,并且3条Redis命令只需要发送一次,并且结果也一次就能全部返回。简直完美!!
我们在使用hashtag特性时,一定要注意,不能把key的离散性变得非常差。以本文为例,没有利用hashtag特性之前,key是这样的:mall:sale:freq:ctrl:860000000000001,很明显这种key由于与用户相关,所以离散性非常好。而使用hashtag以后,key是这样的:mall:sale:freq:ctrl:{ 860000000000001},这种key还是与用户相关,所以离散性依然非常好。我们千万不要这样来使用hashtag特性,例如将key设置为:mall:{ sale:freq:ctrl}:860000000000001。这样的话,无论有多少个用户多少个key,其{ }中的内容完全一样都是sale:freq:ctrl,也就是说,所有的key都会落在同一个slot上,导致整个Redis集群出现严重的倾斜问题。
责任编辑:武晓燕 来源: 阿飞的博客 hashtagRediskey
(责任编辑:百科)
Flink SQL 知其所以然:Table 与 DataStream 的转转转
5G独立组网网络全球规模最大 我国5G终端用户占全球80%以上
TOP级商业地标沈阳皇城恒隆广场非凡十二载 擎领“城市脉动”
“最安全的”iOS也被攻克,iPhone新漏洞曝光,苹果承认无法修复
寰亚传媒(08075.HK)中期亏损收窄至1916万港元 每股亏损4.58港仙