Redis 应用案例 - 在问题中不断成长
原创 2017-02-05 杜亦舒
本文翻译整理自 Andy Grunwald 发布的一篇文章，写的是作者所在公司使用 Redis 时遇到的问题，以及处理过程，在不断解决调整中积累了很多 Redis 的使用经验
背景
产品类型：酒店搜索
技术选型：前端 PHP + 后端 Java，都会用到 Redis
Redis 使用场景：缓存、数据持久化前的临时存储
2010年开始应用 Redis，PHP 对其操作时使用的是 Predis 这个客户端库
2013年改用了 phpredis 作为客户端库
2014年开始出现问题
问题描述
用户量快速增长，访问量在短时间内翻倍，由于前期容量规划做得比较好，硬件资源可以支撑，可是软件系统方面出现了大问题：
40% 的请求都会返回 HTTP 500: Internal Server Error
通过查看日志，发现错误是在 PHP <-> Redis 的连接处理上
调试处理
第1次
刚开始时并没有找到根本原因，只能尝试各种与错误相关的办法，例如：
- 增加 PHP 连接数，并把超时时间从 500ms 增加到 2.5s
- 禁止掉 PHP 设置中的 default_socket_timeout
- 在主机系统中禁止掉 SYN cookies
- 检查 Redis 和 Webservers 的文件描述符数量
- 增加主机系统的 mbuffer
- 调整 TCP backlog 数量
……
尝试了很多方法，但全部无效
第2次
想在预发布环境中重现这个问题，可惜，还是没成功，应为流量不够大，无法复现
第3次
会不会是代码中没有关闭 Redis 连接呢？
正常来讲，PHP在执行结束时会自动关闭资源连接，但老版本中会有内存泄漏的问题，保险起见，把代码都修改一遍，手动关闭连接
结果还是无效
第4次
怀疑目标：phpredis 这个客户端库
做 A/B 测试，替换回 predis 这个库，部署到数据中心中 20% 的用户量上
得益于良好的代码结构，替换工作很快完成
可结果依旧是无效，但也有好的一面，可以证明 phpredis 没问题嘛
第5次
查看了一下 Redis 的版本，是 v2.6，当时最新版本是 v2.8.9
升级 Redis 试一下吧，升完后还是不行
没事儿，要保持乐观，这不顺便把 Redis 版本升为最新的了
第6次
通过查找大量文档，在官方文档中发现了一个调试好方法 Redis Software Watchdog，打开后执行：
$ redis-cli --latency -p 6380 -h 1.2.3.4 min: 0, max: 463, avg: 2.03 (19443 samples)查看 Redis 日志：
... [20398] 22 May 09:20:55.351 * 10000 changes in 60 seconds. Saving... [20398] 22 May 09:20:55.759 * Background saving started by pid 41941 [41941] 22 May 09:22:48.197 * DB saved on disk [20398] 22 May 09:22:49.321 * Background saving terminated with success [20398] 22 May 09:25:23.299 * 10000 changes in 60 seconds. Saving... [20398] 22 May 09:25:23.644 * Background saving started by pid 42027 ...发现了问题：
每隔几分钟就向硬盘保存一次数据，fork 一个后台存储进行为什么需要大概 400ms（通过上面日志的第1条和第2条的时间可以看出来）
到这儿，终于找到问题的根源了，因为 Redis 实例中有大量的数据，导致每次持久化操作 fork 后台进程时非常耗时，并且在他们的业务中经常修改key，又导致了频繁触发持久化，也就经常产生对 Redis 的阻塞
处理办法：使用单独的 slave 来做持久化
这个 slave 不处理真实的流量请求，唯一的作用就是处理持久化，把之前 Redis 实例上的持久化操作转移到这个 slave 上
效果非常明显，问题基本解决，但有的时候还是会报错
第7次
排查可能阻塞 Redis 的慢查询，发现有地方使用了 keys *
因为 Redis 中的数据越来越多，这个命令自然会产生严重阻塞
可以使用 scan
第8次
经过前面的调整，问题已经解决，随后的几个月，即使流量在不断增长，也都抗住了
但他们意识到了新的问题：
现在的方式是，来一个请求就创建一个 Redis 连接，执行几个命令，然后再断开连接，在请求量很大时，这个方式产生了严重的性能浪费，一半以上的命令是用来处理连接操作的，这都超过了业务逻辑上的处理，也使 Redis 变慢
解决方法：引入 proxy，他们选择了 twitter 的 twemproxy，只需要在每个 webserver 上安装代理，twemproxy负责与 Redis 实例进行持久连接，这样就大大减少了连接方面的操作
twemproxy还有两个方便的地方：
- 支持 memcached
- 可以阻止非常耗时或者危险的命令，例如 keys、flushall
效果自然很完美，再也不用担心之前的连接错误
附上教程 twemproxy 代理redis
第9次
通过数据分片来继续优化：
- 对不同上下文的数据拆分隔离
- 对相同上下文的数据进行一致性哈希分片
效果：
- 减少了每台机器上的请求、负载
- 提升了缓存的可靠性，不担心节点故障
小结
原文作者写的非常好，详细的描述了他们在 Redis 应用上的成长历程，是很值得参考的实践经验
