Redis Hash类型的坑之单个key中field过多

发表评论     37,513 人阅读

对投票数据统计的时候发现了Redis Hash类型的一个大坑，单个key中field过多，导致取不出来。特记录下尝试解决和探索的过程。

第一阶段：问题描述

一个投票类的产品，对单个选项mid投票成功后，记录了总票数，还记录了用户投票日志(可以理解成投票明细)，用的都是Redis Hash类型来存储。投票日志的存储格式如下：

$redis->hset('vote_log', 'uid|mid|timestamp', 1);

最近，运营需要统计固定时间段每个选项投票的用户数，要的比较急，就很快写了一个脚本
算法：

0、全部取不来
1、第一次遍历，筛选出mid
2、第二次遍历，筛选出每个mid对应的uid
3、去重
4、统计数量
运行就报错：

脚本的使用内存已经设定为1024M了，查看Redis.php中163行使用的是hGetAll获取全量数据，估计是数据太大，登陆上Redis 使用hlens显示2700W,确实太大了，改为hKeys获取还是一样报错。Goolge搜索了一番，发现唯一的解决方案就是使用hscan, 测试发现线上redis server版本2.4不支持hscan(hscan命令版本要求>=2.8), 顿时都绝望了，跟运营反馈数据存储集中，并且数量比较大，传统的方案统计不出来，需要时间用其他方式来处理。好在，运营了解情况后，表示可以不用统计用户数。

第二阶段：探索解决方案

但是技术上这个问题并没有解决，如何解决这个问题呢

目前分析思考结果如下：
0、使用内存足够的机器跑脚本
1、使用hscan[自己的阿里云上redis server version 3.2.11测试了hscan确实可以分页取数据]
第一种：升级redis server version到2.8以上
第二种：导出redis key，导入高版本redis server中

具体实施的解决方案，还在探索中…(redis hash key导出在尝试中，如果大家有好的建议，欢迎留言)

针对hscan这里有一个地方需要格外注意（scan不存在这个问题）

观察下面几条命令，我们看到vote_info中现在有4个键值对，但是我们设置hscan的count为2，还是返回了全部内容，并不是预期的2条

我们知道Redis Hashes是由ziplist(压缩列表)和字典(Dict)两种编码方式实现，当我们创建一个空的Hashes的时候使用的ziplist编码, 当某个键或某个值的长度大于hash_max_ziplist_value设定的值，会切换的Dict编码，还有一种情况也会切换就是ziplist的entries(节点数)大于hash_max_ziplist_entries。hash_max_ziplist_value和 hash_max_ziplist_entries在redis.conf中设置，默认值分别是512和64。

hash-max-zipmap-entries 512 (hash-max-ziplist-entries for Redis >= 2.6)
hash-max-zipmap-value 64  (hash-max-ziplist-value for Redis >= 2.6)

查看redis scan 文档，Hashes使用ziplist编码的时候，通常忽略count参数，直接返回全部元素。

打开redis.conf, 把hash_max_ziplist_entries修改为10，hset多个元素，直到hlen为11的时候，count才生效，观察下面一组命令

按照上面的实验，ziplist中一对key-value算一个entries，没有找到理论说明, 参考《Redis设计与实现第一版》中的结构

一个ziplist的分布结构：

key-value一同压入ziplist后的结构：

测试遗留问题：当hdel一条记录后，hscan的count选项还是生效，返回的数量也有异常，暂未找到原因

第三阶段：优化存储结构，避免问题

去年PHP开发者大会上，记得鸟哥说，避免问题也是一种解决问题的好办法。

如何存储来避免这种问题呢
方案一：存储key的优化, 按照mid来拆分key

$redis->hset('vote_log_mid', 'uid|timestamp', 1);

方案二：存储key的优化，按天来存

// 需要区分投票选项
$redis->hIncrBy('vote_log_mid_20180718', 'uid', 1);

// 不需要区分投票选项
$redis->hIncrBy('vote_log_20180718', 'uid', 1);

方案三：redis2mysql, 直接存到mysql中
–表结构

CREATE TABLE `vote_log` ( 
`id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增ID', 
`aid` int(11) unsigned NOT NULL DEFAULT '0' COMMENT '活动ID', 
`feed_id` int(11) unsigned NOT NULL DEFAULT '0' COMMENT 'feed id', 
`mid` bigint(11) unsigned NOT NULL DEFAULT '0' COMMENT 'mid', 
`uid` bigint(11) unsigned NOT NULL DEFAULT '0' COMMENT 'uid', 
`create_time` bigint(11) unsigned NOT NULL DEFAULT '0' COMMENT '投票时间', 
`ext` varchar(64) NOT NULL DEFAULT '' COMMENT '扩展字段', 
PRIMARY KEY (`id`), 
KEY `key_a_f_c` (`aid`,`feed_id`,`create_time`), 
KEY `key_a_f_m` (`aid`,`feed_id`,`mid`) 
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='投票日志';

结合实际情况，虽然方案一和方案二改造起来很方便，这个日志数据并不需要实时读取，放在Redis中有对Redis误用乱用的嫌疑，也并不方便运营未知的统计需求。存到mysql中开始考虑到按照日期或者活动id来分表，查看发现不是每个月都有这样的投票活动，也不是每个活动都有投票，完全可以存一张表，等到时候数据太大了，可以写脚本清历史数据，或者手动清。

以上，选中了方案三。

其他已知的方案：
拆分key, 参考《Redis单key值过大，优化方式》
单独存一份field，参考《Redis Hash结构遍历某一个key下所有field value的方法》

第四阶段：思考总结

在解决问题的过程中，发现很多朋友遇到了类似的问题，确实值得我们深思，在当初设计存储的时候，必须要考虑到这种情况，最好的解决办法还是设计阶段提前预判和规避，就像昨天法国🇫🇷VS克罗地亚🇭🇷的世界杯决赛上解说说的，追不上姆巴佩，提前预判他的路线，打断他的进攻，不给发挥速度的机会，这也是架构设计的意义吧。

最后补充一个有趣的发现，删除hash总最后一个field后，hash key也会被删除

redis 10.235.25.242:6379> hmset salmonl_20190514 id 100 type 1
OK
redis 10.235.25.242:6379> hdel salmonl_20190514 id
(integer) 1
redis 10.235.25.242:6379> exists salmonl_20190514
(integer) 1
redis 10.235.25.242:6379> hdel salmonl_20190514 type
(integer) 1
redis 10.235.25.242:6379> exists salmonl_20190514
(integer) 0

（全文完）

参考资料：
https://redis.io/topics/memory-optimization
https://redis.io/commands/scan#the-count-option
http://origin.redisbook.com/compress-datastruct/ziplist.html#id2
https://stackoverflow.com/questions/34503876/redis-hscan-command-cannot-limit-the-counts

发表评论

电子邮件地址不会被公开。 必填项已用*标注