标签：Redis、BigKey
什么是BigKey
bigkey是指key对应的value所占的内存空间比较大，例如一个字符串类型的value可以最大存到512MB，一个列表类型的value最多可以存储232-1个元素。如果按照数据结构来细分的话，一般分为字符串类型bigkey和非字符串类型bigkey。
- 字符串类型：体现在单个value值很大，一般认为超过10KB就是bigkey，但这个值和具体的OPS相关。
- 非字符串类型：哈希、列表、集合、有序集合，体现在元素个数过多。
OPS 是 Operations Per Second 的缩写，中文翻译为“每秒操作数”，通常用于衡量计算机系统、软件或硬件设备的性能。
在 Redis 中，OPS 指的是 Redis 服务器每秒能够处理的操作数，例如读写请求、键值对的添加、删除等。
如果系统的 OPS 较高，说明系统的性能较好，可以处理更多的请求。
如果 OPS 较低，则说明系统的性能较差，需要进行优化或升级硬件设备。注意：因为非字符串数据结构中，每个元素实际上也是一个字符串，但这里只讨论元素个数过多的情况。
bigkey无论是空间复杂度和时间复杂度都不太友好，下面我们将介绍它的危害。
BigKey的危害
bigkey的危害体现在三个方面：
- 内存空间不均匀（平衡）：例如在Redis Cluster中，bigkey会造成节点的内存空间使用不均匀。
- 超时阻塞：由于Redis单线程的特性，操作bigkey比较耗时，也就意味着阻塞Redis可能性增大。
- 网络拥塞：每次获取bigkey产生的网络流量较大，假设一个bigkey为1MB，每秒访问量为1000，那么每秒产生1000MB的流量，对于普通的千兆网卡（按照字节算是128MB/s）的服务器来说简直是灭顶之灾，而且一般服务器会采用单机多实例的方式来部署，也就是说一个bigkey可能会对其他实例造成影响，其后果不堪设想。图1演示了网络带宽被bigkey占用的瞬间。
图1 - bigkey造成网络拥塞示意图
bigkey的存在并不是完全致命的，如果这个bigkey存在但是几乎不被访问，那么只有内存空间不均匀的问题存在，相对于另外两个问题没有那么重要紧急，但是如果bigkey是一个热点key（频繁访问），那么其带来的危害不可想象，所以在实际开发和运维时一定要密切关注bigkey的存在。
如何发现BigKey
redis-cli --bigkeys 可以命令统计bigkey的分布，但是在生产环境中，开发和运维人员更希望自己可以定义bigkey的大小，而且更希望找到真正的bigkey都有哪些，这样才可以去定位、解决、优化问题。判断一个key是否为bigkey，只需要执行 debug object key 查看 serializedlength 属性即可，它表示key对应的value序列化之后的字节数，例如我们执行如下操作：
127.0.0.1:6379> debug object key
Value at:00007FA5E90003C0 refcount:1 encoding:embstr serializedlength:8 lru:10127498 lru_seconds_idle:24571-
Value at:00007FA5E90003C0：这表示该键的值在内存中的地址。 -
refcount:1：这表示该键的引用计数。在 Redis 中，每当一个键被引用（例如在客户端或者 Redis 内部使用）时，它的引用计数会增加。当键不再被引用时，它的引用计数会减少。当引用计数降至0时，键就会被自动删除。 -
encoding:embstr：这表示用于存储键值的内部编码类型。在这种情况下，embstr表示值被存储为一个在一定长度范围内的字符串。 -
serializedlength:8：这表示序列化后的长度。 -
lru:10127498：这是一个使用最少的近期未使用（LRU）算法计算的值。它表示该键是多久以前被使用的。 -
lru_seconds_idle:24571：这表示该键最后一次被访问距离现在的秒数，也就是该键闲置的时间。
注意：
debug object是一个调试命令，它不应在生产环境中使用，因为它使用的CPU资源较多。
127.0.0.1:6379> debug object key
Value at:0x7fc06c1b1430 refcount:1 encoding:raw serializedlength:1256350 lru:11686193
lru_seconds_idle:20-
Value at:0x7fc06c1b1430：这是该键的值在内存中的地址。 -
refcount:1：这是引用计数，表示该键被引用的次数。当该值为0时，键将被自动删除。 -
encoding:raw：这表示该键值的内部编码类型。在这种情况下，raw表示键的值是一个字符串。 -
serializedlength:1256350：这是该键值被序列化后的长度，单位为字节。在这里，键值的长度为 1256350 字节，大约为 1.2 MB。 -
lru:11686193：这是使用最近最少使用（LRU）算法计算的一个时间戳。它表示该键最后一次被访问的时间。 -
lru_seconds_idle:20：这表示键最后一次被访问和现在的时间差，也就是该键的闲置时间，单位是秒。
从这段信息中可以看出，这个键的值相当大（约1.2MB），这可能会影响 Redis 的性能。如果这个键经常被访问，那么将这个大的键值从内存中移入和移出可能会消耗大量的CPU资源。如果这个键不常被访问，那么它可能占用了大量的内存资源。如果可能的话，你可能需要考虑将这个大键分割成多个小键，或者尝试使用不同的数据结构来存储你的数据，以更有效地利用内存。
可以发现serializedlength=11686193字节，约为1M，同时可以看到encoding是raw，也就是字符串类型，那么可以通过strlen来看一下字符串的字节数为2247394字节，约为2MB：
127.0.0.1:6379> strlen key
(integer) 2247394serializedlength不代表真实的字节大小，它返回对象使用RDB编码序列化后的长度，值会偏小，但是对于排查bigkey有一定辅助作用，因为不是每种数据结构都有类似strlen这样的方法。
:star: ⭐在实际生产环境中发现bigkey的两种方式如下：
- 被动收集：许多开发人员确实可能对bigkey不了解或重视程度不够，但是这种bigkey一旦大量访问，很可能就会带来命令慢查询和网卡跑满问题，开发人员通过对异常的分析通常能找到异常原因可能是bigkey，这种方式虽然不是被笔者推荐的，但是在实际生产环境中却大量存在，建议修改Redis客户端，当抛出异常时打印出所操作的key，方便排查bigkey问题。
- 主动检测：scan+debug object：如果怀疑存在bigkey，可以使用scan命令渐进的扫描出所有的key，分别计算每个key的serializedlength，找到对应bigkey进行相应的处理和报警，这种方式是比较推荐的方式。
开发提示
- 如果键值个数比较多，scan+debug object会比较慢，可以利用Pipeline机制完成。
- 对于元素个数较多的数据结构，debug object执行速度比较慢，存在阻塞Redis的可能。
- 如果有从节点，可以考虑在从节点上执行。
如何删除BigKey
当发现Redis中有bigkey并且确认要删除时，如何优雅地删除bigkey？无论是什么数据结构，del命令都可以将其删除。但是相信通过上面的分析后你一定不会这么做，因为删除bigkey通常来说会阻塞Redis服务。下面给出一组测试数据分别对string、hash、list、set、sorted set五种数据结构的bigkey进行删除，bigkey的元素个数和每个元素的大小不尽相同。
注意
下面测试和服务器硬件、Redis版本比较相关，可能在不同的服务器上执行速度不太相同，但是能提供一定的参考价值
表1展示了删除512KB~10MB的字符串类型数据所花费的时间，总体来说由于字符串类型结构相对简单，删除速度比较快，但是随着value值的不断增大，删除速度也逐渐变慢。
表1 - 删除字符串类型耗时
表2展示了非字符串类型的数据结构在不同数量级、不同元素大小下对bigkey执行del命令的时间，总体上看元素个数越多、元素越大，删除时间越长，相对于字符串类型，这种删除速度已经足够可以阻塞Redis。
表2 - 删除hash、list、set、sorted set四种数据结构不同数量不同元素大小的耗时
图2折线图，可以更加方便的发现趋势。
图2 - 删除hash、list、set、sorted set四种数据结构不同数量不同元素大小的耗时
从上分析可见，除了string类型，其他四种数据结构删除的速度有可能很慢，这样增大了阻塞Redis的可能性。既然不能用del命令，那有没有比较优雅的方式进行删除呢？这时候就需要将scan命令的若干类似命令拿出来：sscan、hscan、zscan。
1、string
对于string类型使用del命令一般不会产生阻塞：
2、hash、list、set、sorted set
下面以hash为例子，使用hscan命令，每次获取部分（例如100个）field-value，再利用hdel删除每个field（为了快速可以使用Pipeline）：
public void delBigHash(String bigKey) {
Jedis jedis = new Jedis("127.0.0.1", 6379);
// 游标
String cursor = "0";
while (true) {
ScanResult<Map.Entry<String, String>> scanResult = jedis.hscan(bigKey, cursor,
new ScanParams().count(100));
// 每次扫描后获取新的游标
cursor = scanResult.getStringCursor();
// 获取扫描结果
List<Entry<String, String>> list = scanResult.getResult();
if (list == null || list.size() == 0) {
continue;
}
String[] fields = getFieldsFrom(list);
// 删除多个field
jedis.hdel(bigKey, fields);
// 游标为0时停止
if (cursor.equals("0")) {
break;
}
}
// 最终删除key
jedis.del(bigKey);
}
/**
* 获取field数组
* @param list
* @return
*/
private String[] getFieldsFrom(List<Entry<String, String>> list) {
List<String> fields = new ArrayList<String>();
for(Entry<String, String> entry : list) {
fields.add(entry.getKey());
}
return fields.toArray(new String[fields.size()]);
}开发提示
请勿忘记每次执行到最后执行del key操作。
最佳实践思路
由于开发人员对Redis的理解程度不同，在实际开发中出现bigkey在所难免，重要的是，能通过合理的检测机制及时找到它们，进行处理。作为开发人员在业务开发时应注意不能将Redis简单暴力的使用，应该在数据结构的选择和设计上更加合理，例如出现了bigkey，要思考一下可不可以做一些优化（例如拆分数据结构）尽量让这些bigkey消失在业务中，如果bigkey不可避免，也要思考一下要不要每次把所有元素都取出来（例如有时候仅仅需要hmget，而不是hgetall）。最后，可喜的是，Redis将在4.0版本支持lazy delete free的模式，那时删除bigkey不会阻塞Redis。
总结
文章首先介绍了bigkey的定义，它指的是键值对应的内存空间较大的情况，可分为字符串类型和非字符串类型。根据Redis中的OPS（每秒操作数），一般认为超过10KB的字符串类型可以被视为bigkey。
bigkey对Redis系统带来的危害主要包括：内存空间使用不均匀，超时阻塞和网络拥塞。当bigkey被频繁访问时，可能导致系统性能下降。
要发现bigkey，可以使用redis-cli的--bigkeys命令或者debug object key 命令查看serializedlength属性。此外，开发和运维人员可以通过主动检测或被动收集的方式来发现bigkey。
在删除bigkey时，需要考虑到可能引发的问题。对于字符串类型的bigkey，可以直接使用del命令，但对于非字符串类型的bigkey，建议使用scan命令或其类似的sscan、hscan、zscan等命令进行分段删除以防止Redis阻塞。
在业务开发中，开发人员应合理选择和设计数据结构，尽量避免出现bigkey。如果出现bigkey是无法避免的，也应该考虑优化处理，如拆分数据结构或者只取出部分元素等。文章最后指出，从Redis 4.0版本开始，Redis将支持lazy delete free的模式，可以避免删除bigkey时阻塞Redis。
bigkey的危害不容忽视：数据倾斜、超时阻塞、网络拥塞，可能是Redis生产环境中的一颗定时炸弹，删除bigkey时通常使用渐进式遍历的方式，防止出现Redis阻塞的情况。
