Redis在大數據中的使用技巧
今天將會跟大家討論一些Redis在大數據中的使用，包括一些Redis的使用技巧和其他的一些內容。
一、Redis封裝架構講解
實際上NewLife.Redis是一個完整的Redis協議功能的實現，但是Redis的核心功能并沒有在這里面，而是在NewLife.Core里面。
這里可以打開看一下，NewLife.Core里面有一個NewLife.Caching的命名空間，里面有一個Redis類，里面實現了Redis的基本功能;另一個類是RedisClient是Redis的客戶端。
Redis的核心功能就是有這兩個類實現，RedisClient代表著Redis客戶端對服務器的一個連接。Redis真正使用的時候有一個Redis連接池，里面存放著很多個RedisClient對象。
所以我們Redis的封裝有兩層，一層是NewLife.Core里面的Redis以及RedisClient;另一層就是NewLife.Redis。這里面的FullRedis是對Redis的實現了Redis的所有的高級功能。
這里你也可以認為NewLife.Redis是Redis的一個擴展。
二、Test實例講解Redis的基本使用
1、實例
打開Program.cs看下代碼：
這里XTrace.UseConsole();是向控制臺輸出日志，方便調試使用查看結果。
接下來看***個例子Test1，具體的我都在代碼中進行了注釋，大家可以看下：
- Set的時候，如果是字符串或者字符數據的話，Redis會直接保存起來(字符串內部機制也是保存二進制)，如果是其他類型，會默認進行json序列化然后再保存起來。
- Get的時候，如果是字符串或者字符數據會直接獲取，如果是其他類型會進行json反序列化。
- Set第三個參數過期時間單位是秒。
- vs調試小技巧，按F5或者直接工具欄“啟動”會編譯整個解決方案會很慢(VS默認)，可以選中項目然后右鍵菜單選擇調試->啟動新實例，會只編譯將會用到的項目，這樣對調試來說會快很多。
- 大家運行調試后可以看到控制臺輸出的內容：向右的箭頭=》是ic.Log=XTrace.Log輸出的日志。
- 字典的使用：對象的話，需要把json全部取出來，然后轉換成對象，而字典的話，就可以直接取某個字段。
- 隊列是List結構實現的，上游數據太多，下游處理不過來的時候，就可以使用這個隊列。上游的數據發到隊列，然后下游慢慢的消費。另一個應用，跨語言的協同工作，比方說其他語言實現的程序往隊列里面塞數據，然后另一種語言來進行消費處理。這種方式類似MQ的概念，雖然有點low，但是也很好用。
- 集合，用的比較多的是用在一個需要精確判斷的去重功能。像我們每天有三千萬訂單，這三千萬訂單可以有重復。這時候我想統計下一共有訂單，這時候直接數據庫group by是不大可能的，因為數據庫中分了十幾張表，這里分享個實戰經驗：
- 比方說攬收，商家發貨了，網點要把件收回來，但是收回來之前網點不知道自己有多少貨，這時候我們做了一個功能，也就是訂單會發送到我們公司來。我們會建一個time_site的key的集合，而且集合本身有去重的功能，而且我們可以很方便的通過set.Count功能來統計數量，當件被攬收以后，我們后臺把這個件從集合中Remove掉。然后這個Set中存在的就是網點還沒有攬收的件，這時候通過Count就會知道這個網點今天還有多少件沒有攬收。實際使用中這個數量比較大，因為有幾萬個網點。
- Redis中布隆過濾器，去重的，面試的時候問的比較多。
小經驗分享：
- 數據庫中不合法的時間處理：判斷時間中的年份是否大于2000年，如果小于2000就認為不合法;習慣大于小于號不習慣用等于號，這樣可以處理很多意外的數據;
- Set的時候***指定過期時間，防止有些需要刪除的數據我們忘記刪了;
- Redis異步盡量不用，因為Redis延遲本身很小，大概在100us-200us，再一個就是Redis本身是單線程的，異步任務切換的耗時比網絡耗時還要大;
- List用法：物聯網中數據上傳，量比較大時，我們可以把這些數據先放在Redis的List中，比如說一秒鐘1萬條，然后再批量取出來然后批量插入數據庫中。這時候要設置好key，可以前綴+時間，對已處理的List可以進行remove移除。
2、壓力測試
接下來看第四個例子，我們直接做壓力測試，代碼如下：
運行的結果如下圖所示：
測試就是進行get,set remove,累加等的操作。大家可以看到在我本機上輕輕松松的到了六十萬，多線程的時候甚至到了一百多萬。
為什么會達到這么高的Ops呢?下面給大家說一下：
- Bench會分根據線程數分多組進行添刪改壓力測試;
- rand參數，是否隨機產生key/value;
- batch批大小，分批執行讀寫操作，借助GetAll/SetAll進行優化。
3、Redis中NB的函數來提升性能
上面的操作如果大家都掌握了就基本算Redis入門了，接下來進行進階。如果能全然吃透，差不多就會比別人更勝一籌了。
GetAll()與SetAll()
GetAll：比方說我要取十個key，這個時候可以用getall。這時候Redis就執行了一次命令。比方說我要取10個key那么用get的話要取10次，如果用getall的話要用1次。1次getall時間大概是get的一點幾倍，但是10次get的話就是10倍的時間，這個賬你應該會算吧?強烈推薦大家用getall。
setall跟getall相似，批量設置K-V。
setall與getall性能很恐怖，官方公布的Ops也就10萬左右，為什么我們的測試輕輕松松到五十萬甚至上百萬?因為我們就用了setall,getall。如果get,set兩次以上，建議用getall,setall。
Redis管道Pipeline
比如執行10次命令會打包成一個包集體發過去執行，這里實現的方式是StartPipeline()開始，StopPipeline()結束中間的代碼就會以管道的形式執行。
這里推薦使用更強的武器，AutoPipeline自動管道屬性。管道操作到一定數量時，自動提交，默認0。使用了AutoPipeline，就不需要StartPipeline，StopPipeline指定管道的開始結束了。
Add與Replace
- Add：Redis中沒有這個Key就添加，有了就不要添加，返回false;
- Replace：有則替換，還會返回原來的值，沒有則不進行操作。
Add跟Replace就是實現Redis分布式鎖的關鍵。
三、Redis使用技巧，經驗分享
在項目的Readme中，這里摘錄下：
1、特性
- 在ZTO大數據實時計算廣泛應用，200多個Redis實例穩定工作一年多，每天處理近1億包裹數據，日均調用量80億次;
- 低延遲，Get/Set操作平均耗時200~600us(含往返網絡通信);
- 大吞吐，自帶連接池，***支持1000并發;
- 高性能，支持二進制序列化(默認用的json，json很低效，轉成二進制性能會提升很多)。
2、Redis經驗分享
- 在Linux上多實例部署，實例個數等于處理器個數，各實例***內存直接為本機物理內存，避免單個實例內存撐爆(比方說8核心處理器，那么就部署8個實例)。
- 把海量數據(10億+)根據key哈希(Crc16/Crc32)存放在多個實例上，讀寫性能成倍增長。
- 采用二進制序列化，而非常見的Json序列化。
- 合理設計每一對Key的Value大小，包括但不限于使用批量獲取，原則是讓每次網絡包控制在1.4k字節附近，減少通信次數(實際經驗幾十k，幾百k也是沒問題的)。
- Redis客戶端的Get/Set操作平均耗時200~600us(含往返網絡通信)，以此為參考評估網絡環境和Redis客戶端組件(達不到就看一下網絡，序列化方式等等)。
- 使用管道Pipeline合并一批命令。
- Redis的主要性能瓶頸是序列化、網絡帶寬和內存大小，濫用時處理器也會達到瓶頸。
- 其它可查優化技巧。
以上經驗，源自于300多個實例4T以上空間一年多穩定工作的經驗，并按照重要程度排了先后順序，可根據場景需要酌情采用。
3、緩存Redis的兄弟姐妹
Redis實現ICache接口，它的孿生兄弟MemoryCache，內存緩存，***吞吐率。
各應用強烈建議使用ICache接口編碼設計，小數據時使用MemoryCache實現;數據增大(10萬)以后，改用Redis實現，不需要修改業務代碼。
四、關于一些疑問的回復
這一Part我們會來聊聊大數據中Redis使用的經驗：
Q1：一條數據多個key怎么設置比較合理?
A1：如果對性能要求不是很高直接用json序列化實體就好，沒必要使用字典進行存儲。
Q2：隊列跟List有什么區別?左進右出的話用List還是用隊列比較好?
A2：隊列其實就是用List實現的，也是基于List封裝的。左進右出的話直接隊列就好。Redis的List結構比較有意思，既可以左進右出，也能右進左出。所以它既可以實現列表結構，也能隊列，還能實現棧。
Q3：存放多個字段的類性能一樣嗎?
A3：大部分場景都不會有偏差，可能對于大公司數據量比較大的場景會有些偏差。
Q4：大數據寫入到數據庫之后，比如數據到億以上的時候，統計分析、查詢這塊，能不能分享些經驗。
A4：分表分庫，拆分到一千萬以內。
Q5：CPU為何暴漲?
A5：程序員***理念——CPU達到***，然后性能達到***，盡量不要浪費。最痛恨的是——如果CPU不到***，性能沒法提升了，說明代碼有問題。
雖然Redis大家會用，但是我們可能平時不會有像這樣的大數據使用場景。希望本文能夠給大家一些值得借鑒的經驗。
