Redis 间歇性抖动＜集群下mget的性能问题＞

redis问题

在最近公司内部使用redis的时候，在部分场景中发现redis经常会间歇性的抖动，具体表现为在短时间内redis rt上涨明显，RedisCommandTimeoutException异常陡增，如下图:

监控面板是按照分钟级别进行统计，所以rt上涨看起来不是很明显。

这种情况肯定不太正常，并且在近期出现的频率有上升趋势。

定位原因

遇到这种问题，首先会想到是不是redis本身抖动造成的，看表象其实很像，无规律，间歇性，影响时间很短，所以第一时间找了DBA确认当时是不是redis实例发生了问题，或者网络出现了抖动，同时也去dms redis的监控面板上看下运行指标是否正常。很遗憾，得到的恢复是服务抖动这段时间内，redis运行情况正常，网络状况也无任何异常，而且从监控面板上看，redis 运行状况非常好，cpu负载不高，io负载也不高，内核运行rt也都正常，无明显波动。(下图选择了redis集群中的一个节点实例，16个节点的状况基本一致)

redis cpu:

redis io:

redis maxRT

到此，中间件本身的原因基本上是可以排除的了。那么，只能是使用姿势的问题了。使用姿势这块可能造成的影响，首先要定位是不是有hot key 还有big key，如果一个big key 又同时是hot key，那么极有可能在流量尖刺的同时造成这种现象。

先去阿里云redis监控面板上看hot key统计

发现一周内并无热点key，也没有大key，那么很显然，缓存内容本身还是比较合理的。这就有点头疼了，redis本身，以及缓存内容都没什么问题，那只能把目光放到代码中了，由代码异常来逆推原因。

天眼监控上，发现很多RedisCommandTimeoutException异常，那么先采样看下产生异常的请求上下文

异常接口是：会场商品流批量算价服务

这个请求中用到了redis mget 同时获取多个keys，大概有几十个key，竟然超时了，500ms的时间都不够。

换个存在异常接口：足迹批量算价服务

可以这两个接口都用到了mget批量拉取keys ，从key的命名看来，还是依赖同样的数据，当然这不影响。上面我们看到了redis 缓存的数据是没问题的，无大key 热点key，redis本身运行状态也健康，网络也正常，那么，只有一种可能，是不是这个mget有问题，mget是如何一次获取多个key的，带着疑问，我们追一下mget的源码（系统用的是Lettuce pool）

public RedisFuture<List<KeyValue<K, V>>> mget(Iterable<K> keys) {//获取分区slot和key的映射关系Map<Integer, List<K>> partitioned = SlotHash.partition(codec, keys);//如果分区数小于2也就是只有一个分区即所有key都落在一个分区就直接获取if (partitioned.size() < 2) {return super.mget(keys);}//每个key与slot映射关系Map<K, Integer> slots = SlotHash.getSlots(partitioned);Map<Integer, RedisFuture<List<KeyValue<K, V>>>> executions = new HashMap<>();//遍历分片信息，逐个发送for (Map.Entry<Integer, List<K>> entry : partitioned.entrySet()) {RedisFuture<List<KeyValue<K, V>>> mget = super.mget(entry.getValue());executions.put(entry.getKey(), mget);}// restore order of key 恢复key的顺序return new PipelinedRedisFuture<>(executions, objectPipelinedRedisFuture -> {List<KeyValue<K, V>> result = new ArrayList<>();for (K opKey : keys) {int slot = slots.get(opKey);int position = partitioned.get(slot).indexOf(opKey);RedisFuture<List<KeyValue<K, V>>> listRedisFuture = executions.get(slot);result.add(MultiNodeExecution.execute(() -> listRedisFuture.get().get(position)));}return result;});
}

整个mget操作其实分为了以下几步：

获取分区slot和key的映射关系，遍历出所需的每个分区slot对应那些key。
判定，slot个数是不是小于2，也就是是否所有的key都在同一分区，如果是，发起一次mget命令，直接获取。

如果分区数量大于2，keys对应多个分区，那么遍历所有分区，分别向redis发起mget请求获取数据。
等待所有请求执行结束，重新组装结果数据，保持跟入参key的顺序一致，然后返回结果。

可以看到，当使用mget方法获取多个key，并且这些key还存在于不同的slot分区中，那么一次mget操作其实会对redis发起多次mget命令的请求，有多少个slot，就发起多少次，然后在所有请求执行完毕之后，整个mget方法才会能够继续执行下去。所以，看似一次mget方法调用，其实底层对应的是多次redis调用和多次io交互。

这张图就能很直观的看出redis 在集群模式下，mget的弊病。

问题优化：

方案1 - hashtag

hashtag 强制将key放在一个redis node上。这个方案，相当于将redis集群退化成了单机redis，系统的高可用，容灾能力就大打折扣了，只能尝试使用主从，哨兵等其他分布式架构来缓减，但是，既然选择了集群，肯定集群模式是相比于其他模式是最符合当前系统架构现状的，使用这种方案，可能会引发更大的问题。不推荐。

方案2 -并发调用

我们从图a，以及上面的代码中可以看到，for循环内多次串行的redis调用，是导致执行rt上涨的原因，那么，自然而然可以想到，是否可以用并行替代底层串行的逻辑。也就是将mget中的keys，根据slot分片规则，先groupBy一下，然后用多线程的方式并行执行。

那么rt最理想的情况其实就是一次单机mget的rt耗时，也就是一次网络io耗时，一次redis mget命令耗时。

看似比较完美的解决方案，其实不尽然，我们考虑一下实际场景：首先，这个方案中，用于并发调用提交redis mget任务的线程池的设计非常重要，各种参数的调校，势必需要非常充分的压测，这本身难度就比较大。其次，我们在日常使用中，一次mget的key基本上在几十到100，相比于redis 16384的固定槽位数量，是数量级上的差距，所以，我们一次请求的这些key，基本上是分布在不同的slot中的，换句话讲，如果按照这么拆分keys,大概率是相当于拆出了等于key数量的get请求。。也就丧失了mget的意义。

两种方案各有利弊吧，方案一简单，但是架构层面的隐患比较大，方案二实现复杂，但是可靠性相对比较好一点。mget 一直是让人又爱又恨，关键还是看使用场景，key分散到的redis集群节点越多，性能就越差，但是对于小数量级别，比如5～20个这种，其实问题都不大。