写点什么

浅析 Redis 分布式集群倾斜问题

  • 2022 年 4 月 24 日
  • 本文字数:3373 字

    阅读完需:约 11 分钟

对于分布式系统而言,整个集群处理请求的效率和存储容量,往往取决于集群中响应最慢或存储增长最快的节点。所以在系统设计和容量规划时,我们尽量保障集群中各节点的“数据和请求分布均衡“。但在实际生产系统中,出现数据容量和请求倾斜(类似 Data Skew)问题是比较常见的。

示例:2019 年春节抽奖服务,业务评估峰值 qps 是 2w,转化到 redis 集群为 10w qps 和 5GB 内存存储,部署 5 个分片每个分片 1GB+2W qps 的 redis 集群(包含预留容量)。结果活动开始时,才发现服务存在”热点 key",请求严重倾斜, 峰值时的 6w qps 都集中到其中一个分片,导致这分片过载,整个抽奖服务雪崩。

redis 分布式集群倾斜问题,主要分为两类:1 数据存储容量倾斜,数据存储总是落到集群中少数节点;2 qps 请求倾斜,qps 总是落到少数节点。

本文主要从以下几点分析 redis 分布式集群倾斜:

  • redis 集群出现倾斜的影响;

  • 导致 redis 集群倾斜的常见原因;

  • redis 集群倾斜问题的排查方式;

  • 如何有效避免 redis 集群倾斜问题。

redis 集群出现倾斜的影响

倾斜问题对于 redis 这类纯内存和单线程服务影响较大,存在以下痛点:

  • qps 集中到少数 redis 节点,引起少数节点过载,会拖垮整个服务,同时集群处理 qps 能力不具备可扩展性;

  • 数据容量倾斜,导致少数节点内存爆增,出现 OOM Killer 和集群存储容量不具备可扩展性;

  • 运维管理变复杂,类似监控告警内存使用量、QPS、连接数、redis cpu busy 等值不便统一;

  • 因集群内其他节点资源不能被充分利用,导致 redis 服务器/容器资源利率低;

  • 增大自动化配置管理难度;单集群节点尽量统一参数配置;

分析完影响,那我们再看生产环境中,导致 Redis 集群严重“倾斜”的常见原因。

导致 Redis 集群倾斜的常见原因

一般是系统设计时,键空间(keyspace)设计不合理:

  • 系统设计时,redis 键空间(keyspace)设计不合理,出现”热点 key",导致这类 key 所在节点 qps 过载,集群出现 qps 倾斜;

  • 系统存在大的集合 key(hash,set,list 等),导致大 key 所在节点的容量和 QPS 过载,集群出现 qps 和容量倾斜;

  • DBA 在规划集群或扩容不当,导致数据槽(slot)数分配不均匀,导致容量和请求 qps 倾斜;

  • 系统大量使用 Keys hash tags, 可能导致某些数据槽位的 key 数量多,集群集群出现 qps 和容量倾斜;

  • 工程师执行 monitor 这类命令,导致当前节点 client 输出缓冲区增大;used_memory_rss 被撑大;导致节点内存容量增大,出现容量倾斜;

接下来,当集群出现内存容量、键数量或 QPS 请求量严重倾斜时,我们应该排查定位问题呢?

Redis 集群倾斜问题的排查方式

排查节点热点 key,确定 top commands.

当集群因热点 key 导致集群 qps 倾斜,需快速定位热点 key 和 top commands。可使用开源工具 redis-faina,或有实时 redis 分析平台更好。

以下是使用 redis-faina 工具分析,可见两个前缀 key 的 QPS 占比基本各为 50%, 明显热点 key;也能看到 auth 命令的异常(top commands)。

Overall Stats========================================Lines Processed         100000Commands/Sec            7276.82
Top Prefixes========================================ar_xxx         49849   (49.85%)
Top Keys========================================c8a87fxxxxx        49943   (49.94%)a_r:xxxx           49849   (49.85%)
Top Commands========================================GET             49964   (49.96%)AUTH            49943   (49.94%)SELECT          88      (0.09%)
复制代码

系统是否使用较大的集合键

系统使用大 key 导致集群节点容量或 qps 倾斜,比如一个 5kw 字段的 hash key, 内存占用在近 10GB,这个 key 所在 slot 的节点的内存容量或 qps 都很有可能倾斜。

这类集合 key 每次操作几个字段,很难从 proxy 或 sdk 发现 key 的大小。

可使用 redis-cli --bigkeys 分析节点存在的大键。如果需全量分析,可使用 redis-rdb-tools(https://github.com/sripathikrishnan/redis-rdb-tools) 对节点的 RDB 文件全量分析,通过结果 size_in_bytes 列得到大 key 的占用内存字节数。

示例使用 redis-cli 进行抽样分析:

redis-cli  --bigkeys -p 7000                                 
# Scanning the entire keyspace to find biggest keys as well as# average sizes per key type.  You can use -i 0.1 to sleep 0.1 sec# per 100 SCAN commands (not usually needed).[00.00%] Biggest string found so far 'key:000000019996' with 1024 bytes[48.57%] Biggest list   found so far 'mylist' with 534196 items-------- summary -------Sampled 8265 keys in the keyspace!Total key length in bytes is 132234 (avg len 16.00)
Biggest string found 'key:000000019996' has 1024 bytesBiggest   list found 'mylist' has 534196 items
8264 strings with 8460296 bytes (99.99% of keys, avg size 1023.75)1 lists with 534196 items (00.01% of keys, avg size 534196.00)
复制代码

检查集群每个分片的数据槽分配是否均匀

下面以 Redis Cluster 集群为例确认集群中,每个节点负责的数据槽位(slots)和 key 个数。下面 demo 的部分实例存在不轻度“倾斜”但不严重,可考虑进行 reblance.

redis-trib.rb info redis_ip:portnodeip:port (5e59101a...) -> 44357924 keys | 617 slots | 1 slaves.nodeip:port (72f686aa...) -> 52257829 keys | 726 slots | 1 slaves.nodeip:port (d1e4ac02...) -> 45137046 keys | 627 slots | 1 slaves.---------------------省略------------------------nodeip:port (f87076c1...) -> 44433892 keys | 617 slots | 1 slaves.nodeip:port (a7801b06...) -> 44418216 keys | 619 slots | 1 slaves.nodeip:port (400bbd47...) -> 45318509 keys | 614 slots | 1 slaves.nodeip:port (c90a36c9...) -> 44417794 keys | 617 slots | 1 slaves.[OK] 1186817927 keys in 25 masters.72437.62 keys per slot on average.
复制代码

系统是否大量使用 keys hash tags

在 redis 集群中,有些业务为达到多键的操作,会使用 hash tags 把某类 key 分配同一个分片,可能导致数据、qps 都不均匀的问题。可使用 scan 扫描 keyspace 是否有使用 hash tags 的,或使用 monitor,vc-redis-sniffer 工具分析倾斜节点,是否大理包含有 hash tag 的 key。

是否因为 client output buffer 异常,导致内存容量倾斜

确认是否有 client 出现 output buffer 使用量异常,引起内存过大的问题;比如执行 monitor、keys 命令或 slave 同步 full sync 时出现客户端输入缓冲区占用过大。

这类情况基本 redis 实例内存会快速增长,很快会出现回落。通过监测 client 输出缓冲区使用情况;分析见下面示例:

# 通过监控client_longest_output_list输出列表的长度,是否有client使用大量的输出缓冲区.redis-cli  -p 7000 info clients# Clientsconnected_clients:52client_longest_output_list:9179client_biggest_input_buf:0blocked_clients:0
# 查看输出缓冲区列表长度不为0的client。 可见monitor占用输出缓冲区370MBredis-cli  -p 7000 client list | grep -v "oll=0"id=1840 addr=xx64598  age=75 idle=0 flags=O obl=0 oll=15234 omem=374930608 cmd=monitor
复制代码

如何有效避免 Redis 集群倾斜问题

  • 系统设计 redis 集群键空间和 query pattern 时,应避免出现热点 key, 如果有热点 key 逻辑,尽量打散分布不同的节点或添加程序本地缓存;

  • 系统设计 redis 集群键空间时,应避免使用大 key,把 key 设计拆分打散;大 key 除了倾斜问题,对集群稳定性有严重影响;

  • redis 集群部署和扩缩容处理,保证数据槽位分配平均;

  • 系统设计角度应避免使用 keys hash tag;

  • 日常运维和系统中应避免直接使用 keys,monitor 等命令,导致输出缓冲区堆积;这类命令建议作 rename 处理;

  • 合量配置 normal 的 client output buffer, 建议设置 10mb,slave 限制为 1GB 按需要临时调整(警示:和业务确认调整再修改,避免业务出错)

在实际生产业务场景中,大规模集群很难做到集群的完全均衡,只是尽量保证不出现严重倾斜问题。

发布于: 刚刚阅读数: 5
用户头像

InfoQ签约作者 2020.11.10 加入

文章首发于公众号:五分钟学大数据。大数据领域原创技术号,深入大数据技术

评论

发布
暂无评论
浅析Redis分布式集群倾斜问题_redis_五分钟学大数据_InfoQ写作社区