UDN-企业互联网技术人气社区

板块导航

浏览  : 1494
回复  : 0

[讨论交流] 唯品会大规模 Redis Cluster 的生产实践

[复制链接]
哥屋恩的头像 楼主
发表于 2016-6-3 19:59:48 | 显示全部楼层 |阅读模式
  分享大纲

  本次分享内容如下:

  1、生产应用场景

  2、存储架构演变

  3、应用最佳实践

  4、运维经验总结

  关于这4部分的内容介绍:

  第1、2部分:介绍redis cluster在唯品会的生产应用场景,以及存储架构的演变。

  第3部分:redis cluster的稳定性,应用成熟度,踩到过那些坑,如何解决这些问题?这部分是大家比较关系的内容。

  第4部分:简单介绍大规模运营的一些经验,包括部署、监控、管理以及redis工具开发。

  1、生产应用场景

  1.1 业务范围

  redis cluster在唯品会主要应用于后端业务,用作内存存储服务。主要大数据实时推荐/ETL、风控、营销三大业使用。

  cluster用于取代当前twemproxy三层架构,作为通用的存储架构。redis cluster可以大幅度简化我们的存储架构,也解决twemproxy架构无法在线扩容节点的问题。

  目前我们在线有生产几十个cluster集群,约2千个instances,单个集群最大达到250+instances。

  这是我们的生产应用场景,主要是后端业务的存储,目前没有作为cache使用的场景。

  1.2大数据、风控、营销系统的特征

  cluster 一般数据量大, 单个cluster集群在几十个GB到上TB级别内存存储量。

  作为后端应用的存储,数据来源主要以下三种方式:

  Kafka → Redis Cluster,Storm/Spark实时

  Hive → Redis Cluster, MapReduce程序

  MySQL → Redis Cluster,Java/C++程序。

  数据由离线/实时job生成, 读写请求量大, 对读写性能也要求高。

  业务高峰期请求量急剧上升,几倍的读写量增加,需要多个redis实例承担业务的读写压力。

  业务需求变化快, schema变化频繁。如果使用MySQL作为存储,那么将会是频繁的DLL变更,而且需要做online schema change。

  大促销活动时扩容频繁。

  1.3、为什么选择redis cluster

  1) cluster适合我们后端生产应用场景

  在线水平扩展能力,能够解决我们大量的扩容需求。

  Failover能力和高可用性。

  虽然cluster不保证主从数据强一致性,但是后端业务能够容忍failover后少量的数据丢失。

  2) 架构简单

  无中心架构,各个节点度等。slave节点提供数据冗余,master节点异常时提升为master。

  取代twemproxy三层架构,系统复杂性降低。

  可以节约大量的硬件资源,我们的Lvs + Twemproxy层 使用了近上千台物理机器。

  少了lvs和twemproxy层,读写性能提升明显。响应时间从100-200us减少到50-100us。

  系统瓶颈更少。lvs层网卡和pps吞吐量瓶颈;对于请求长度较大的业务,twemproxy单节点性能低。

  总结下,我们选择redis cluster主要这两点原因:简单、扩展性。另外,我们用cluster取代twemproxy集群,三层架构实在是很令人头疼,复杂、瓶颈多、管理不方面。

  2、存储架构演变

  2.1 架构演变

1.webp.jpg


  在2014年7月,为了准备当时的814撒娇节大促销活动,我们把单个redis的服务迁移到twemproxy上。twemproxy在后端快速完成数据分片和扩容。为了避免再次扩容,我们静态分配足够多的资源。

  之后,twemproxy暴露出来的系统瓶颈很多,资源使用很多,也存在一定的浪费。我们决定用redis cluster取代这种复杂的三层架构。

  redis cluster GA之后,我们就开始上线使用。最初是3.0.2 版本,后面大量使用3.0.3 ,上个月开始使用3.0.7版本。

  下面简单对比下两种架构,解析下他们的优缺点。

  2.2 Twemproxy架构

  1)优点

  sharding逻辑对开发透明,读写方式和单个redis一致。

  可以作为cache和storage的proxy(by auto-eject)。

  2)缺点

  架构复杂,层次多。包括lvs、twemproxy、redis、sentinel和其控制层程序。

  管理成本和硬件成本很高。

  2 * 1Gbps 网卡的lvs机器,最大能支撑140万pps。

  流量高的系统,proxy节点数和redis个数接近。

  Redis层仍然扩容能力差,预分配足够的redis存储节点。

2.webp.jpg


  这是twemproxy的架构,客户端直接连接最上面的lvs(LB),第二层是同构的twemproxy节点,下面的redis master节点以及热备的slave节点,另外还有独立的sentinel集群和切换控制程序,twemproxy先介绍到这里。

  2.3 Redis Cluster架构

  1)优点

  无中心架构。

  数据按照slot存储分布在多个redis实例上。

  增加slave做standby数据副本,用于failover,使集群快速恢复。

  实现故障auto failover。节点之间通过gossip协议交换状态信息;投票机制完成slave到master角色的提升。

  亦可manual failover,为升级和迁移提供可操作方案。

  降低硬件成本和运维成本,提高系统的扩展性和可用性。

  2)缺点

  client实现复杂,驱动要求实现smart client,缓存slots mapping信息并及时更新。

  目前仅JedisCluster相对成熟,异常处理部分还不完善,比如常见的“max redirect exception”。

  客户端的不成熟,影响应用的稳定性,提高开发难度。

  节点会因为某些原因发生阻塞(阻塞时间大于clutser-node-timeout),被判断下线。这种failover是没有必要,sentinel也存在这种切换场景。

  cluster的架构如下:

4.webp.jpg


  图上只有master节点(slave略去),所有节点构成一个完全图,slave节点在集群中与master只有角色和功能的区别。

  架构演变讲完了,开始讲第三部分,也是大家最感兴趣的一部分.

  3、应用最佳实践

  本部分包括内容如下:

  redis cluster的稳定性如何?

  存在哪些坑?

  develop guideline & best practice

  3.1 稳定性

  不扩容时集群非常稳定。

  扩容resharding时候,早期版本的Jedis端有时会出现“max-redirect”异常。

  分析Jedis源码,请求重试次数达到了上限,仍然没有请求成功。两方面分析:redis连接不上?还是集群节点信息不一致?

  存活检测机制缺陷

  redis 存活检测机制可能因为master 节点上慢查询、阻塞式命令、或者其它的性能问题导致长时间没有响应,这个节点会认为处于failed状态,并进行切换。这种切换是没必要的。

  优化策略:

  a) 默认的cluster-node-timeout为15s,可以适当增大;

  b) 避免使用会引起长时间阻塞的命令,比如save/flushdb等阻塞操作,或者keys pattern这种慢查询。

  总体来说,redis cluster已经非常稳定了,但是要注意一些应用中的小问题,下面是5个坑,大家注意了.

  3.2 有哪些坑?

  1)迁移过程中Jedis“Max Redirect”异常。

  github上讨论的结果是程序retry。

  max redirt issues:https://github.com/xetorthio/jedis/issues/1238

  retry时间应该大于failover 时间。

  Jedis参数优化调整:增大jedis中的‘DEFAULT_MAX_REDIRECTIONS’参数,默认值是5.

  避免使用multi-keys操作,比如mset/mget. multi-key操作有些客户端没有支持实现。

  2)长时间阻塞引起的不必要的failover

  阻塞的命令。比如save/flushall/flushdb

  慢查询。keys *、大key的操作、O(N)操作

  rename危险操作:

  rename-command FLUSHDB REDIS_FLUSHDB

  rename-command FLUSHALL REDIS_FLUSHALL

  rename-command KEYS REDIS_KEYS

  3)同时支持ipv4和ipv6侦听服务埋下的坑

  具体现象:redis启动正常,节点的协议端口只有ipv6 socket创建正常。异常节点也无法加入到集群中,也无法获取epoch。

  解决方法:启动时指定网卡ipv4地址,也可以是0.0.0.0,配置文件中添加:bind 0.0.0.0

  这个是在setup集群的时候发生过的一个问题,bind 0.0.0.0虽然存在一些安全性问题,但是是比较简单通用的解决方法。

  4)数据迁移速度较慢

  主要使用的redis-trib.rb reshard来完成数据迁移。

  redis-3.0.6版本以前migrate操作是单个key逐一操作。从redis-3.0.6开始,支持单次迁移多个key。

  redis集群内部最多只允许一个slot处于迁移状态,不能并发的迁移slots。

  redis-trib.rb reshard如果执行中断,用redis-trib.rb fix修复集群状态。

  5)版本选择/升级建议

  我们已经开始使用3.0.7版本,很多3.2.0修复的bug已经backport到这个版本。

  另外我们也开始测试3.2.0版本,内存空间优化很大。

  Tips

  redis-trib.rb支持resharding/rebalance,分配权重。

  redis-trib.rb支持从单个redis迁移数据到cluster集群中。

  后面2点不算坑把,算是不足,tips也很实用。开始分享下最佳实践。

  3、最佳实践

  3.1 应用做好容错机制

  连接或者请求异常,进行连接retry和reconnect。

  重试时间应该大于cluster-node-time时间

  还是强调容错,这个不是针对cluster,所有的应用设计都适用。

  3.2 制定开发规范

  慢查询,进程cpu 100%、客户端请求变慢,甚至超时。

  避免产生hot-key,导致节点成为系统的短板。

  避免产生big-key,导致网卡打爆、慢查询。

  TTL, 设置合理的ttl,释放内存。避免大量key在同一时间段过期,虽然redis已经做了很多优化,仍然会导致请求变慢。

  key命名规则。

  避免使用阻塞操作,不建议使用事务。

  开发规范,使你们的开发按照最优的方式使用nosql。

  3.3 优化连接池使用

  主要避免server端维持大量的连接。

  合理的连接池大小。

  合理的心跳检测时间。

  快速释放使用完的连接。

  Jedis一个连接创建异常问题(fixed):

  https://github.com/xetorthio/jedis/issues/1252

  连接问题是redis开发使用中最常见的问题,connection timeout/read timeout,还有borrow connection的问题。

  3.4 区分redis/twemproxy和cluster的使用

  redis建议使用pipeline和multi-keys操作,减少RTT次数,提高请求效率。

  twemproxy也支持pipeline, 支持部分的multi-key可以操作。

  redis cluster不建议使用pipeline和multi-keys操作,减少max redirect产生的场景。

  区分redis 和 cluster的使用,一方面是数据分片引起的;另一方面,与client的实现支持相关。

  3.5 几个需要调整的参数

  1)设置系统参数vm.overcommit_memory=1,可以避免bgsave/aofrewrite失败。

  2)设置timeout值大于0,可以使redis主动释放空闲连接。

  3)设置repl-backlog-size 64mb。默认值是1M,当写入量很大时,backlog溢出会导致增量复制不成功。

  4)client buffer参数调整

  client-output-buffer-limit normal 256mb 128mb 60

  client-output-buffer-limit slave 512mb 256mb 180

  4、运维经验总结

  4.1 自动化管理

  CMDB管理所有的资源信息。

  Agent方式上报硬软件信息。

  标准化基础设置。机型、OS内核参数、软件版本。

  Puppet管理和下发标准化的配置文件、公用的任务计划、软件包、运维工具。

  资源申请自助服务。

  4.2 自动化监控

  zabbix作为主要的监控数据收集工具。

  开发实时性能dashboard,对开发提供查询。

  单机部署多个redis,借助于zabbix discovery。

  开发DB响应时间监控工具Titan。

  基本思想来源于pt-query-degest,通过分析tcp应答报文产生日志。flume agent + kafka收集,spark实时计算,hbase作为存储。最终得到hotquery/slowquery,request source等性能数据。

  4.3 自动化运维

  资源申请自助服务化。

  如果申请合理,一键即可完成cluster集群部署。

  能不动手的,就坚决不动手,另外,监控数据对开发开发很重要,让他们了解自己服务性能,有时候开发会更早发现集群的一些异常行为,比如数据不过期这种问题,运维就讲这么多了,后面是干货中的干货,由deep同学开发的几个实用工具。

  4.4 redis开源工具介绍

  1) redis实时数据迁移工具

  1)在线实时迁移

  2)redis/twemproxy/cluster 异构集群之间相互迁移。

  3)github:https://github.com/vipshop/redis-migrate-tool

  2) redis cluster管理工具

  1)批量更改集群参数

  2)clusterrebalance

  3)很多功能,具体看github :

  https://github.com/deep011/redis-cluster-tool

  3) 多线程版本Twemproxy

  1)大幅度提升单个proxy的吞吐量,线程数可配置。

  2)压测情况下,20线程达到50w+qps,最优6线程达到29w。

  3)完全兼容twemproxy。

  4)github:

  https://github.com/vipshop/twemproxies

  4) 在开发的中的多线redis

  1)Github:

  https://github.com/vipshop/vire

  2)欢迎一起参与协作开发,这是我们在开发中的项目,希望大家能够提出好的意见。

  互动环节(陈群和申政解答)

  问题1:版本更新,对数据有没有影响?

  答:我们重启升级从2.8.17到3.0.3/3.0.7没有任何的异常。3.0到3.2我们目前还没有实际升级操作过。

  问题2:请问下sentinel模式下有什么好的读写分离的方法吗

  答:我们没有读写分离的使用,读写都在maste;集群太多,管理复杂;此外,我们也做了分片,没有做读写分离的必要;且我们几乎是一主一从节点配置

  问题3:redis的fork主要是为了rdb吧,去掉是为了什么呢

  答:fork不友好

  问题4:如果不用fork,是怎么保证rdb快照是精确的,有其他cow机制么

  答:可以通过其他方法,这个还在探究阶段,但目标是不用fork

  问题5:就是redis cluster模式下批量操作会有很多问题,可是不批量操作又会降低业务系统的性能

  答:确实存在这方面的问题,这方面支持需要客户端的支持,但是jedis的作者也不大愿意支持pipeline或者一些multi key操作。如果是大批量的操作,可以用多线程提高客户端的吞吐量。

原文作者:陈群  来源:开发者头条
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关于我们
联系我们
  • 电话:010-86393388
  • 邮件:udn@yonyou.com
  • 地址:北京市海淀区北清路68号
移动客户端下载
关注我们
  • 微信公众号:yonyouudn
  • 扫描右侧二维码关注我们
  • 专注企业互联网的技术社区
版权所有:用友网络科技股份有限公司82041 京ICP备05007539号-11 京公网网备安1101080209224 Powered by Discuz!
快速回复 返回列表 返回顶部