实时数据并发写入 Redis 优化

Nov 10, 2019 | haifeiWu | Java | 阅读

文章目录

1. 背景
2. 乐观锁实现数据的并发更新
3. 可能存在问题及其解决方案
4. 小结

作者：haifeiWu
原文链接：https://www.hchstudio.cn/article/2019/a5e3/
版权声明：非特殊声明均为本站原创作品，转载时请注明作者和原文链接。

背景

当前架构的逻辑是将并发请求数据写入队列中，然后起一个单独的异步线程对数据进行串行处理。这种方式的好处就是不用考虑并发的问题，当然其弊端也是显而易见的~

乐观锁实现数据的并发更新

根据当前业务的数据更新在秒级，key 的碰撞率较低的情况。笔者打算采用使用 CAS 乐观锁方案：使用 Lua 脚本实现 Redis 对数据的原子更新，即便是在并发的情况下其性能也会上一个级别。下面是 CAS 乐观锁实现数据并发更新的流程图：
CAS

根据上面的流程图设计出了 Lua 脚本：

local keys,values=KEYS,ARGV
local version = redis.call('get',keys[1]) 
if  values[1] == '' and version == false
then
	redis.call('SET',keys[1],'1')
	redis.call('SET',keys[2],values[2])
	return 1
end

if version == values[1]
then
	redis.call('SET',keys[2],values[2])
	redis.call('INCR',keys[1])
	return 1
else
	return 0
end

可能存在问题及其解决方案

1，在并发冲突概率大的高竞争环境下，如果CAS一直失败，会一直重试，CPU开销较大。针对这个问题的一个思路是引入退出机制，如重试次数超过一定阈值后失败退出。如：

func main() {
    for i := 0; i < 10; i++ {
        isRetry := execLuaScript()
        if !isRetry {
            break    
        }
    }
}

func execLuaScript() bool {
    ctx := context.Background()
	r := client.GetRedisKVClient(ctx)
	defer r.Close()

	luaScript := `
local keys,values=KEYS,ARGV
local version = redis.call('get',keys[1]) 
if  values[1] == '' and version == false
then
	redis.call('SET',keys[1],'1')
	redis.call('SET',keys[2],values[2])
	return 1
end

if version == values[1]
then
	redis.call('SET',keys[2],values[2])
	redis.call('INCR',keys[1])
	return 1
else
	return 0
end`

	casVersion, err := r.Get("test_version")

	kvs := make([]redis.KeyAndValue, 0)
	kvs = append(kvs, redis.KeyAndValue{"test_version", casVersion.String()})
	kvs = append(kvs, redis.KeyAndValue{"test", "123123123"})
	mv, err := r.Eval(luaScript, kvs...)

	if err != nil {
		log.Errorf("%v", err)
	}

	val, _ := mv.Int64()
	log.Debugf(">>>>>> lua 脚本运行结果 ：%d", val)
    if val == 1 {
        // lua 脚本执行成功，无需重试    
        return false
    } else if val == 0 {
        return true
    }
}

2，Lua 脚本执行时只能在同一台机器上生效，因此在 Redis 集群在就要求相关联的 key 分配到相同机器。这里很多同学可能会问为什么，其实很简单，Redis 是单线程的，倘若 Lua 脚本操作的 key 在不同机器上执行，也就无法保证其执行的原子性了。

解决方法还是从分片技术的原理上找：
数据分片，就是一个 hash 的过程：对 key 做 md5，sha1 等 hash 算法，根据 hash 值分配到不同的机器上。

为了实现将key分到相同机器，就需要相同的 hash 值，即相同的 key（改变 hash 算法也行，但比较复杂）。但 key 相同是不现实的，因为 key 都有不同的用途。但是我们让 key 的一部分相同对我们业务实现来说是可以实现的。那么能不能拿 key 一部分来计算 hash 呢？答案是肯定的，

这就是 Hash Tag 。允许用key的部分字符串来计算hash。当一个key包含 {} 的时候，就不对整个key做hash，而仅对 {} 包括的字符串做 hash。假设 hash 算法为sha1。对 user:{user1}:ids和user:{user1}:tweets ，其 hash 值都等同于 sha1(user1)。

小结

对于上面的优化过程，目前代码重构开发工作已经完成，但是还未正式上线，等上线之后再来补一下优化之后性能的提升情况~

关注我们

作者：haifeiWu
原文链接：https://www.hchstudio.cn/article/2019/a5e3/
版权声明：非特殊声明均为本站原创作品，转载时请注明作者和原文链接。