唯品会大规模 Redis Cluster 的生产实践

yuandan

　　文章来源：http://h2ex.com/1117?utm_source=tuicool&utm_medium=referral
关于嘉宾
　　陈群，目前在唯品会主要负责redis/hbase的运维和开发支持工作，也参与工具开发工作。

　　本文是陈辉同学在Redis中国用户组给大家分享redis cluster的生产实践。

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

　　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。
  

　　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：

　　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。