简介： 主要内容： 一、IO 模型和问题 二、资源竞争与分布式锁 三、Redis 抢购系统实例
主要内容：
一、IO 模型和问题
二、资源竞争与分布式锁
三、Redis 抢购系统实例
一、IO 模型和问题
1）Run-to-Completion in a solo thread
Redis社区版的IO模型比较简单，通常是由一个 IO线程实现所有命令的解析与处理。
问题是如果有一条慢查询命令，其他的查询都要排队。即当一个客户端执行一个命令执行很慢的时候，后面的命令都会被阻塞。使用 Sentinel 判活，会导致ping 命令也被延迟，ping 命令同样受到慢查询影响，如果引擎被卡住，则 ping 失败，导致无法判断服务此时是不是可用，因为这是一种误判。
如果此时发现服务没有响应，我们从Master切换到Slave，结果又发现慢查询拖慢了Slave，这样的话，ping又会去误判，导致很难监听服务是不是可靠。
问题总结：
1. 用户所有的来自不同client的请求，实际上在每个事件到来后，都是单线程执行。等每个事件处理完成后，才处理下一个；
2. 单线程run-to-completion 就是没有dispatcher，没有后端的multi-worker；
如果慢查询诸如 keys、lrange、hgetall等拖慢了一次查询，那么后面的请求就会被拖慢。
使用 Sentinel 判活的缺陷：
• ping 命令判活：ping 命令同样受到慢查询影响，如果引擎被卡住，则 ping 失败；
• duplex Failure：sentinel 由于慢查询切备（备变主）再遇到慢查询则无法继续工作。
2）Make it a cluster
用多个分片组成一个cluster的时候，也是同样的问题。如果其中的某一个分片被慢查询拖慢，比如用户调用了跨分片的命令，如mget，访问到出问题的分片，仍会卡住，会导致后续所有命令被阻塞。
问题总结：
1. 同样的，集群版解决不了单个 DB 被卡住的问题；
2. 查询空洞：如果用户调用了跨分片的命令，如mget，访问到出问题的分片，仍会卡住。
3）“Could not get a resource from the pool”
常见的 Redis客户端如Jedis，会配连接池。业务线程去访问Redis的时候，每一个查询会去里面取一个长连接进行访问。如果该查询比较慢，连接没有返回，那么会等待很久，因为请求在返回之前这个连接不能被其他线程使用。
如果查询都比较慢，会使得每一个业务线程都拿一个新的长连接，这样的话，会逐渐耗光所有的长连接，导致最终抛出异常——连接池里面没有新的资源。因为Redis服务端是一个单线程，当客户端的一个长连接被一个慢查询阻塞时，后续连接上的请求也无法被及时处理，因为当前连接无法释放给连接池。
之所以使用连接池，是因为 Redis 协议不支持连接收敛，Message 没有 ID，所以 Request 和Response 关联不起来。如果要实现异步的话，可以每一个请求发送的时候，把回调放入一个队列里面（每个连接一个队列），在请求返回之后从队列取出来回调执行，即FIFO模型。但是服务端连接无法让服务端乱序返回，因为乱序在客户端没有办法对应起来。一般客户端的实现，用 BIO比较简单，拿一个连接阻塞住，等其返回之后，再让给其他线程使用。
但实际上异步也不能提升效率，因为服务端实际上还是只有一个线程，即便客户端对访问方式进行修改，使得很多个连接去发请求，但在服务端一样需要排队，因为是单线程，所以慢查询依然会阻塞别的长连接。
另外一个很严重的问题是，Redis的线程模型，当IO线程到万以上的时候，性能比较差，如果有2万到3万长连接，性能将会慢到业务难以承受的程度。而业务机器，比如有300~500台，每一台配50个长连接，很容易达到瓶颈。
总结：
之所以使用连接池，是因为 Redis 协议不支持连接收敛
• Message 没有 ID，所以 Request 和Response 关联不起来；
• 非常类似 HTTP 1.x消息。
当Engine层出现慢查询，就会让请求返回的慢
• 很容易让用户把连接池用光；
• 当应用机器特别多的情况，按每个 client 连接池50个max_conn 来算，很容易打到 10K 链接的限制，导致回调速度慢；
1. 每次查询，都要先从连接池拿出一个连接，当请求返回后，再放回连接池；
2. 如果用户返回的及时，那么连接池一直保有的连接数并不高
• 但是一旦返回不了，又有新的请求，就只能再checkout一根连接；
• 当连接池被checkout完，就会爆没有连接的异常："Could not get a resource from the pool"。
补充一点在当下的Redis协议上实现异步接口的方法：
1. 类似上面提到的，一个连接分配一个回调队列，在异步请求发出去前，将处理回调放入队列中，等到响应回来后取出回调执行。这个方法比较常见，主流的支持异步请求的客户端一般都这么实现。
2. 有一些取巧的做法，比如使用Multi-Exec以及ping命令包装请求，比如要调用set k v这个命令，包装为下面的形式：
multi
ping {id}
set k v
exec
服务端的返回是：
{id}
OK
这是利用Multi-Exec的原子执行以及ping的参数原样返回的特性来实现在协议中“夹带”消息的ID的方式，比较取巧，也没见客户端这么实现过。4）Redis 2.x/4.x/5.x 版本的线程模型
Redis5.X之前比较知名的版本，模型没有变化过，所有的命令处理都是单线程，所有的读、处理、写都在一个主IO里运行。后台有几个BIO线程，任务主要是关闭文件、刷文件等等。
4.0之后，添加了LAZY_FREE，有些大KEY可以异步的释放，以避免阻塞同步任务处理。而在2.8上会经常会遇到淘汰或过期删除比较大的key时服务会卡顿，所以建议用户使用4.0以上的服务端，避免此类大key删除问题导致的卡顿。
5）Redis 5.x 版本的火焰图
性能分析，如下图所示：前两部分是命令处理、中间是“读取”、最右侧“写”占比61.16%，由此可以看出，性能占比基本上都消耗在网络IO上。
6)Redis 6.x 版本的线程模型
Redis 6.x 版本改进的模型，可以在主线程，可读事件触发之后，把“读”任务委托在IO线程处理，全读完之后，返回结果，再一次处理，然后“写”也可以分发给IO线程写，显而易见可以提升性能。
这种性能提升，运行线程还只有一个，如果有一些O(1)命令，比如简单的“读”、“写”命令，提升效果非常高。但如果命令本身很复杂，因为DB还是只有一个运行线程，提升效果会比较差。
还有个问题，把“读”任务委托之后，需要等返回，“写”也需要等返回，所以主线程有很长时间在等，且这段时间无法提供服务，所以Redis 6.x模型还有提升的空间。
7) 阿里云 Redis 企业版（Tair 增强性能）的线程模型
阿里云 Redis 企业版模型更进一步，把整个事件拆分开，主线程只负责命令处理，所有的读、写处理由IO线程全权负责，不再是连接永远都属于主线程。事件出发之后，读一下而已当客户端连进来之后，直接交给其他IO线程，从此客户端可读、可写的所有事件，主线程不再关心。
当有命令到达，IO线程会把命令转发给主线程处理，处理完之后，通过通知方式把处理结果转给IO线程，由IO线程去写，最大程度把主线程的等待时间去掉，使性能有更进一步提升。
缺点还是只有一个线程在处理命令，对于O(1)命令提升效果非常理想，但对于本身比较耗CPU的命令，效果不是很理想。
8)性能对比测试
如下图所示，左边灰色是：redis社区5.0.7，右边橙色是：redis增强型性能，redis6.X的多线程性能在这两个之间。下图命令测试的是“读”命令，本身不是耗CPU，瓶颈在IO上，所以效果非常理想。如果最坏情况下，假设命令本身特别耗CPU，两个版本会无限逼近，直到齐平。
值得一提的是，redis社区版7的计划已经出来了，按目前的计划，redis社区版7会采用类似阿里云当下采用的的修改方案，逐渐逼近单个主线程的性能瓶颈。
这里补充一点，性能只是一个方面，把连接全权交给别的IO的另一个好处是获得了连接数的线性提升能力，可以通过增加IO线程数的方式不断的提升更大连接数的处理能力。阿里云的企业版Redis默认就提供数万的连接数能力，更高的比如五六万的长连接也能提工单来支持，以解决用户业务层机器大量扩容时，连接数不够用的问题。
二、资源竞争与分布式锁
1）CAS/CAD 高性能分布式锁
Redis字符串的写命令有个参数叫NX，意思是字符串不存在时可以写，是天然的加锁场景。这样的特性，加锁非常容易，value取一个随机值，set的时候带上NX参数就可以保证原子性。
带EX是为了业务机器加上锁之后，如果因为某个原因被下线掉了（或者假死之类），导致这个锁没有正常释放，就会使得这个锁永远无法被解掉。所以需要一个过期时间，保证业务机器故障之后，锁会被释放掉。
这里的参数“5”只是一个例子，并不一定得是5秒钟，要看业务机器具体要做的事情来定。
分布式锁删除的时候比较麻烦，比如机器加上锁后，突然遇到情况，卡顿或者某种原因失联了。失联之后，已经过了5秒，这个锁已经失效掉了，其他的机器加上锁了，然后之前那个机器又可用了，但是处理完之后，比如把 Key删掉了，使得删掉了本来并不属于它的锁。所以删除需要一个判断，当 value等于之前写的value时，才可以删掉。Redis 目前没有这样的命令，一般通过Lua来实现。
当 value 和引擎中 value 相等时候删除 Key，可以使用“Compare And Delete”的CAD命令。CAS/CAD 命令以及后续提到的 TairString 以 Module形式开源： https://github.com/alibaba/TairString。无论用户使用哪个Redis版本（需要支持Module机制），都可以直接把Module载入，使用这些API。
续约CAS，当加锁时我们给过一个过期时间，比如“5秒”，如果业务在这个时间内没处理完需要有一个机制续约。比如事务没有执行完，已经过了3秒，那需要把及时把运行时间延长。续约跟删除是一样的道理，我们不能直接续约，必须当value 和引擎中 value 相等时候续约 ，只有证明这个锁被当下线程持有，才能续约，所以这是一个CAS操作。同理，如果没有 API，需要写一段Lua，实现对锁的续约。
其实分布式并不是特别可靠，比如上面讲的，尽管加上锁之后失联了，锁被别人持有了，但是突然又可用了，这时代码上不会判断这个锁是不是被当下线程持有，可能会重入。所以Redis分布式锁，包括其他的分布式锁并不是100%可靠。
本节总结：
• CAS/CAD 是对 Redis String 的扩展；
• 分布式锁实现的问题；
• 续约（使用CAS）
• 详细文档：https://help.aliyun.com/document_detail/146758.html；
CAS/CAD 以及后续提到的 TairString 以 module 形式开源： https://github.com/alibaba/TairString。
2)CAS/CAD 的 Lua 实现
如果说没有CAS/CAD命令，需要去写一段Lua，第一是读 Key，如果value等于我的value，那么可以删掉；第二是需续约，value等于我的value，更新一下时间。
需要注意的是，脚本中每次调用会改变的值一定要通过参数传递，因为只要脚本不相同，Redis 就会缓存这个脚本，截止目前社区 6.2 版本仍然没有限制这个缓存大小的配置，也没有逐出策略，执行 script flush 命令清理缓存时也是 同步 操作，一定要避免脚本缓存过大（异步删除缓存的能力已经由阿里云的工程师添加到社区版本，Redis 6.2开始支持 script flush async）。
使用方式也是先执行 script load 命令加载 Lua 到Redis 中，后续使用 evalsha 命令携带参数调用脚本，一来减少网络带宽，二来避免每次载入不同的脚本。需要注意的是 evalsha 可能返回脚本不存在，需要处理这个错误，重新 script load 解决。
CAS/CAD 的 Lua 实现还需要注意：
• 其实由于 Redis 本身的数据一致性保证以及宕机恢复能力上看，分布式锁并不是特别可靠的；
• Redis 作者提出来 Redlock 这个算法，但是争议也颇多： 参考资料1、 参考资料2 、参考资料3；
• 如果对可靠性要求更高的话，可以考虑 Zookeeper 等其他方案（可靠性++， 性能--）；
• 或者，使用消息队列串行化这个需要互斥的操作，当然这个要根据业务系统去设计。
3)Redis LUA
一般来说，不建议在Redis里面使用LUA，LUA执行需要先解析、翻译，然后执行整个过程。
第一：因为 Redis LUA，等于是在C里面调LUA，然后LUA里面再去调 C，返回值会有两次的转换，先从Redis协议返回值转成LUA对象，再由LUA对象转成 C的数据返回。
第二：有很多LUA解析，VM处理，包括lua.vm内存占用，会比一般的命令时间慢。建议用LUA最好只写比较简单的，比如if判断。尽量避免循环，尽量避免重的操作，尽量避免大数据访问、获取。因为引擎只有一个线程，当CPU被耗在LUA的时候，只有更少的CPU处理业务命令，所以要慎用。
总结：
• “The LUA Iceberg inside Redis”
脚本的 compile-load-run-unload 非常耗费 CPU，整个 Lua 相当于把复杂事务推送到 Redis 中执行，如果稍有不慎内存会爆，引擎算力耗光后挂住Redis。
• “Script + EVALSHA”
可以先把脚本在 Redis 中预编译和加载（不会 unload 和 clean），使用EVALSHA 执行，会比纯 EVAL 省 CPU，但是 Redis重启/切换/变配 code cache 会失效，需要reload，仍是缺陷方案。建议使用复杂数据结构，或者 module 来取代 Lua。
• 对于 JIT 技术在存储引擎中而言，“EVAL is evil”，尽量避免使用 Lua 耗费内存和计算资源（省事不省心）；
• 某些SDK（如 Redisson）很多高级实现都内置使用 Lua，开发者可能莫名走入 CPU 运算风暴中，须谨慎。
三、Redis 抢购系统实例
1）抢购/秒杀场景的特点
• 秒杀活动对稀缺或者特价的商品进行定时定量售卖，吸引成大量的消费者进行抢购，但又只有少部分消费者可以下单成功。因此，秒杀活动将在较短时间内产生比平时大数十倍，上百倍的页面访问流量和下单请求流量。
• 秒杀活动可以分为 3 个阶段：
• 秒杀前：用户不断刷新商品详情页，页面请求达到瞬时峰值；
• 秒杀开始：用户点击秒杀按钮，下单请求达到瞬时峰值；
• 秒杀后：少部分成功下单的用户不断刷新订单或者退单，大部分用户继续刷新商品详情页等待机会。
2）抢购/秒杀场景的一般方法
• 抢购/秒杀其实主要解决的就是热点数据高并发读写的问题。
• 抢购/秒杀的过程就是一个不断对请求 “剪枝” 的过程：
1.尽可能减少用户到应用服务端的读写请求（客户端拦截一部分）；
2.应用到达服务端的请求要减少对后端存储系统的访问（服务端 LocalCache 拦截一部分）；
3.需要请求存储系统的请求尽可能减少对数据库的访问（使用 Redis 拦截绝大多数）；
4.最终的请求到达数据库（也可以消息队列再排个队兜底，万一后端存储系统无响应，应用服务端要有兜底方案）。
• 基本原则
1. 数据少（静态化、CDN、前端资源合并，页面动静分离，LocalCache）尽一切的可能降低页面对于动态部分的需求，如果前端的整个页面大部分都是静态，通过 CDN或者其他机制可以全部挡掉，服务端的请求无论是量，还是字节数都会少很多。
2. 路径短（前端到末端的路径尽可能短、尽量减少对不同系统的依赖，支持限流降级）；从用户这边发起之后，到最终秒杀的路径中，依赖的业务系统要少，旁路系统也要竞争的少，每一层都要支持限流降级，当被限流被降级之后，对于前端的提示做优化。
3. 禁单点（应用服务无状态化水平扩展、存储服务避免热点）。服务的任何地方都要支持无状态化水平扩展，对于存储有那个状态，避免热点，一般都是避免一些读、写热点。
• 扣减库存的时机
1.下单减库存（ 避免恶意下单不付款、保证大并发请求时库存数据不能为负数 ）；
2. 付款减库存（ 下单成功付不了款影响体验 ）；
3. 预扣库存超时释放（ 可以结合 Quartz 等框架做，还要做好安全和反作弊 ）。
一般都选择第三种，多前两种都有缺陷，第一种很难避免恶意下单不付款，第二种成功的下单了，但是没法付款，因为没有库存。两个体验都非常不好，一般都是先预扣库存，这个单子超时会把库存释放掉。结合电视框架做，同时会做好安全与反作弊机制。
• Redis 的一般实现方案
1. String 结构
• 直接使用incr/decr/incrby/decrby，注意 Redis 目前不支持上下界的限制；
• 如果要避免负数或者有关联关系的库存 sku 扣减只能使用 Lua。
2. List 结构
• 每个商品是一个 List，每个 Node 是一个库存单位；
• 扣减库存使用lpop/rpop 命令，直到返回 nil （key not exist）。
List缺点比较明显，如：占用的内存变大，还有如果一次扣减多个，lpop就要调很多次，对性能非常不好。
3. Set/Hash 结构
• 一般用来去重，限制用户只能购买指定个数（hincrby 计数，hget 判断已购买数量）；
• 注意要把用户 UID 映射到多个 key 来读写，一定不能都放到某一个 key 里（热点）；因为典型的热点key的读写瓶颈，会直接造成业务瓶颈。
4.业务场景允许的情况下，热点商品可以使用多个 key：key_1，key_2，key_3 ...
• 随机选择;
• 用户 UID 做映射（不同的用户等级也可以设置不同的库存量）。
3）TairString：支持高并发 CAS 的 String
module里另一个结构TairString，对 Redis String进行修改，支持高并发 CAS 的 String，携带Version 的 String，有Version值，在读、写时带上Version值实现乐观所，注意这个String对应的数据结构是另一种，不能与 Redis 的普通 String 混用。
TairString的作用，如上图所示，先给一个exGet值，会返回（value,version），然后基于 value操作，更新时带上之前 version，如果一致，那么更新，否则重新读，然后去改再更新，实现CAS操作，在服务端就是乐观锁。
对于上述场景进一步优化，提供了exCAS接口，exCAS跟exSet一样，但遇到version冲突之后，不光返回version不一致的错误，并且顺带返回新的value跟新的version。这样的话，API调用又减少一次，先exSet之后用exCAS进行操作，如果失败了再“exSet -> exCAS” 减少网络交互，降低对Redis的访问量。
本节总结：
TairString：支持高并发 CAS 的 String。
• 携带 Version 的 String
• 保证并发更新的原子性；
• 通过 Version 来实现更新，乐观锁；
• 不能与 Redis 的普通 String 混用。
• 更多的语义
•exIncr/exIncrBy：抢购/秒（有上下界）；
• exSet -> exCAS：减少网络交互。
• 详细文档：https://help.aliyun.com/document_detail/147094.html。
• 以 Module 形式开源：https://github.com/alibaba/TairString。
4）String 和 exString 原子计数的对比
String方式INCRBY，没有上下界；exString 方式是EXINCRBY，提供了各种各样的参数跟上下界，比如直接指定最小是0，当等于0时就不能再减了。另外还支持过期，比如某个商品只能在某个时间段抢购，过了这个时间点之后让它失效。业务系统也会做一些限制，缓存可以做限制，过了时间点把这个缓存清理掉。如果库存数量有限，比如如果没人购买，商品过10秒钟消掉；如果有人一直在买，这个缓存一直续期，可以在EXINCRBY里面带一个参数，每调用一次 INCRBY或者API就会给它续期，提升命中率。
计数器过期时间可以做什么？
1 某件商品指定在某个时间段抢购，需要在某个时间后库存失效。
2. 缓存的库存如果有限，没人购买的商品就过期删除，有人购买过就自动再续期一段时间（提升缓存命中率）。
如下图所示，用Redis String，可以写上面这段Lua，“get”KEY[1]大于“0”的时候“decrby”减“1”,否则返回“overflow”错误，已经减到“0”不能再减。下面是执行的例子，ex_item设为“3”，然后减、减、减，当比“0”时返回“overflow”错误。
用exString非常简单，直接exset一个值，然后”exincrby k -1”。 注意 String 和TairString 类型不同，不能混用 API。
