浅谈redis key值内存消耗以及性能影响

时间:2021-05-19

一、redis key数量为1千万时。

存储value为"0",比较小。如果value较大,则存储内存会增多

redis key数量为一千万时,使用了865M的内存。

# Keyspacedb0:keys=11100111,expires=0,avg_ttl=0内存使用情况# Memoryused_memory:907730088used_memory_human:865.68Mused_memory_rss:979476480used_memory_rss_human:934.10Mused_memory_peak:1258244232used_memory_peak_human:1.17Gused_memory_peak_perc:72.14%used_memory_overhead:580102896used_memory_startup:765664used_memory_dataset:327627192used_memory_dataset_perc:36.12%total_system_memory:8365256704total_system_memory_human:7.79Gused_memory_lua:37888used_memory_lua_human:37.00K

二、redis key数量为1千5百万时。

redis key数量为一千五百万时,使用了1.13G的内存。

# Keyspacedb0:keys=15100031,expires=0,avg_ttl=0# Memoryused_memory:1211733288used_memory_human:1.13Gused_memory_rss:1247817728used_memory_rss_human:1.16Gused_memory_peak:1258244232used_memory_peak_human:1.17Gused_memory_peak_perc:96.30%used_memory_overhead:740104496used_memory_startup:765664used_memory_dataset:471628792used_memory_dataset_perc:38.95%total_system_memory:8365256704total_system_memory_human:7.79Gused_memory_lua:37888used_memory_lua_human:37.00K

三、redis key数量为一千五百万时压测

redis-benchmark -h 127.0.0.1 -p 6379 -c 1000 -n 10000 -t get -qGET: 34364.26 requests per second

四、使用map将key值打散存储,小key为1千五百万

使用hset存储打散为1024个key时,存储大小为921M,比直接存储节省了200M。

# Memoryused_memory:966758968used_memory_human:921.97Mused_memory_rss:1002913792used_memory_rss_human:956.45Mused_memory_peak:1749456304used_memory_peak_human:1.63Gused_memory_peak_perc:55.26%used_memory_overhead:1929880used_memory_startup:765664used_memory_dataset:964829088used_memory_dataset_perc:99.88%total_system_memory:8365256704total_system_memory_human:7.79Gused_memory_lua:37888used_memory_lua_human:37.00K # Keyspacedb0:keys=1024,expires=0,avg_ttl=0

五、使用hset存储打散为256个key

存储大小为1.09G,比直接存储小了80M。

used_memory:1170356864used_memory_human:1.09Gused_memory_rss:1190223872used_memory_rss_human:1.11Gused_memory_peak:1749456304used_memory_peak_human:1.63Gused_memory_peak_perc:66.90%used_memory_overhead:33759246used_memory_startup:765664used_memory_dataset:1136597618used_memory_dataset_perc:97.18%total_system_memory:8365256704total_system_memory_human:7.79G

六、进行hget的压力测试

redis-benchmark -h 127.0.0.1 -p 6379 -c 1000 -n 10000 -t hget myhash rand_int rand_int rand_int ====== myhash rand_int rand_int rand_int ====== 10000 requests completed in 0.22 seconds 1000 parallel clients 3 bytes payload keep alive: 1 46511.63 requests per second

七、总结

可见,当存储量特别大的时候,可以将key进行hash分散处理,可以减少存储内存。

并且当key的数量很大的时候,redis取值性能还是很高的。

补充:Redis 单key值过大 优化方式

Redis使用过程中经常会有各种大key的情况, 比如:

1: 单个简单的key存储的value很大

2: hash, set,zset,list 中存储过多的元素(以万为单位)

由于redis是单线程运行的,如果一次操作的value很大会对整个redis的响应时间造成负面影响,所以,业务上能拆则拆,下面举几个典型的分拆方案。

1、单个简单的key存储的value很大

1.1、 改对象需要每次都整存整取

可以尝试将对象分拆成几个key-value, 使用multiGet获取值,这样分拆的意义在于分拆单次操作的压力,将操作压力平摊到多个redis实例中,降低对单个redis的IO影响;

1.2、该对象每次只需要存取部分数据

可以像第一种做法一样,分拆成几个key-value, 也可以将这个存储在一个hash中,每个field代表一个具体的属性,使用hget,hmget来获取部分的value,使用hset,hmset来更新部分属性

2、 hash, set,zset,list 中存储过多的元素

类似于场景一种的第一个做法,可以将这些元素分拆。

以hash为例,原先的正常存取流程是 hget(hashKey, field) ; hset(hashKey, field, value)

现在,固定一个桶的数量,比如 10000, 每次存取的时候,先在本地计算field的hash值,模除 10000, 确定了该field落在哪个key上。

newHashKey = hashKey + (*hash*(field) % 10000); hset (newHashKey, field, value) ; hget(newHashKey, field)

set, zset, list 也可以类似上述做法.

但有些不适合的场景,比如,要保证 lpop 的数据的确是最早push到list中去的,这个就需要一些附加的属性,或者是在 key的拼接上做一些工作(比如list按照时间来分拆)。

以上为个人经验,希望能给大家一个参考,也希望大家多多支持。如有错误或未考虑完全的地方,望不吝赐教。

声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。

相关文章