Redis 内存压缩实战，学习了！

Mike

　　作者：Xie Zefan


　　在讨论Redis内存压缩的时候，我们需要了解一下几个Redis的相关知识。

压缩列表 ziplist
　　Redis的ziplist是用一段连续的内存来存储列表数据的一个数据结构，它的结构示例如下图

压缩列表组成示例--截图来自《Redis设计与实现》

• zlbytes: 记录整个压缩列表使用的内存大小
  
• zltail: 记录压缩列表表尾距离起始位置有多少字节
  
• zllen: 记录压缩列表节点数量，值得注意的一点是，因为它只占了2个字节，所以最大值只能到65535，这意味着压缩列表长度大于65535的时候，就只能通过遍历整个列表来计算长度了
  
• zleng: 压缩列表末端标志位，固定值为OxFF
  
• entry1-N: 压缩列表节点, 具体结构如下图
  

压缩列表节点组成示例--截图来自《Redis设计与实现》

　　其中

• previous_entry_length: 上一个节点的长度
  
• encoding: content的编码以及长度
  
• content: 节点数据
  

　　当我们查找一个节点的时候，主要进行一下操作:

• 根据zltail获取最后一个节点的位置
  
• 判断当前节点是否是目标节点
  
• 如果是，则返回数据
  
• 如果不是，则根据previous_entry_length计算上一个节点的起始位置，然后重新进行步骤2判断
  

　　通过上述的描述，我们可以知道，ziplist每次数据更新的复杂度大约是O(N)，因为它需要对N个节点进行内存重分配，查找一个数据的时候，复杂度是O(N)，最坏情况下需要遍历整个列表。

什么情况下会使用到ziplist呢？
　　Redis会使用到ziplist的数据结构是Hash与List。
　　Hash结构使用ziplist作为底层存储的两个条件是:

• 所有的键与值的字符串长度都小于64字节的时候
  
• 键与值对数据小于512个
  

　　只要上述条件任何一个不满足，Redis就会自动将这个Hash对象从ziplist转换成hashtable。但这两个阈值可以通过修改配置文件中的hash-max-ziplist-value与hash-max-ziplist-entries来变更。
　　List结构使用ziplist的条件与Hash结构一样，当条件不满足的时候，会从ziplist转换成linkedlist，同样我们可以修改list-max-ziplist-value与hash-max-ziplist-entries来使用不同的阈值。
　　为什么Hash与List会使用ziplist来存储数据呢？
　　因为

• ziplist会比hashtable与ziplist节省跟多的内存
  
• 内存中以连续块方式保存的数据比起hashtable与linkedlist使用的链表可以更快的载入缓存中
  
• 当ziplist的长度比较小的时候，从ziplist读写数据的效率比hashtable或者linkedlist的差异并不大。
  

　　本质上，使用ziplist就是以时间换空间的一种优化，但是他的时间损坏小到几乎可以忽略不计，但却能带来可观的内存减少，所以满足条件时，Redis会使用ziplist作为Hash与List的存储结构。

实战
　　我们先抛出问题，在广告程序化交易的过程中，我们经常需要为一个广告投放计划定制人群包，其存储的形式如下:

人群包ID => [设备ID_1, 设备ID_2 ... 设备ID_N]

　　其中，人群包ID是Long型整数，设备ID是经过MD5处理，长度为32。
在业务场景中，我们需要判断一个设备ID是否在一个人群包中，来决定是否投放广告。
　　在传统的使用Redis的场景, 我们可以使用标准的KV结构来存储定向包数据，则存储方式如下:

{人群包ID}_{设备ID_1} => true
{人群包ID}_{设备ID_2} => true

　　如果我们想使用ziplist来继续内存压缩的话，我们必须保证Hash对象的长度小于512，并且键值的长度小于64字节。我们可以将KV结构的数据，存储到预先分配好的bucket中。
　　我们先预估下，整个Redis集群预计容纳的数据条数为10亿，那么Bucket的数量的计算公式如下:

bucket_count = 10亿 / 512 = 195W

　　那么我们大概需要200W个Bucket(预估Bucket数量需要多预估一点，以防触发临界值问题）
我们先以下公式计算BucketID:

bucket_id = CRC32(人群包ID + "_" + 设备ID) % 200W

　　那么数据在Redis的存储结构就变成

bucket_id => {
   {人群包ID}_{设备ID_1} => true
   {人群包ID}_{设备ID_2} => true
}

　　这样我们保证每个bucket中的数据项都小于512，并且长度均小于64字节。
　　我们以2000W数据进行测试，前后两者的内存使用情况如下:
数据集大小存储模式Bucket数量所用内存碎片率Redis占用的内存2000W压缩列表200W928M1.381.25G2000W压缩列表5W785M1.481.14G2000W直接存储-1.44G1.031.48G　　在这里需要额外引入一个概念 – 内存碎片率。

内存碎片率 = 操作系统给Redis分配的内存 / Redis存储对象占用的内存

　　因为压缩列表在更新节点的时候，经常需要进行内存重分配，所以导致比较高的内存碎片率。我们在做技术方案比较的时候，内存碎片率也是非常需要关注的指标之一。
　　但有很多手段可以减少内存碎片率，比如内存对其，甚至更极端的直接重做整个Redis内存（利用快照或者从节点来重做内存）都能有效的减低内存碎片率。
　　我们在本次实验中，因为存储的数值比较大（单个KEY约34个字节），所以实际节省内存不是很多，但依然能节约35%-50%的内存使用。
　　在实际的生产环境中，我们根据应用场景合理的设计压缩存储结构，部分业务甚至能达到节约70%的内存使用的效果。

压缩列表能节省多少内存？
　　我们现在知道压缩列表是通过将节点紧凑的排列在内存中，从而节省掉内存的。但他究竟节省了哪些内存从而能达到惊人的压缩率呢？
　　首先为了明白这个细节，我们需要知道普通Key-Value结构在Redis中是如何存储的。

typedef struct redisObject {
  unsigned type:4;    // 对象的类型
  unsigned encoding:4;  // 对象的编码
  unsigned lru:LRU_BITS;  // LRU类型
  int refcount;       // 引用计数
  void *ptr;        // 指向底层数据结构的指针
} robj;

　　Redis所有的对象都是通过上述结构来存储, 假设我存储Hello=>World这样一个健值对到Redis中，除了存储本身键值的数据外，还需要额外的24个字节来存储redisObject对象。
　　而Redis存储字符串使用的SDS数据结构

struct sdshdr8 {
  uint8_t len;    // 所保存字符串的长度
  uint8_t alloc;    // 分配的内存数量
  unsigned char flags;// 标志位，用于判断sdshdr类型
  char buf[];     // 字节数组，用户保存字符串
};

　　假如字符串的长度无法用unsigned int8来表示的话，Redis会使用能表达更大长度的sdshdr16结构来存储字符串。
　　并且，为了减少修改字符串带来的内存重分类问题，Redis会进行内存预分配，所以可能你仅仅为了保存五个字符，但Redis会为你预分配10 bytes的内存。
　　这意味着当我们存储Hello这个字符串的时候，你需要额外的3个以上的字节。
　　Oh~~~，我只想保存Hello=>World这十个字符的数据，竟然需要的30~40个字节的数据来存储额外的信息，比存储数据本身的大小还多一些。这还没包括Redis维护字典表所需要的额外的内存空间。
　　那么假设我们用ziplist来存储这个数据，我们仅仅需要额外的2个字节用于存储previous_entry_length与encoding。具体的计算方式可以参考Redis源码或者《Redis设计与实现》第一部分第7章压缩列表。

总结
　　从以上对比，我们可以看出，在存储越小的数据的时候，使用ziplist来进行数据压缩能得到更好的压缩率。
但副作用也很明显，ziplist的更新效率远远低于普通K-V模式，并且会造成额外的内存碎片率。
　　在Redis中存储大量数据的实践过程中，我们经常会做一些小技巧来尽可能压榨Redis的存储能力。接下来准备写一篇Redis内存压缩的小技巧。