這篇文章主要介紹了利用Redis實(shí)現(xiàn)SQL伸縮的方法,包括講到了鎖和時(shí)間序列等方面來提升傳統(tǒng)數(shù)據(jù)庫(kù)的性能,需要的朋友可以參考下。

緩解行競(jìng)爭(zhēng)

我們?cè)赟entry開發(fā)的早起采用的是sentry.buffers。 這是一個(gè)簡(jiǎn)單的系統(tǒng)，它允許我們以簡(jiǎn)單的Last Write Wins策略來實(shí)現(xiàn)非常有效的緩沖計(jì)數(shù)器。 重要的是，我們借助它完全消除了任何形式的耐久性 (這是Sentry工作的一個(gè)非?？山邮艿姆绞?。

操作非常簡(jiǎn)單，每當(dāng)一個(gè)更新進(jìn)來我們就做如下幾步：

• 創(chuàng)建一個(gè)綁定到傳入實(shí)體的哈希鍵(hash key)
• 使用HINCRBY使計(jì)數(shù)器值增加
• HSET所有的LWW數(shù)據(jù)(比如 "最后一次見到的")
• 用當(dāng)前時(shí)間戳ZADD哈希鍵(hash key)到一個(gè)"掛起" set

現(xiàn)在每一個(gè)時(shí)間刻度 (在Sentry中為10秒鐘) 我們要轉(zhuǎn)儲(chǔ)(dump)這些緩沖區(qū)并且扇出寫道(fanout the writes)。 看起來像下面這樣:

• 使用ZRANGE獲取所有的key
• 為每一個(gè)掛起的key發(fā)起一個(gè)作業(yè)到RabbitMQ

現(xiàn)在RabbitMQ作業(yè)將能夠讀取和清除哈希表，和“懸而未決”更新已經(jīng)彈出了一套。有幾件事情需要注意：

• 在下面我們想要只彈出一個(gè)設(shè)置的數(shù)量的例子中我們將使用一組排序(舉例來說我們需要那100個(gè)舊集合)。
• 假使我們?yōu)榱颂幚硪粋€(gè)鍵值來結(jié)束多道排序的作業(yè)，這個(gè)人會(huì)得到no-oped由于另一個(gè)已經(jīng)存在的處理和清空哈希的過程。
• 該系統(tǒng)能夠在許多Redis節(jié)點(diǎn)上不斷擴(kuò)展下去僅僅是通過在每個(gè)節(jié)點(diǎn)上安置把一個(gè)'懸置'主鍵來實(shí)現(xiàn)。

我們有了這個(gè)處理問題的模型之后，能夠確?！按蟛糠智闆r下”每次在SQL中只有一行能夠被馬上更新，而這樣的處理方式減輕了我們能夠預(yù)見到的鎖問題?？紤]到將會(huì)處理一個(gè)突然產(chǎn)生且所有最終組合在一起進(jìn)入同一個(gè)計(jì)數(shù)器的數(shù)據(jù)的場(chǎng)景，這種策略對(duì)Sentry用處很多。

速度限制

出于哨兵的局限性，我們必須終結(jié)持續(xù)的拒絕服務(wù)攻擊。我們通過限制連接速度來應(yīng)對(duì)這種問題，其中一項(xiàng)是通過Redis支持的。這無疑是在sentry.quotas范圍內(nèi)更直接的實(shí)現(xiàn)。

它的邏輯相當(dāng)直接，如同下面展示的那般：

def incr_and_check_limit(user_id, limit): 
 key = '{user_id}:{epoch}'.format(user_id, int(time() / 60)) 
  
 pipe = redis.pipeline() 
 pipe.incr(key) 
 pipe.expire(key, 60) 
 current_rate, _ = pipe.execute() 
  
 return int(current_rate) > limit 

我們所闡明的限制速率的方法是 Redis在高速緩存服務(wù)上最基本的功能之一：增加空的鍵字。在高速緩存服務(wù)中實(shí)現(xiàn)同樣的行為可能最終使用這種方法：

def incr_and_check_limit_memcache(user_id, limit): 
 key = '{user_id}:{epoch}'.format(user_id, int(time() / 60)) 
  
 if cache.add(key, 0, 60): 
  return False 
  
 current_rate = cache.incr(key) 
  
 return current_rate > limit 

事實(shí)上我們最終采取這種策略可以使哨兵追蹤不同事件的短期數(shù)據(jù)。在這種情況下，我們通常對(duì)用戶數(shù)據(jù)進(jìn)行排序以便可以在最短的時(shí)間內(nèi)找到最活躍用戶的數(shù)據(jù)。

基本鎖

雖然Redis的是可用性不高，我們的用例鎖，使其成為工作的好工具。我們沒有使用這些在哨兵的核心了，但一個(gè)示例用例是，我們希望盡量減少并發(fā)性和簡(jiǎn)單無操作的操作，如果事情似乎是已經(jīng)在運(yùn)行。這對(duì)于可能需要執(zhí)行每隔一段時(shí)間類似cron任務(wù)非常有用，但不具備較強(qiáng)的協(xié)調(diào)。

在Redis的這樣使用SETNX操作是相當(dāng)簡(jiǎn)單的：

from contextlib import contextmanagerr = Redis()@contextmanagerdef lock(key, nowait=True): 
 while not r.setnx(key, '1'): 
  if nowait: 
   raise Locked('try again soon!') 
  sleep(0.01) 
  
 # limit lock time to 10 seconds 
 r.expire(key, 10) 
  
 # do something crazy 
 yield 
  
 # explicitly unlock 
 r.delete(key) 

而鎖()內(nèi)的哨兵利用的memcached的，但絕對(duì)沒有理由我們不能在其切換到Redis。
時(shí)間序列數(shù)據(jù)

近來我們創(chuàng)造一個(gè)新的機(jī)制在Sentry(包含在sentry.tsdb中) 存儲(chǔ)時(shí)間序列數(shù)據(jù)。這是受RRD模型啟發(fā)，特別是Graphite。我們期望一個(gè)快速簡(jiǎn)單的方式存儲(chǔ)短期(比如一個(gè)月)時(shí)間序列數(shù)，以便于處理高速寫入數(shù)據(jù)，特別是在極端情況下計(jì)算潛在的短期速率。盡管這是第一個(gè)模型，我們依舊期望在Redis存儲(chǔ)數(shù)據(jù)，它也是使用計(jì)數(shù)器的簡(jiǎn)單范例。

在目前的模型中，我們使用單一的hash map來存儲(chǔ)全部時(shí)間序列數(shù)據(jù)。例如，這意味所有數(shù)據(jù)項(xiàng)在都將同一個(gè)哈希鍵擁有一個(gè)數(shù)據(jù)類型和1秒的生命周期。如下所示：

{ 
 
  "<type enum>:<epoch>:<shard number>": { 
 
    "<id>": <count> 
 
  }} 

因此在這種狀況，我們需要追蹤事件的數(shù)目。事件類型映射到枚舉類型"1".該判斷的時(shí)間是1s，因此我們的處理時(shí)間需要以秒計(jì)。散列最終看起來是這樣的：

 { 
 
  "1:1399958363:0": { 
 
    "1": 53, 
 
    "2": 72, 
 
  }} 

一個(gè)可修改模型可能僅使用簡(jiǎn)單的鍵并且僅在存儲(chǔ)區(qū)上增加一些增量寄存器。

"1:1399958363:0:1": 53 

我們選擇哈希映射模型基于以下兩個(gè)原因：

我們可以將所有的鍵設(shè)為一次性的(這也可能產(chǎn)生負(fù)面影響，但是目前為止是穩(wěn)定的)

大幅壓縮鍵值，這是相當(dāng)重要的處理

此外，離散的數(shù)字鍵允許我們?cè)趯⑻摂M的離散鍵值映射到固定數(shù)目的鍵值上，并在此分配單一存儲(chǔ)區(qū)(我們可以使用64，映射到32個(gè)物理結(jié)點(diǎn)上)

現(xiàn)在通過使用 Nydus和它的map()(依賴于一個(gè)工作區(qū))()，數(shù)據(jù)查詢已經(jīng)完成。這次操作的代碼是相當(dāng)健壯的，但幸好它并不龐大。

def get_range(self, model, keys, start, end, rollup=None): 
 """ To get a range of data for group ID=[1, 2, 3]: Start and end are both inclusive. >>> now = timezone.now() >>> get_keys(tsdb.models.group, [1, 2, 3], >>>   start=now - timedelta(days=1), >>>   end=now) """ 
 normalize_to_epoch = self.normalize_to_epoch 
 normalize_to_rollup = self.normalize_to_rollup 
 make_key = self.make_key 
  
 if rollup is None: 
  rollup = self.get_optimal_rollup(start, end) 
  
 results = [] 
 timestamp = end 
 with self.conn.map() as conn: 
  while timestamp >= start: 
   real_epoch = normalize_to_epoch(timestamp, rollup) 
   norm_epoch = normalize_to_rollup(timestamp, rollup) 
  
   for key in keys: 
    model_key = self.get_model_key(key) 
    hash_key = make_key(model, norm_epoch, model_key) 
    results.append((real_epoch, key, conn.hget(hash_key, model_key))) 
  
   timestamp = timestamp - timedelta(seconds=rollup) 
  
 results_by_key = defaultdict(dict) 
 for epoch, key, count in results: 
  results_by_key[key][epoch] = int(count or 0) 
  
 for key, points in results_by_key.iteritems(): 
  results_by_key[key] = sorted(points.items()) 
 return dict(results_by_key) 

歸結(jié)如下：

• 生成所必須的鍵。
• 使用工作區(qū)，提取所有連接操作的最小結(jié)果集(Nydus負(fù)責(zé)這些)。
• 給出結(jié)果，并且基于指定的時(shí)間間隔內(nèi)和給定的鍵值將它們映射到當(dāng)前的存儲(chǔ)區(qū)內(nèi)。

以上就是如何利用Redis實(shí)現(xiàn)SQL伸縮的方法，希望對(duì)大家的學(xué)習(xí)有所幫助。

最新評(píng)論