三、Redis避免数据丢失之AOF(Append Only File)

AOF日志是如何实现的?

注意点:AOF是写后(Redis 是先执行命令,把数据写入内存,然后才记录日志)日志,避免出现记录错误命令的情况。

Redis AOF操作过程

AOF日志都记录了什么?

AOF日志内容

如上图,redis执行set testkey testvalue为例,“*”表示当前命令有三个部分,每部分都是由“$+数字”开头,后面紧跟着具体的命令、键或值。“数字”表示这部分中的命令、键或值一共有多少字节。
*3:执行的命令有3部分
$3:命令有3个字节
$7:键有7个字节
$9:值有9个字节

潜在风险?

因为AOF采用写后方式,存在以下场景:

    1. 如果命令执行后,还没写日志,Redis宕机了怎么办?
      导致数据丢失。
    1. 如果磁盘IO性能很慢,是不是就影响了后续操作?
      导致主线程阻塞,影响后续操作无法执行。

以上问题Redis提供了三种写回策略,便于根据实际场景选择。

AOF三种写回策略

  • Always,同步写回(每个写命令执行完,立马同步地将日志写回磁盘)
  • No,操作系统控制的写回(每个写命令执行完,只是先把日志写到 AOF 文件的内存缓冲区,由操作系统决定何时将缓冲区内容写回磁盘)
  • Everysec,每秒写回(每个写命令执行完,只是先把日志写到 AOF 文件的内存缓冲区,每隔一秒把缓冲区中的内容写入磁盘)

围绕两方面思考点出发,1.避免主线程阻塞 2.减少数据丢失,那这三种都无法做到两全其美。

  • Always,同步写回。基本可以做到不丢失数据,但是它在每一个写命令后都有一个慢速的落盘操作,不可避免地会影响主线程性能;
  • No,操作系统控制写回。落盘的时机在于操作系统,如果操作系统没执行写回就会导致数据全盘丢失。
  • Everysec,每秒写回。相比Always减少性能开销,不需要每一个命令都去写入磁盘。相比No,如果发生Redis宕机也只会丢失1秒数据,等于两者做了个折中处理。


    写回策略优缺点对比

场景选择建议

  • 获得高性能,选择No策略;
  • 获得高可靠性保证,选择Always策略;
  • 允许数据有一点丢失,性能不受太大影响,选择Everysec策略。

日志文件大了会有哪些影响?

需要注意的是如果随着时间和数据量的推移,日志文件会越来越过大,这会影响一些额外性能问题。

  • 操作系统无法保存大日志文件
  • 文件过大带随之写入的性能降低
  • 恢复数据时,AOF 中记录的命令要一个个被重新执行,用于故障恢复,如果过大,Redis恢复时较慢

AOF重写机制

重写机制就是“多变一”(旧日志文件中的多条命令,在重写后的新日志中变成了一条命令)。如图:


AOF重写机制

重写会产生:一个拷贝两处日志(原日志和重写过程中的日志)

重写过程扩展阅读,这里需要慢慢消化了

主线程 fork 出后台的 bgrewriteaof 子进程,表面上来讲不会阻塞主线程,但是fork的瞬间会阻塞主线程。fork采用操作系统提供的写时复制(Copy On Write)机制,为了避免一次性拷贝大量内存数据给子进程造成的长时间阻塞问题,fork子进程需要拷贝必要的数据结构,其中一项就是拷贝内存页表(虚拟内存和物理内存的映射索引表),拷贝过程会消耗大量CPU资源,拷贝中整个进程会阻塞,阻塞时间取决于整个实例的内存大小,实例越大,内存页表越大,fork阻塞时间越久。拷贝内存页表完成后,子进程与父进程指向相同的内存地址空间,虽然产生了子进程,但是并没有申请与父进程相同的内存大小。那什么时候父子进程才会真正内存分离呢?“写时复制”顾名思义,就是在写发生时,才真正拷贝内存真正的数据,这个过程中,父进程也可能会产生阻塞的风险。fork出的子进程指向与父进程相同的内存地址空间,此时子进程就可以执行AOF重写,把内存中的所有数据写入到AOF文件中。但是此时父进程依旧是会有流量写入的,如果父进程操作的是一个已经存在的key,那么这个时候父进程就会真正拷贝这个key对应的内存数据,申请新的内存空间,这样逐渐地,父子进程内存数据开始分离,父子进程逐渐拥有各自独立的内存空间。因为内存分配是以页为单位进行分配的,默认4k,如果父进程此时操作的是一个bigkey,重新申请大块内存耗时会变长,可能会产阻塞风险。另外,如果操作系统开启了内存大页机制(Huge Page,页面大小2M),那么父进程申请内存时阻塞的概率将会大大提高,所以在Redis机器上需要关闭Huge Page机制。Redis每次fork生成RDB或AOF重写完成后,可以在Redis log中看到父进程重新申请了多大的内存空间。

Huge page对提升TLB命中率比较友好,因为在相同的内存容量下,使用huge page可以减少页表项,TLB就可以缓存更多的页表项,能减少TLB miss的开销。这个机制对于Redis这种喜欢用fork的系统来说,的确不太友好,尤其是在Redis的写入请求比较多的情况下。因为fork后,父进程修改数据采用写时复制,复制的粒度为一个内存页。如果只是修改一个256B的数据,父进程需要读原来的内存页,然后再映射到新的物理地址写入。一读一写会造成读写放大。如果内存页越大(例如2MB的大页),那么读写放大也就越严重,对Redis性能造成影响。

Huge page在实际使用Redis时是建议关掉的

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,457评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,837评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,696评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,183评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,057评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,105评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,520评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,211评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,482评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,574评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,353评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,213评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,576评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,897评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,489评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,683评论 2 335