Redis大集群扩容性能优化实践

宝剑锋从磨砺出,梅花香自苦寒来。这篇文章主要讲述Redis大集群扩容性能优化实践相关的知识,希望能为你提供帮助。
一、背景在现网环境,一些使用Redis集群的业务随着业务量的上涨,往往需要进行节点扩容操作。
之前有了解到运维同学对一些节点数比较大的Redis集群进行扩容操作后,业务侧反映集群性能下降,具体表现在访问时延增长明显。
某些业务对Redis集群访问时延比较敏感,例如现网环境对模型实时读取,或者一些业务依赖读取Redis集群的同步流程,会影响业务的实时流程时延。业务侧可能无法接受。
为了找到这个问题的根因,我们对某一次的Redis集群迁移操作后的集群性能下降问题进行排查。
1.1 问题描述这一次具体的Redis集群问题的场景是:某一个Redis集群进行过扩容操作。业务侧使用Hiredis-vip进行Redis集群访问,进行MGET操作。
业务侧感知到访问Redis集群的时延变高。
1.2 现网环境说明

  • 目前现网环境部署的Redis版本多数是3.x或者4.x版本;
  • 业务访问Redis集群的客户端品类繁多,较多的使用Jedis。本次问题排查的业务使用客户端Hiredis-vip进行访问;
  • Redis集群的节点数比较大,规模是100+;
  • 集群之前存在扩容操作。
1.3 观察现象因为时延变高,我们从几个方面进行排查:
  • 带宽是否打满;
  • CPU是否占用过高;
  • OPS是否很高;
通过简单的监控排查,带宽负载不高。但是发现CPU表现异常:
Redis大集群扩容性能优化实践

文章图片

1.3.1 对比OPS和CPU负载
观察业务反馈使用的MGET和CPU负载,我们找到了对应的监控曲线。
从时间上分析,MGET和CPU负载高并没有直接关联。业务侧反馈的是MGET的时延普遍增高。此处看到MGET的OPS和CPU负载是错峰的。
Redis大集群扩容性能优化实践

文章图片

此处可以暂时确定业务请求和CPU负载暂时没有直接关系,但是从曲线上可以看出:在同一个时间轴上,业务请求和cpu负载存在错峰的情况,两者间应该有间接关系。
1.3.2 对比Cluster指令OPS和CPU负载
【Redis大集群扩容性能优化实践】由于之前有运维侧同事有反馈集群进行过扩容操作,必然存在slot的迁移。
考虑到业务的客户端一般都会使用缓存存放Redis集群的slot拓扑信息,因此怀疑Cluster指令会和CPU负载存在一定联系。
我们找到了当中确实有一些联系:
Redis大集群扩容性能优化实践

文章图片

此处可以明显看到:某个实例在执行Cluster指令的时候,CPU的使用会明显上涨。
根据上述现象,大致可以进行一个简单的聚焦:
  • 业务侧执行MGET,因为一些原因执行了Cluster指令;
  • Cluster指令因为一些原因导致CPU占用较高影响其他操作;
  • 怀疑Cluster指令是性能瓶颈。
同时,引申几个需要关注的问题:
为什么会有较多的Cluster指令被执行?
为什么Cluster指令执行的时候CPU资源比较高?
为什么节点规模大的集群迁移slot操作容易“中招”?
二、问题排查 2.1 Redis热点排查我们对一台现场出现了CPU负载高的Redis实例使用perf top进行简单的分析:
Redis大集群扩容性能优化实践

文章图片

从上图可以看出来,函数(ClusterReplyMultiBulkSlots)占用的CPU资源高达 51.84%,存在异常。
2.1.1 ClusterReplyMultiBulkSlots实现原理
我们对clusterReplyMultiBulkSlots函数进行分析:
void clusterReplyMultiBulkSlots(client *c) { /* Format: 1) 1) start slot *2) end slot *3) 1) master IP *2) master port *3) node ID *4) 1) replica IP *2) replica port *3) node ID *... continued until done */int num_masters = 0; void *slot_replylen = addDeferredMultiBulkLength(c); dictEntry *de; dictIterator *di = dictGetSafeIterator(server.cluster-> nodes); while((de = dictNext(di)) != NULL) { /*注意:此处是对当前Redis节点记录的集群所有主节点都进行了遍历*/ clusterNode *node = dictGetVal(de); int j = 0, start = -1; /* Skip slaves (that are iterated when producing the output of their * master) andmasters not serving any slot. */ /*跳过备节点。备节点的信息会从主节点侧获取。*/ if (!nodeIsMaster(node) || node-> numslots == 0) continue; for (j = 0; j < CLUSTER_SLOTS; j++) { /*注意:此处是对当前节点中记录的所有slot进行了遍历*/ int bit, i; /*确认当前节点是不是占有循环终端的slot*/ if ((bit = clusterNodeGetSlotBit(node,j)) != 0) { if (start == -1) start = j; } /*简单分析,此处的逻辑大概就是找出连续的区间,是的话放到返回中;不是的话继续往下递归slot。 如果是开始的话,开始一个连续区间,直到和当前的不连续。*/ if (start != -1 & & (!bit || j == CLUSTER_SLOTS-1)) { int nested_elements = 3; /* slots (2) + master addr (1). */ void *nested_replylen = addDeferredMultiBulkLength(c); if (bit & & j == CLUSTER_SLOTS-1) j++; /* If slot exists in output map, add to it\'s list. * else, create a new output map for this slot */ if (start == j-1) { addReplyLongLong(c, start); /* only one slot; low==high */ addReplyLongLong(c, start); } else { addReplyLongLong(c, start); /* low */ addReplyLongLong(c, j-1); /* high */ } start = -1; /* First node reply position is always the master */ addReplyMultiBulkLen(c, 3); addReplyBulkCString(c, node-> ip); addReplyLongLong(c, node-> port); addReplyBulkCBuffer(c, node-> name, CLUSTER_NAMELEN); /* Remaining nodes in reply are replicas for slot range */ for (i = 0; i < node-> numslaves; i++) { /*注意:此处遍历了节点下面的备节点信息,用于返回*/ /* This loop is copy/pasted from clusterGenNodeDescription() * with modifications for per-slot node aggregation */ if (nodeFailed(node-> slaves[i])) continue; addReplyMultiBulkLen(c, 3); addReplyBulkCString(c, node-> slaves[i]-> ip); addReplyLongLong(c, node-> slaves[i]-> port); addReplyBulkCBuffer(c, node-> slaves[i]-> name, CLUSTER_NAMELEN); nested_elements++; } setDeferredMultiBulkLength(c, nested_replylen, nested_elements); num_masters++; } } } dictReleaseIterator(di); setDeferredMultiBulkLength(c, slot_replylen, num_masters); }/* Return the slot bit from the cluster node structure. */ /*该函数用于判断指定的slot是否属于当前clusterNodes节点*/ int clusterNodeGetSlotBit(clusterNode *n, int slot) { return bitmapTestBit(n-> slots,slot); }/* Test bit \'pos\' in a generic bitmap. Return 1 if the bit is set, * otherwise 0. */ /*此处流程用于判断指定的的位置在bitmap上是否为1*/ int bitmapTestBit(unsigned char *bitmap, int pos) { off_t byte = pos/8; int bit = pos& 7; return (bitmap[byte] & (1< < bit)) != 0; } typedef struct clusterNode { ... /*使用一个长度为CLUSTER_SLOTS/8的char数组对当前分配的slot进行记录*/ unsigned char slots[CLUSTER_SLOTS/8]; /* slots handled by this node */ ... } clusterNode;

每一个节点(ClusterNode)使用位图(char slots[CLUSTER_SLOTS/8])存放slot的分配信息。
简要说一下BitmapTestBit的逻辑:clusterNode-> slots是一个长度为CLUSTER_SLOTS/8的数组。CLUSTER_SLOTS是固定值16384。数组上的每一个位分别代表一个slot。此处的bitmap数组下标则是0到2047,slot的范围是0到16383。
因为要判断pos这个位置的bit上是否是1,因此:
  • off_t byte = pos/8:拿到在bitmap上对应的哪一个字节(Byte)上存放这个pos位置的信息。因为一个Byte有8个bit。使用pos/8可以指导需要找的Byte在哪一个。此处把bitmap当成数组处理,这里对应的便是对应下标的Byte。
  • int bit = pos& 7:拿到是在这个字节上对应哪一个bit表示这个pos位置的信息。& 7其实就是%8。可以想象对pos每8个一组进行分组,最后一组(不满足8)的个数对应的便是在bitmap对应的Byte上对应的bit数组下标位置。
  • (bitmap[byte] & (1< < bit)):判断对应的那个bit在bitmap[byte]上是否存在。
以slot为10001进行举例:
Redis大集群扩容性能优化实践

文章图片

因此10001这个slot对应的是下标1250的Byte,要校验的是下标1的bit。
对应在ClusterNode-> slots上的对应位置:
Redis大集群扩容性能优化实践

文章图片

图示绿色的方块表示bitmap[1250],也就是对应存放slot 10001的Byte;红框标识(bit[1])对应的就是1< < bit 的位置。bitmap[byte] & (1< < bit),也就是确认红框对应的位置是否是1。是的话表示bitmap上10001已经打标。
总结ClusterNodeGetSlotBit的概要逻辑是:判断当前的这个slot是否分配在当前node上。因此ClusterReplyMultiBulkSlots大概逻辑表示如下:
Redis大集群扩容性能优化实践

文章图片

大概步骤如下:
  • 对每一个节点进行遍历;
  • 对于每一个节点,遍历所有的slots,使用ClusterNodeGetSlotBit判断遍历中的slot是否分配于当前节点;
从获取CLUSTER SLOTS指令的结果来看,可以看到,复杂度是< 集群主节点个数> *< slot总个数> 。其中slot的总个数是16384,固定值。
2.1.2 Redis热点排查总结
就目前来看,CLUSTER SLOTS指令时延随着Redis集群的主节点个数,线性增长。而这次我们排查的集群主节点数比较大,可以解释这次排查的现网现象中CLUSTER SLOTS指令时延为何较大。
2.2 客户端排查了解到运维同学们存在扩容操作,扩容完成后必然涉及到一些key在访问的时候存在MOVED的错误。
当前使用的Hiredis-vip客户端代码进行简单的浏览,简要分析以下当前业务使用的Hiredis-vip客户端在遇到MOVED的时候会怎样处理。由于其他的大部分业务常用的Jedis客户端,此处也对Jedis客户端对应流程进行简单分析。
2.2.1 Hiredis-vip对MOVED处理实现原理
Hiredis-vip针对MOVED的操作:
查看Cluster_update_route的调用过程:
此处的cluster_update_route_by_addr进行了CLUSTER SLOT操作。可以看到,当获取到MOVED报错的时候,Hiredis-vip会重新更新Redis集群拓扑结构,有下面的特性:
  • 因为节点通过ip:port作为key,哈希方式一样,如果集群拓扑类似,多个客户端很容易同时到同一个节点进行访问;
  • 如果某个节点访问失败,会通过迭代器找下一个节点,由于上述的原因,多个客户端很容易同时到下一个节点进行访问。
2.2.2 Jedis对MOVED处理实现原理
对Jedis客户端代码进行简单浏览,发现如果存在MOVED错误,会调用renewSlotCache。
继续看renewSlotCache的调用,此处可以确认:Jedis在集群模式下在遇到MOVED的报错时候,会发送Redis命令CLUSTER SLOTS,重新拉取Redis集群的slot拓扑结构。
2.2.3 客户端实现原理小结
由于Jedis是java的Redis客户端,Hiredis-vip是c++的Redis客户端,可以简单认为这种异常处理机制是共性操作。
对客户端集群模式下对MOVED的流程梳理大概如下:
Redis大集群扩容性能优化实践

文章图片

总的来说:
1)使用客户端缓存的slot拓扑进行对key的访问;
2)Redis节点返回正常:
  • 访问正常,继续后续操作
3)Redis节点返回MOVED:
  • 对Redis节点进行CLUSTER SLOTS指令执行,更新拓扑;
  • 使用新的拓扑对key重新访问。
2.2.3 客户端排查小结
Redis集群正在扩容,也就是必然存在一些Redis客户端在访问Redis集群遇到MOVED,执行Redis指令CLUSTER SLOTS进行拓扑结构更新。
如果迁移的key命中率高,CLUSTER SLOTS指令会更加频繁的执行。这样导致的结果是迁移过程中Redis集群会持续被客户端执行CLUSTER SLOTS指令。
2.3 排查小结此处,结合Redis侧的CLUSTER SLOTS机制以及客户端对MOVED的处理逻辑,可以解答之前的几个个问题:
为什么会有较多的Cluster指令被执行?
  • 因为发生过迁移操作,业务访问一些迁移过的key会拿到MOVED返回,客户端会对该返回重新拉取slot拓扑信息,执行CLUSTER SLOTS。
为什么Cluster指令执行的时候CPU资源比较高?
  • 分析Redis源码,发现CLUSTER SLOT指令的时间复杂度和主节点个数成正比。业务当前的Redis集群主节点个数比较多,自然耗时高,占用CPU资源高。
为什么节点规模大的集群迁移slot操作容易“中招”?
  • 迁移操作必然带来一些客户端访问key的时候返回MOVED;
  • 客户端对于MOVED的返回会执行CLUSTER SLOTS指令;
  • CLUSTER SLOTS指令随着集群主节点个数的增加,时延会上升;
  • 业务的访问在slot的迁移期间会因为CLUSTER SLOTS的时延上升,在外部的感知是执行指令的时延升高。
三、优化 3.1 现状分析根据目前的情况来看,客户端遇到MOVED进行CLUSTER SLOTS执行是正常的流程,因为需要更新集群的slot拓扑结构提高后续的集群访问效率。
此处流程除了Jedis,Hiredis-vip,其他的客户端应该也会进行类似的slot信息缓存优化。此处流程优化空间不大,是Redis的集群访问机制决定。
因此对Redis的集群信息记录进行分析。
3.1.1 Redis集群元数据分析
集群中每一个Redis节点都会有一些集群的元数据记录,记录于server.cluster,内容如下:
typedef struct clusterState { ... dict *nodes; /* Hash table of name -> clusterNode structures */ /*nodes记录的是所有的节点,使用dict记录*/ ... clusterNode *slots[CLUSTER_SLOTS]; /*slots记录的是slot数组,内容是node的指针*/ ... } clusterState;

如2.1所述,原有逻辑通过遍历每个节点的slot信息获得拓扑结构。
3.1.2 Redis集群元数据分析
观察CLUSTER SLOTS的返回结果:
/* Format: 1) 1) start slot *2) end slot *3) 1) master IP *2) master port *3) node ID *4) 1) replica IP *2) replica port *3) node ID *... continued until done */

结合server.cluster中存放的集群信息,笔者认为此处可以使用server.cluster-> slots进行遍历。因为server.cluster-> slots已经在每一次集群的拓扑变化得到了更新,保存的是节点指针。
3.2 优化方案简单的优化思路如下:
  • 对slot进行遍历,找出slot中节点是连续的块;
  • 当前遍历的slot的节点如果和之前遍历的节点一致,说明目前访问的slot和前面的是在同一个节点下,也就是是在某个节点下的“连续”的slot区域内;
  • 当前遍历的slot的节点如果和之前遍历的节点不一致,说明目前访问的slot和前面的不同,前面的“连续”slot区域可以进行输出;而当前slot作为下一个新的“连续”slot区域的开始。
因此只要对server.cluster-> slots进行遍历,可以满足需求。简单表示大概如下:
Redis大集群扩容性能优化实践

文章图片

这样的时间复杂度降低到< slot总个数> 。
3.3 实现优化逻辑如下:
void clusterReplyMultiBulkSlots(client * c) { /* Format: 1) 1) start slot *2) end slot *3) 1) master IP *2) master port *3) node ID *4) 1) replica IP *2) replica port *3) node ID *... continued until done */ clusterNode *n = NULL; int num_masters = 0, start = -1; void *slot_replylen = addReplyDeferredLen(c); for (int i = 0; i < = CLUSTER_SLOTS; i++) { /*对所有slot进行遍历*/ /* Find start node and slot id. */ if (n == NULL) { if (i == CLUSTER_SLOTS) break; n = server.cluster-> slots[i]; start = i; continue; }/* Add cluster slots info when occur different node with start * or end of slot. */ if (i == CLUSTER_SLOTS || n != server.cluster-> slots[i]) { /*遍历主节点下面的备节点,添加返回客户端的信息*/ addNodeReplyForClusterSlot(c, n, start, i-1); num_masters++; if (i == CLUSTER_SLOTS) break; n = server.cluster-> slots[i]; start = i; } } setDeferredArrayLen(c, slot_replylen, num_masters); }

通过对server.cluster-> slots进行遍历,找到某个节点下的“连续”的slot区域,一旦后续不连续,把之前的“连续”slot区域的节点信息以及其备节点信息进行输出,然后继续下一个“连续”slot区域的查找于输出。
四、优化结果对比对两个版本的Redis的CLUSTER SLOTS指令进行横向对比。
4.1 测试环境& 压测场景操作系统:manjaro 20.2
硬件配置:
  • CPU:AMD Ryzen 7 4800H
  • DRAM:DDR4 3200MHz 8G*2
Redis集群信息:
1)持久化配置
  • 关闭aof
  • 关闭bgsave
2)集群节点信息:
  • 节点个数:100
  • 所有节点都是主节点
压测场景:
  • 使用benchmark工具对集群单个节点持续发送CLUSTER SLOTS指令;
  • 对其中一个版本压测完后,回收集群,重新部署后再进行下一轮压测。
4.2 CPU资源占用对比perf导出火焰图。原有版本:
Redis大集群扩容性能优化实践

文章图片

优化后:
Redis大集群扩容性能优化实践

文章图片

可以明显看到,优化后的占比大幅度下降。基本符合预期。
4.3 耗时对比在上进行测试,嵌入耗时测试代码:
else if (!strcasecmp(c-> argv[1]-> ptr,"slots") & & c-> argc == 2) { /* CLUSTER SLOTS */ long long now = ustime(); clusterReplyMultiBulkSlots(c); serverLog(LL_NOTICE, "cluster slots cost time:%lld us", ustime() - now); }

输入日志进行对比;
原版的日志输出:
37351:M 06 Mar 2021 16:11:39.313 * cluster slots cost time:2061 us。
优化后版本日志输出:
35562:M 06 Mar 2021 16:11:27.862 * cluster slots cost time:168 us。
从耗时上看下降明显:从2000+us 下降到200-us;在100个主节点的集群中的耗时缩减到原来的8.2%;优化结果基本符合预期。
五、总结这里可以简单描述下文章上述的动作从而得出的这样的一个结论:性能缺陷。
简单总结下上述的排查以及优化过程:
  • Redis大集群因为CLUSTER命令导致某些节点的访问延迟明显;
  • 使用perf top指令对Redis实例进行排查,发现clusterReplyMultiBulkSlots命令占用CPU资源异常;
  • 对clusterReplyMultiBulkSlots进行分析,该函数存在明显的性能问题;
  • 对clusterReplyMultiBulkSlots进行优化,性能提升明显。
从上述的排查以及优化过程可以得出一个结论:目前的Redis在CLUSTER SLOT指令存在性能缺陷。
因为Redis的数据分片机制,决定了Redis集群模式下的key访问方法是缓存slot的拓扑信息。优化点也只能在CLUSTER SLOTS入手。而Redis的集群节点个数一般没有这么大,问题暴露的不明显。
其实Hiredis-vip的逻辑也存在一定问题。如2.2.1所说,Hiredis-vip的slot拓扑更新方法是遍历所有的节点挨个进行CLUSTER SLOTS。如果Redis集群规模较大而且业务侧的客户端规模较多,会出现连锁反应:
1)如果Redis集群较大,CLUSTER SLOTS响应比较慢;
2)如果某个节点没有响应或者返回报错,Hiredis-vip客户端会对下一个节点继续进行请求;
3)Hiredis-vip客户端中对Redis集群节点迭代遍历的方法相同(因为集群的信息在各个客户端基本一致),此时当客户端规模较大的时候,某个Redis节点可能存在阻塞,就会导致hiredis-vip客户端遍历下一个Redis节点;
4)大量Hiredis-vip客户端挨个地对一些Redis节点进行访问,如果Redis节点无法负担这样的请求,这样会导致Redis节点在大量Hiredis-vip客户端的“遍历”下挨个请求:
5)最终的表现是大部分Redis节点的CPU负载暴涨,很多Hiredis-vip客户端则继续无法更新slot拓扑。
最终结果是大规模的Redis集群在进行slot迁移操作后,在大规模的Hiredis-vip客户端访问下业务侧感知是普通指令时延变高,而Redis实例CPU资源占用高涨。这个逻辑可以进行一定优化。
目前上述分节3的优化已经提交并合并到Redis 6.2.2版本中。
六、参考资料1、Hiredis-vip: https://github.com
2、Jedis: https://github.com/redis/jedis
3、Redis: https://github.com/redis/redis
4、Perf:https://perf.wiki.kernel.org

    推荐阅读