前言
社交网络信息爆发,如何衡量你在社交舆论上的影响力?计数!
计数是应用最方便、简单实现的数据挖掘应用,拿Facebook举例,你的Feed被评论多少次,转发多少次,赞多少次,被浏览多少次,你有多少个好友等等。可以说计数得多少的价值可能超过你本身或者你发布的内容本身。
今天着重介绍下Redis在计数器场景上的应用。
正文
对于计数器大家肯定还有或多或少的疑问。
Q1:计数从哪里来?
通常我们发布的社交内容会存储在数据库中,最常见的如MySQL:
更新索引:insert into user_message(uid,messageid) values(‘xx’,’xx’)
更新内容:insert into message_2013_05(messageid,message) values(‘xx’,‘xx’);
为什么要进行索引和内容区分我这里就不多熬述了,这时要计算我有发送了多少个message,再mysql库中select count(messageid) where uid=xxx 就可以获得我们想要得计数,也就说大多数情况它源于我们的索引数据。
Q2:计数和其他数据相比有什么特点?
1.单key读写频繁,总体读取量我们认为可能比内容模块还要频繁,索引的增删改查都会导致计数器的频繁增减。尤其当某篇twitter,feed,weibo非常火爆时,单key的更新将更加火爆。
2.需要持久化,所有用户都可能需啊知道自己的计数,这个数据和内容本身一样重要。
从上面这两个需求来看选用Redis就是水到渠成了,而应对hotkey从Mysql update count+1 & Memcache 替换成Redis incr更是优雅很多。减少了很多数据一致性的风险。
优化的思路:
- 单独维护计数,从获取更新复杂度O(n)到O(1)
我们知道随着单个uid->message的个数越来越多,而count(message_id)的逻辑复杂度是O(n),获取这个计数的成本是越来越大。如何让其获取变为O(1)?其实很简单,我们只要单独维护一下这个计数就可以了。举一个简单的例子来说明:
假设我们有个字段,我们需要频繁的获取和更新这个字段的长度,引用Redisbook(http://www.redisbook.com/)中的一段对于redis 用于存储key value的sds的描述好像能简单的叙述这件事情。
“
比如说, hello world 在 C 语言中就可以表示为 "hello world\0" 。
这种简单的字符串表示在大多数情况下都能满足要求,但是,它并不能高效地支持长度计算和追加(append)这两种操作:
- 每次计算字符串长度(strlen(s))的复杂度为 θ(N) 。
- 对字符串进行 N 次追加,必定需要对字符串进行 N 次内存重分配(realloc)。
struct sdshdr {
len = 11;
free = 0;
buf = “hello world\0″; // buf 的实际长度为 len + 1
};
通过 len 属性, sdshdr 可以实现复杂度为 θ(1) 的长度计算操作。
”
- 前端还是后端维护计数,哪个更优?
前端维护:当发生message_id的增减时,client端进行一次transaction提交,索引更新及计数更新。优点是逻辑比较简单,就是原来单次写入变成了多次写入,缺点是易引起数据不一致。
后端维护:当数据库接收到message索引增减后,会产生相应的操作log,对于MySQL来说就是Binlog,我们根据mysql insert及delete 对索引计数进行增减操作。
不推荐MySQL及MySQL 触发器更新的原因有如下几个:
1.Mysql本身可能成为更新瓶颈。mysql update其实是一种重更新,在buffer pool未命中的情况下,需要把where id=xxx的page从磁盘加载到内存中,在大并发的hot key更新时,这点很有可能成为瓶颈。
2.Mysql Replication的效率问题。Mysql Replication在如上写入更新频繁的情况下,也会成为瓶颈,当你的发了一篇feed,却发现过了一分钟计数才更新,这个肯定是不能容忍的。
3.Mysql trigger相关bug比较多:
如下是我们线上环境遇到的一个trigger引发的同步中断问题:http://bugs.mysql.com/bug.php?id=53079
后端维护的思路
详细可见 @jackbillow http://www.programmer.com.cn/14577/ 中使用Redis方法
其实选择前端维护还是后端维护实际应该取决于你们公司前端及后端技术成熟程度,如果后端技术足够成熟,那么放在后端维护节省的就是大量的开发时间和降低数据一致性的风险,反之,可以放在前端进行维护。
- Redis内存容量优化
Redis kv数据结构如下:
对于简单的k-v场景来说,最好的优化思路就是将图中Redis本身为了通用性创建的dict(16字节)及Redis Object(16字节)去除,sds的额外字节去除,这样假设你的key占用10字节,value 采用int占用4字节:
那么去除之前可能占用的内存是:
string类型的内存大小 = 键值个数 * (dictEntry大小16字节 + redisObject大小16字节 + 包含key的sds大小 + 包含value的sds大小) + bucket个数 * 4
去除之后:
string类型的内存大小 =键值个数 * (key的大小10字节 + value的4字节)+bucket个数 * 4
当你有数亿个key的时候,节省的内容容量将会是相当可观的,当然实际优化的场景肯定会比现在列几个公式复杂,有得必有失。
- 未来计数场景畅想
Redis数据不能将老数据平滑过度到磁盘,无法应用到现SSD等高性能设备是硬伤。
http://nosql.mypopescu.com/post/3745773666/redis-and-hbase-for-mozilla-grouperfish-storage 这篇文章给了不错的思考方向。