海量数据下如何正确访问Redis服务才不会挂掉？

海量数据下正确的访问redis要注意的事情有很多，基本上可以从服务治理，数据，redis正确使用三个方面来讲。

既然是海量数据，那么服务肯定要拆分成多个服务，最常见的采用“大中台，小前台”的概念，中台分各个服务中心，各个中心去维护自己中心负责的服务，向上游前台提供数据和服务。比如一个做内容付费的公司可以有内容中心、商品中心、交易中心

用户中心、促销中心、基础中心、开放平台等，中心之间采用RPC通信或者数据共享。

在做好服务治理和数据划分的基础上，这个时候就是重点讲如何正确使用redis的时候了，个人列举了部分细则仅供大家参考：

熟练使用五种数据结构（String、Set|、Hash、List、ZSet）以及每种数据结构的适用场景和注意事项；

防止缓存雪崩，即避免大批量缓存同一时间段集中过期，导致大量请求都怼到数据库上，导致数据库连接数爆满、宕机；

防止缓存穿透，避免redis中热点key存入了null或者不存在，导致大量请求绕过redis请求数据库去了；

避免大key的存在：比如一个redis集群是16G，共8个节点，每个节点平均分配2G的内存，这时候如果有一个大的hash key占用内存超过2G了，这个时候尽管集群还有剩余的空间，这个大key的写入依旧会失败，单个key是无法做到集群的，另外再想想如果一个hash存储了大量的数据，考虑一下性能问题？

禁止使用keys、flushall、flushdb等，运维同学通过redis的rename机制禁掉命令，或者使用scan的方式渐进式处理；

批量读写redis请采用pipeline管道的方式；

要保证Redis不会挂掉，也就是提高Redis的高可用性，可以从这么几个方面考虑。

Redis单副本：也就是只部署一台Redis，不需要节点之间的数据同步，架构简单，部署方便；但是单台机器毕竟是有风险的，按照题目中【海量数据】的场景，是不能达到高可用要求的。

Redis主从：主从实例可以部署在不同的物理服务器上，充分利用多台服务器的资源，在主库发生故障的时候，可以进行主备切换，从而保证系统的稳定运行，甚至可以做到读写分离，主库专门用作写操作，一台或多台备库进行读操作；但是当主库发生故障的时候（如果没有HA方案的话），是需要手动进行主备切换的。

Redis Sentinel：部署架构分为两部分【Sentinel集群】和【数据集群】；Sentinel集群是由多个Sentinel节点组成的分布式集群，通常是2N+1台服务器，可以实现故障发现和转移、客户端通知等功能；数据集群用于存储数据；它能够解决主从模式下的自动切换问题，并且数据集群是可以横向扩展的；当然这个架构实现和部署起来，也更为复杂一些；并且这个架构不能做到读写分离。

Redis Cluster：Redis 3.0集群，是分布式集群解决方案之一，物理架构中配置2N个节点（主从一一对应），主节点提供读写操作，从节点作为备份；数据分布保存在多个节点上，是一种无中心的架构，如果有部分节点发生故障，能够实现故障自动转移和切换，用投票机制完成备库升级为主库（下文的Redis分片章节，还会介绍到Redis Cluster）。

写入mysql数据库的数据量很大，数据库架构该怎么去设计？

比如你的视图是create view v_name asselect ....from ... where...先试试 as下面的代码 看看有数据没 select ....from ... where.. 执行看看....如果没救说明本来就没....还有一个意思你就说 视图不包含实际数据。。确实是这样的。。。视图只是一堆语句。。除非你给 视图加了聚集索引 这个时候他包含数据

对于这种大数据量系统业界已经有不少成熟方案

最简单的是读写分离，写操作只在主库写，配置自动同步到从库。部分读操作改成操作从库，减少主库数据库压力。

还可以让给应用加一个redis缓存，查询时先读缓存，读不到再读数据库。

如果改成这样，压力还是太大，就要考虑分表。

分表思路很多，例如把热点数据放一张表，非热点数据放一张表。或者按用户id尾号做hash，分表分布在不同表。

如果读写要求已经超过单机支撑能力，那就要考虑集群，你可以搜索一下怎么用mycat搭建数据库集群

数据库的写入量高，是一个很常见的技术瓶颈，场景如央视春晚发红包，千万级别的写入qps。而解决方案有很多，笔者分享一些目前业界最成熟有效的措施：

一、分表

将数据分摊到多个表上，流量也将分摊到多个表上，可以提高数据库读写的吞吐量。

如将一个表从1个，分解为256个。

二、缓存

我们可以将数据库中的热点数据，写入缓存中，将读请求的流量优先走缓存，这样可以分摊数据库的读压力。

如使用Redis来存储热点数据，而使用Canal将MySQL中的热点数据同步到Redis中。

三、异步

我们知道，MySQL数据库日志系统，有一个持久化日志redolog，原理是数据库为了减少磁盘IO的次数，将要写入数据库的数据先在内存中暂存，后续再批量写入磁盘中，这边是异步的一种案例。

我们的系统设计，也可以参考这个模式，将要写入数据库中的操作通过发送mq暂存到Kafka中，再通过消费mq的方式，将数据写入数据库，从而避免流量过大，一下子将数据库打死了。

四、分库

经过压测得知，一个16核32G内存500G硬盘的MySQL，它的写入极限是5600/s，这是硬件上的极限，从软件层面已无法提升。

如使用MyCat就是构建数据库集群，以增加更多的数据库实例，从硬件层面上解决问题。

五、其他

以上是互联网大厂最常用的优化方案，只要你肯花心思，总有优化的空间。

到此，以上就是小编对于redis 热点数据的问题就介绍到这了，希望这2点解答对大家有用。