并没有因为⾃⼰拥有天然的速度优势就放弃了⾃⼰在效率⽅⾯的追求。 与此相反， Redis 的开发者在实现各项数据结构和特性的时候都经过了⼤量考量， 在底层选⽤了很多⾮常 ⾼效的数据结构和算法， 以此来确保每个操作都可以在尽可能短的时间内完成， 并且尽可能地节省内存。 对⽤户友好的API、⽂档以及社区 “虽然 Redis 提供了很多很棒的数据结构和特性， 但如果它们使⽤起来⾮常困难的话， 那么这⼀切就没有意 义。” ——如果你对此有所担⼼的话， 所以⽆论执⾏释放操作的进程是否就是锁的持有者， 锁都会 被释放。 如果锁被持有者以外的其他进程释放了的话， 那么系统中可能就会同时出现多个锁， 导致锁的唯 ⼀性被破坏。 2. 这个锁的获取操作不能设置最⼤加锁时间， 它⽆法让锁在超过给定的时限之后⾃动释放。 因此， 如果持有 锁的进程因为故障或者编程错误⽽没有在退出之前主动释放锁， 那么锁就会⼀直处于已被获取的状态， 导 致其他进程永远⽆法取得锁。 本书后续将继续改进这个锁实现， ， 还能够有效地提⾼程序的效率： 执⾏多条 SET 命 令需要客户端和服务器之间进⾏多次⽹络通信， 并因此耗费⼤量的时间； 通过使⽤⼀条 MSET 命令去代替多条 SET 命令， 可以将原本所需的多次⽹络通信降低为只需⼀次⽹络通信， 从⽽有效地减少程序执⾏多个设置操作时 所需的时间。 2.6.1 其他信息 属性 值 复杂度 O(N)，其中 N 为⽤户给定的字符串键数 量。 版本要求 MSET

ID、状态、已用内存及配额、可用区、创建时间、付费方式、网络类型等信息。 注意：已用内存及配额信息是由底层系统根据采集信息进行的一个离线汇总，所以有一个时间延时，这个 延时会在10分钟左右。如果需要查看实时信息，建议登录 DMS 进行查看，详细步骤请参见DMS 登录云 数据库。 可运维时间段 您可以在实例信息页面对可运维时间进行修改，阿里云会在可运维时间对实例进行生产维护，维护期间可能会 间可能会 发生闪断，建议您尽量选择业务低峰期为运维时间段。 性能监控 单击实例 ID 即可进入实例信息页面，在左侧导航栏中选择性能监控查看 Redis 的历史性能数据，可以查看到 云数据库 Redis 版 快速入门 2 不同的监控项。 单击性能监控之后可以查看到不同的监控项，以下对基础监控组的监控项进行说明。 基础监控项 说明 Keys 后端 Redis 所有 的常见参数进行设置，比如淘汰策略及 notify-keypsace-events 等。详细操 作请参见参数设置。 备份恢复 您可以在备份恢复页面进行备份的设置和克隆实例，另外可以设置自动备份的时间。详细操作请参见备份与恢 复。 DMS 页面 DMS 实例信息页面展示如下，其中 Key 信息这一栏中设置过期和已逐出这两个项目为历史上的值，也就是前 面提到的 ExpiredKeys

在大容量场景下的问题 Pika 定位 SACC2017 Redis 问题 • 恢复时间长 • 一主多从, 主从切换代价大 • 缓冲区写满问题 • 成本问题 SACC2017 Redis 问题 • 恢复时间长 – 50G redis 回复时间70分钟 – 同时开启aof 和 rdb SACC2017 Redis 问题 • SACC2017 Pika 开发现状 • 双主支持 • Pika_hub 提供多机房写入支持 • 支持sentinel • 支持codis SACC2017 Pika 总结 • 恢复时间长 • 一主多从, 主从切换代价大 • 缓冲区写满问题 • 内存昂贵问题 SACC2017 Pika vs redis • 劣势 – 由于Pika是基于内存和文件来存放数据

在这种场景下也使用 lazyfree 的方式来删除，您可以在控制台上 打开如下配置： 说明：该参数配置在控制台中暂未开放，后续我们会尽快发布。 淘汰或者逐出数据 有些用户对数据设置过期时间，依赖 Redis 的淘汰机制去删除已经过期的数据，这同样也存在上面提到的问题 ：淘汰某个大 key 会导致进程 CPU 出现抖动。Redis 4.0 提供了两个配置，可以让 Redis 在淘汰或者逐出数据 //每个db的元数据所占用内存 16) 1) "overhead.hashtable.main" 2) (integer) 5808 3) "overhead.hashtable.expires" //管理带过期时间的数据所额外消耗内存 4) (integer) 104 17) "overhead.total" //上面提到的各项内存消耗之和 18) (integer) 11063904 19) "keys.count" 最高性能。不常访问的Value（冷数据）则会被存储到磁盘上，以达到内存利用最高性价比。 云数据库 Redis 版 产品简介 7 数据异步交换 在内存将要跑满的时候，Redis混合存储型实例从最近访问时间、访问频率、Value大小这三个维度综 合考虑挑选出一些数据，通过后台线程将之存储到磁盘上。 当用户访问数据时，如果该数据对应的 Value在磁盘上，后台线程会从磁盘中交换数据到内存中。在此过程中，其它请求不受影响。

SET KEY=DOG CRDT Conflict-free Replicated Data Types CRDT – Last Write Wins T2 > T1 T2 WINS 时间不一致 两个Redis的系 统时钟不一致 最终保留了第一 次的结果 Vector Clock • 向量表示不同节点 的操作数 • SET KEY=VAL1 (0,0)->（1,0） • 一个KEY • Redis-A做更新 操作 • Redis-B做删除 操作 CRDT -- Tombstone 删除操作时，只做 逻辑删除 保留被删除的记录 内存爆满 随着时间的推移，大量的失效KEY驻留 时间轴 CRDT -- GC 基于节点之间的vector clock的通讯，删除不必要的 失效KEY （1,0） （1,1） （1,1） Vector Clock Vector

内到达 • 黄色的区域需要 10-20 天 • 粉色的区域需要 20-30 天 • 蓝色的区域需要 30-40 天 • 棕色的区域需要 40 天以上 的时间 21 世纪的通讯 同样的一张地图 在今天, 仅仅需要毫秒级 别的时间, 一条消息可以 被全世界共享起来 互联网的规模也从单独 一个数据中心的部署方 式转变为多数据中心, 甚 至是跨区域的部署模式 多区域部署 Serverless result. 并发冲突 举个栗子: LWW(Last Writer Wins)-Register: 适用于 K/V 类型的存储 解决数据冲突的方式是通过使用 unix timestamp 或类似自然时间的计数 方法, 来达到数据的最终一致性 CRDT 可以做什么 State- based replication Operation- based replication CRDT