如何处理Redis集群数据倾斜

背景

在Redis集群中，少数分片节点的空间使用率或CPU使用率、带宽使用率、延时等性能指标明显高于其他数据分片，该Redis集群可能已产生数据倾斜。数据倾斜严重时，会导致集群在整体使用率不高的情况下，响应时间上升、写入失败等异常情况。

为什么会产生数据倾斜 ？

数据倾斜分为空间倾斜和访问倾斜：

空间倾斜可分为 key 数量倾斜和 key 大小倾向。

key 数量倾向比较常见的场景为 Redis 集群开启了 hashtag，业务的 key 名包含了 hashtag 大括号，在无意识下大量的 key 名中的 {} 里面包含相同的内容，这些 key 经过集群代理的转发，集中落在少数分片上，造成这些分片 key 数量明显高于其他分片。

key 大小倾斜 比较常见的场景为业务使用了复杂数据类型，例如 LIST 类型，业务在无意识下，向少数 LIST 类型 key 添加了较多数量的元素，其元素个数明显高于其他 LIST 类型 key，就出现在各分片 key 数量相当的情况下，个别分片的空间使用率明显高于其他分片。

访问倾斜可分为CPU消耗型访问倾斜和IO消耗型访问倾斜。

CPU消耗型访问倾斜一般出现在内存型 Redis 集群，比较典型的场景为业务使用了计算复杂度较高的命令，例如 ZSET 类型 key 的元素排序命令，当 key 内部元素数量较大时，排序命令的执行会消耗大量的CPU资源，整个命令的执行耗时较长，容易引发慢请求甚至超时断链。

IO消耗型访问倾斜一般出在业务频繁调用结果集较大的命令的场景。例如业务频繁调用 hgetall 命令，若碰到 HASH key 的元素数量较大，单次命令的结果集就会很大，当访问频次较高时，容易将实例网络IO打满，造成网络阻塞。另外一种比较典型场景是热key，例如在秒杀场景下，业务会超过频访问个别key，容易引发 CPU 和 网络IO 资源打满。

如何确认是否存在数据倾斜 ？

查看实例的集群监控、分片监控、节点监控，查看慢日志。

如何处理数据倾斜 ？