英特尔傲腾数据中心级持久内存（AEP）在Redis上的应用实践

什么是英特尔傲腾技术？

无晶体管设计数据按位级别写入,因此每个单元的状态可以独立于其他单元被改变为0或1

英特尔傲腾Pmem和SSD填补数据中心计算和存储间的差距

测试背景

由于Redis实例规模比较大45000+，使用服务器数量多2000+，而且使用内存存储成本相比磁盘要高很多，基于Redis集群进行现状分析，针对以下集群决定使用傲腾AEP存储进行成本优化。

1.请求量低的小集群非常多，部署比较分散，服务器资源成本高。

2.大容量集群每次申请200G到2T容量不等，使用服务器数量多。

傲腾AEP上线需要做什么

    傲腾AEP性能如何

    首先性能测试，整体来讲跟纯内存相比有10%左右的损耗，测试数据如下。目前我们在该机型仅支持小集群、大容量的业务，目前不存在性能问题。

说明：上图为当Redis单进程cpu负载80%左右的情况下，在内存和傲腾不同存储上分别运行在不同版本3.2.11、4.0.12、5.0.8、6.0.5，当set命令value为10、100、1000字节每秒处理请求个数压测结果对比。

说明：上图为当Redis单进程cpu负载80%左右的情况下，在内存和傲腾不同存储上分别运行在不同版本3.2.11、4.0.12、5.0.8、6.0.5，当get命令value为10、100、1000字节每秒处理请求个数压测结果对比。

说明：上图为当Redis单进程cpu负载80%左右的情况下，在内存和傲腾不同存储上分别运行在不同版本3.2.11、4.0.12、5.0.8、6.0.5，当set命令value为10、100、1000字节响应时间分别为1、2、3、4毫秒的百分比压测结果对比。

说明：上图为当Redis单进程cpu负载80%左右的情况下，在内存和傲腾不同存储上分别运行在不同版本3.2.11、4.0.12、5.0.8、6.0.5，当get命令value为10、100、1000字节响应时间分别为1、2、3、4毫秒的百分比压测结果对比。

密集部署调度是否能打散

1.redis集群1个节点下主从不在同一个机柜组。

2.redis内存利用率大于50%不再调度新实例

3.一个机柜组承载每个集群不超过25%的实例数。

4.扩容k8s集群中node后新增实例的打散依然符合以上规则。

密集部署宕机业务影响范围

1.业务恢复时间从实例不可用到域名切换完成耗时20~40s之间。

2.拓扑恢复时间完全自动化，DBA关注进度就好，宕机服务器500+G内存恢复需要30min左右。

密集部署遇到的问题

1>.整点cpu高，慢日志数量增多，业务出现规律性超时。

原因：

1.每个docker容器整点执行收集Redis客户端连接，遇到客户端连接多的情况尤为严重。

2.每个docker容器整点执行收集Redis元信息的任务。

3.每个docker容器整点执行anacron任务。

解决方案：

1.降低定时任务收集客户端连接的频率。

2.随机打散定时任务的执行时间。

3.去掉不必要的定时任务。

2>.sentinel高可用服务自动切换部分失败。

原因：

1.sentinel服务线程数不够，丢弃部分待处理任务。

2.sentinel元信息更新失败问题。

解决方案：

1.优化sentinel服务线程数。

2.优化更新sentinel元信息的版本控制。

3>.sentinel高可用服务异常切换慢。

原因：

1.异常检测周期长。

2.域名切换耗时高。

解决方案：

1.异常检测周期由原来30s降低到10s。

2.优化域名切换接口索引缺失问题由原来平均30s降低到3s。

4>.Redis负载高，操作系统卡顿。

原因：

1.docker容器管理Redis进程，sentinel-agent组件沿用物理机部署版本，线程数过高导致操作系统卡。

2.每个docker容器部署了repl-agent组件。

3.每个docker容器的cadvisor监控项过多。

解决方案：

1.优化sentinel-agent组件降低线程数。

2.下线repl-agent弃用组件。

3.优化cadvisor监控项数量

5>./var目录容量满出现Redis所在容器被驱逐。

解决方案：

1.将coredump日志记录到较大分区。

2.优化各个分区容量的使用的报警等级。

6>.Redis宿主机重启后二次调度，导致数据异常。

解决方案：

1.任务原因导致的宿主机宕机，自动进行调度隔离。

管理方式变更

1>.Redis资源申请 1.目前可以做到Redis资源分钟级别交付。

2>.增加异常诊断

1.基于Redis、操作系统，中间件层快速聚合分析到历史时间段的异常指标。生成集群诊断报告。

2.通过获取Redis实时monitor日志，分析出热点数据，输出热点报表信息。

3>.异常处理预案

1.增加了sentinel服务异常后宕机批量切换工具。

2.增加了主从同时宕机批量从异地备份机恢复数据的工具。

4>.增加集群画像

1.集群列表页关联业务组，划分权限，只显示各自归属集群，方便业务方查看。

2.业务方更详细了解集群基础信息（架构、分片、机房等）和性能信息（访问量、容量等指标的实时统计和天级统计）。

3.基础数据完整和准确，有效实施后续自动化功能建设。

4.实时统计、天级统计信息可定时产出报表，分析低访问量、慢查询多等集群。

5.集群信息完整，出问题时可以快速定位业务方、访问源服务、关联申请原工单、操作类型统计等维度方便排查。

阶段工作成本对比

总结

1.非核心业务可以先上AEP，如果性能不够再迁移到纯内存服务器上。

2.目前存量小实例继续进行迁移。

3.性能和TCO优势分析： 英特尔® 傲腾™ 数据中心级持久内存在新的推荐异构存储系统和升级后 的Redis 服务中，不仅有着与 DRAM 内存相近的性能表现，其大容量 和非易失性还可帮助实现更优的可用性；通过不同的硬件组合，为不 同应用场景下的存储需求提供高性能，高可扩展、安全可靠以及低 TCO的解决方案；在满足应用性能需求的同时，内存的采购成本还得 到显著降低，并减少了集群所需的节点数量，进而降低了TCO。