核心内容摘要
从工具到伙伴：以“系统性思维”迎接AI推理赋能的新创业时代
在正常情况下各数据分片节点的Key数量是均匀分布的同时内存使用率、CPU使用率等性能指标也是相近的。
一般是在使用Redis的过程中设计考虑不周、不规范的数据写入及突发的访问量造成redis个别的节点数据量倾斜或数据访问倾斜最终引起数据倾斜。
常见倾斜场景有内存倾斜。
一般由于大key问题或者使用hash Tages集中到某个节点带宽倾斜。
大key 热key 高消耗命令造成 访问节点占用带宽CPU倾斜。
大key 热key 高消耗命令造成CPU使用率偏高。
解决方案主要有减少大key的使用或者对大key进行拆分成多个 hash key禁止使用高消耗命令或者流量高峰期禁止使用减少Hash Tags的使用增加本地缓存减少热key对Redis的压力提高内存配置和带宽等资源从硬件角度减少数据倾斜带来的问题。