请教诸位一个 redis 统计访问量增速的问题

[waibunleung]

自己搞了个小程序，需要统计一下某些内容的访问量增速，比如某个视频 10 分钟内的访问量，在内存有限的情况下(最多 8g)，用 redis 来做的话，怎么做比较好？因为存在时间窗口的问题，不知道采用哪种方法比较好。

关于用户，没登录什么的，所以也不会有什么用户 id 之类的东西

1. 有序集合，毫秒时间戳为 score，但是如果比较多访问的话，内存占用比较大，实际上我只想要一个数而已
2. 普通的 key，但是怎么去除 10 分钟前的数据？每分钟存一次访问量数据的话，要统计一个视频的 10 分钟访问量还好，但是要统计多个的时候，就要多次读取 redis
3. 有没有更好的办法? 成本有限，加内存什么的就先不考虑了吧

这个服务器配置是 8 核 16g，数据库买的阿里云的 RDS 服务，其他的要安装的话，可以提建议，我考虑一下，比如说 mongodb 就可以试一下

[Jooooooooo]

每分钟一个 key 呗.

key: view_count_{vid}_{minute}

然后想统计十分钟的就捞十个 key 求和

[opengps]

视频 id+用途后缀：
一个计数缓存：来了统计请求就自动加一。每分钟转存到归档
一个 hash 归档缓存：每分钟存入一份分钟级别统计。
至于分析，就只从归档 hash 里取值统计，按照分钟 key 去看最近十分钟的结果。统计时候主要依靠 hash 的批量命令操作来减少读取次数

[carity]

直接搞个数据库存呗，这样你想怎么统计都可以了，mysql pgsql 占用内存也不大

[waibunleung]

@Jooooooooo 这就是我提到的第 2 种做法了~
但问题是，我想做一个管理后台，在视频列表上，显示每个视频的访问增速，如果我一页拿 20 个视频，每个视频捞 10 个 key，20 个视频就要捞 200 个 key，虽然说用 mget 读取也只要读 20 次....但我视频越多，key 就越多了

[waibunleung]

@carity 有数据库，但是每次视频被访问就直接写数据库+1 吗？那到时候数据库写压力就很大了

[liujuzzz]

i

[waibunleung]

@opengps 每分钟转存到归档，归档指的是 mysql 之类的数据落地的东西？
另外每分钟转存是后台起一个脚本来做这个吗？
hash 归档缓存 就相当于只统计了 T-1 分钟的 访问数，这个倒可以接受

[waibunleung]

@liujuzzz 这是插眼的意思吗？

[Jooooooooo]

@waibunleung key 多不要紧, 查询做好分页就行.

[ch2]

你会不会高估了写压力？ redis 都不需要，直接 mongo 一个表存就行了，查询也好查询，反正你这个表结构很简单，就视频 id 跟时间戳或者你再加个 ip，这种简单的数据，mongo 存一亿条也无压力

[tianshiyeben]

就是监控数据增量变化吧 用 http://www.wgstart.com 有数据监控模块 会定期扫描并生成趋势图表

[tianshiyeben]

忘了说了 前提是你得从数据库（ mysql pgsql 等关系型数据库）用 sql 能捞到数据

[waibunleung]

@ch2 目前没有配置 mongo，mongo 存一亿条磁盘占用要去到多少呢？不用 redis 纯用 mongo 来承载读写的话，mongo 大概能抗住多大的 qps ？有没有稍微具体一点的数据可以支撑一下？

[seth19960929]

@waibunleung redis 有 pipe, 一次全部捞出来

[waibunleung]

@seth19960929 我知道这个

[dzdh]

硬盘允许的话搞个单机的时序数据库哇。

[ch2]

@waibunleung #13 如果只存我说的那三个字段，大概不到 5G 。写的话 qps 几千肯定没问题的，读取的话你可以用 redis 缓存结果，1 分钟全表查询一次就能得到统计结果

[opengps]

@waibunleung 我说的归档就是第一个 key 下产生的分钟级数据，存入第二个 key 下当归档数据，然后分析时候使用第二个 key

[vebuqi]

遇到过类似的问题，说下解决的方法

假设我们需要存储视频近 10 分钟内的访问量

存储方面，我们可以把 10 分钟，分割成 10 个 1 分钟，使用 Redis 的 bitmap 来存储这 10 个量

在命令方面，redis 的 BITFIELD 命令可以对 bitmap 的多个域同时操作，对每个域支持 GET 、SET 、INCRBY 子命令，可以满足需求

如图：



我们把 bitmap 分割成 10 个域，每个域代表 1 分钟的访问量，那么每次获取某个视频的访问量时，可以取到这 10 个域的值求和即可

假设每分钟视频的访问量的上限是 255 （ 2^8，这里是为了控制溢出，值可以无限大小，只要是 2 的正整数倍即可）


新增访问量时，只需计算应该往哪个 /哪些域（ offset ）里增加就可以了，如 22:13 的视频 123456 的访问量新增 17，根据时间计算 offset 为 3，命令：

`BITFIELD v:123456:cnt:bit OVERFLOW SAT INCRBY u8 0 17

这条命令返回对 offset 为 0 的域进行了+17 的操作，u8 表示按照 10 个 bit 分域，上限 255，0 标识 offset，即第 0 分钟，`OVERFLOW SAT`表示如果 incr 后的结果超过上限（这里是 2^8 ），那么结果保持在最大值 255 （ 8 位全 1 ）



获取视频 123456 近 10 分钟的访问量，命令：

`BITFIELD v:123456:cnt:bit GET u8 GET u8 1 GET u8 2 GET u83 GET u8 4 GET u8 5 GET u8 6 GET u8 7 GET u8 8 GET u8 9`

这条命令会返回每个域（即每分钟）的值，求和后即为近 10 分钟的累计访问量

BITFIELD 的每个子命令的复杂度是 O(1)的，如果访问 /操作 N 个视频的近 10 分钟的访问量，也就是操作 N 次 Redis 即可



方案的优点

1. 省空间，bitmap 占用空间很小
2. 支持批量，BITFIELD 的子命令可以多个同时操作

缺点：

1. 不是严格的滑动窗口，有一定的精度损失

这个可以通过拆细粒度来解决，如 10 秒（甚至 1 秒）一个域，相应地，这样会增加一定的存储

2. 设计时需要考虑单个单位时间内的上限，超过上限时，统计不准，因为我们在溢出控制时使用了饱和算法（ SAT ）

这个可以在设计初期尽量预留一个保险的值，当然了，越大的话，存储也会越大

3. 对于读写分离的场景（即读从写主），BITFIELD 被 Redis 标识为写命令，所以所有的 BITFIELD 都会在主节点上执行

这个问题我们遇到了，但没有造成很高的负载，所以没有处理；不过阿里云有篇文章可以参考： https://developer.aliyun.com/article/757841

[waibunleung]

@ch2 这种方案的话，还不如先写到 redis 一分钟同步一次数据到 mysql，基本没有写压力，方案上更趋近于这个

[waibunleung]

@opengps 嗯嗯，这种可以考虑一下

[waibunleung]

@vebuqi 看懂了大部分，但疑问是下一个 10 分钟的时间窗口，是另起新的 key 统计吗？还是将旧的清零？比如 10:59 分 过渡到 11:00 的时候，此时 bitmap 上 0 这个 field 还是存储着 10:50 的统计？还是怎么样

[angryfish]

你这小程序多大的量，还担心数据库写入太频繁。用户访问一次，写入一条记录，大多数情况下没什么问题

[keakon]

总视频数、每 10 分钟总的访问量说下量级吧，应用场景是怎样的，感觉你想得太多了。

比如「我想做一个管理后台…」，你管理后台每秒能刷几千次啊，还能被刷爆？

而如果是面向公众用户的场景，你的需求也不需要「实时、精确地计算出访问增量」，每分钟统计一下就行了。

最后，这种情况比较常见的做法是使用时间轮，比如选一个比 10 大又能被 60 整除的数，例如 12 。将当前的分钟数对 12 取模，然后每个 key 记录这一分钟的数据。每到一个新的一分钟，就把 11 分钟前的 key 删了。要获取数据时，就取当前和之前的 10 个 key 。
至于数据结构选啥，根据你的视频量级、视频数是否恒定、id 是否连续等而定，不同的方案内存差别很大。比如一楼提到的 view_count_{vid}_{minute}，这种实现不用看也知道内存扛不住。

[xuanbg]

用 hash 类型存储，每个文件一个 key 。这个 key 下面每 10 分钟新增一个 hash key，在这个时间段里，每访问一次这个 hash key 的 value +1 。

[vebuqi]

@waibunleung

单个视频的访问量用两个 key 来存储，过期时间设置成两个周期，也就是 20 分钟
写入时，每次都对当前周期内的 key 写入
读取时，读取上个周期的后半部分和这个周期的前半部分

如：
现在是 10:56，则目前数据库中的 key 有两个，v:${id}:cnt:bit:1040 （过期时间还有 4 分钟） 和 v:${id}:cnt:bit:1050 （过期时间还有 14 分钟），1040 代表 10:4X 周期内的计数，10:50 代表 10:5X 周期内的计数

若 10:56 新增 10 个，则对 v:${id}:cnt:bit:1050 内第 6 个域 incr 10 即可
若读取最近 10min 的访问量，则取前一个 key 的后 3 个域（ 10:47 、10:48 、10:49 ）和当前 key 的前 7 个域（ 10:50 ~ 10:56 ），然后求和

这样的话就避免了你提到的问题，但增加了一倍的存储（两个 key ）

再复杂一点的方案，单 key 中前 N 位用 1 个单独的域，记录上次写入时间，每次写入前，根据当前时间和上次写入时间判断是否要重置之前的某个 /某些域，然后再进行写入+（重置）的操作。这样的话，存储能降到一个 key，但写入时多了一次操作，时间换空间了，适用于 写少读多的场景，所以最好是聚合写

[luzhh]

每次请求写到 log 里用 shell 统计都很快的。先实现出来，然后在看满足不满足性能要求和功能需求，然后在看怎么优化改进方案。

[waibunleung]

@angryfish 日活目前在 1w 多有，预计会增长至 10w

[waibunleung]

@keakon 就算用一楼的办法，每分钟也只是同一个普通的 key 。而且也会删掉，”不用看也知道内存扛不住“ 是不是太武断了些....我觉得抗住是没有问题的...

[waibunleung]

@xuanbg 那这样子就没有了时间滑动窗口了，我也不会问这个问题了

[waibunleung]

@luzhh 是的，今天想到了这个，直接解析 nginx 的 log 也是个办法

[luzhh]

或者将每一条视频播放请求发到队列用 flink 的滑动窗口去统计，你那服务器的配置干这个完全不在话下。

[xuanbg]

@waibunleung 你要怎样滑动？以什么为单位？要以分钟为单位滑动，按分钟计数，按秒滑动就按秒计数。不还是一样的道理吗？

[siweipancc]

@vebuqi 最近有个类似的需求，感谢

[billlee]

说个 100K QPS 级的方案：

1. 在内存（或 redis ）里记数，定时 (比如 10s) flush 到持久存储 (mysql 或 influxdb) 并 reset 内存中的计数器
2. 查询的时候就是指定时间范围 SUM() 聚合了
3. 定期清理持久存储中的历史数据
4. 如果需要保留长时间历史数据，需要在持久存储那端做降采样

关键是 1. 写入的时候不要每次请求都落盘 2. 查询的时候要能用上 rdbms 的查询能力

[liuhan907]

如果是单纯的统计增速，那用时序数据库不是很合适么？比如用开源版的 influxdb 。

[waibunleung]

@xuanbg 换成一分钟之后，那这不就是一楼说的那种做法吗？

[xuanbg]

@waibunleung 楼主你有没有搞清楚自己的需求？需求确定了，数据结构自然就能确定了。数据结构确定了，存储方案自然就能确定了。即使有问题，至于连问题是什么都说不清吗？

[waibunleung]

@billlee 嗯嗯，有想过这个方法，历史数据可以放到冷数据表，但是这种方法如果要查更长的近 x 分钟时间的数据，视频越多，存储量就越多了，不知道你这个量级，一个固定时间内(比如 1 个小时)，持久存储里面的记录数有多少？存储结构是怎么样的？
比如 10s flush 一次到 db 的话，一分钟就相当于有 6 条记录了？

[waibunleung]

@xuanbg 聊场外就没意思了，需求描述得挺清楚的了，就是要在内存有限的情况下用 redis 统计近 10 分钟的数据，做法不同数据结构不同，你后面说的这种做法和一楼二楼说出来的没有本质的区别，问题也在描述的地方说了，存在滑动窗口的问题，你的第一条回复本质是固定的时间窗口，我只是回复你这样做的话不满足我的需求，请问怎么看出我不了解需求和数据结构的问题呢？

[waibunleung]

@liuhan907 嗯嗯我加入备忘研究一下

[keakon]

@waibunleung 你最好先熟悉 redis 的内存占用再来臆测。一楼的方案内存占用要多 1~2 个数量级。

[waibunleung]

@keakon 关键是我没有看出来你的方案和一楼的方案有什么本质的区别，臆测倒没有，你说扛不住也要说说你的理由和分析吧？

[waibunleung]

@keakon 对不起，一开始没有 get 到你全部的意思，我之所以会这么说，是因为用一楼的方案，也可以做到你说的时间轮的类似效果，只是一楼少了定时删除旧缓存的做法，加上之后，我觉得和你说的没有太本质的区别，始终维护的是一个时间段内的数据

[sunhuawei]

看需求有点云里雾里的，如果是我的话我会用 HyperLogLog 统计，最大占用 12k，会有 0.81%左右的误差但很高效

[waibunleung]

@sunhuawei 要在内存有限的情况下用 redis 统计近 10 分钟的视频访问量，转发数等数据，HyperLogLog 主要是去重，场景不对

[11373450]

redis 设置一个过期时间（ 10 分钟），然后设置他值为 1 。 判断这个 redis 存在就累加。没有存在就重新设置

[waibunleung]

@11373450 这种不太符合时间滑动窗口的需求哈

[CantSee]

设置 bitmap 的存储大小,例如 1 -N 分钟,单个 Key 的长度为 200(假设),那么第一个 key 存储时,为 name_1,第二个为 name_2,同时失效第一个,保证永远只会存在一个 key,统计时,直接 200 * n +当前 name_key 的长度;