1 redis集群
什么是redis集群(为什么要搭建redis集群):
通常,为了提高网站响应速度,总是把热点数据保存在内存中而不是直接从后端数据库中读取。
Redis是一个很好的Cache工具。大型网站应用,热点数据量往往巨大,几十G上百G是很正常的事儿。
由于内存大小的限制,使用一台 Redis 实例显然无法满足需求,这时就需要使用多台 Redis作为缓存数据库。但是如何保证数据存储的一致性呢,这时就需要搭建redis集群.采用合理的机制,保证用户的正常的访问需求.
采用redis集群,可以保证数据分散存储,同时保证数据存储的一致性.并且在内部实现高可用的机制.实现了服务故障的自动迁移.
2 集群搭建计划
主从划分:
3台主机 3台从机共6台 端口划分7000-7005
3 集群搭建
3.1 创建集群文件夹:
命令:mkdir cluster
在新创的文件夹中创建7001~7005的文件夹
命令:mkdir 7000
(同样的操作)
3.2 复制配置文件
说明:
将redis根目录中的redis.conf文件复制到cluster/7000/ 并以原名保存
cp redis.conf cluster/7000/
⦁ 注释本地绑定IP地址
⦁ 关闭保护模式
⦁ 修改端口号
⦁ 启动后台启动
⦁ 修改pid文件
⦁ 修改持久化文件路径
⦁ 设定内存优化策略
⦁ 关闭AOF模式
⦁ 开启集群配置
⦁ 开启集群配置文件
⦁ 修改集群超时时间
说明:将7000文件夹下的redis.conf文件分别复制到7001-7005中
⦁ 批量修改
说明:分别将7001-7005文件中的7000改为对应的端口号的名称,
修改时注意方向键的使用
⦁ 通过脚本编辑启动/关闭指令
- 创建启动脚本 vim start.sh
创建启动脚本 vim shutdown.sh
- 启动redis节点
sh start.sh - 检查redis节点启动是否正常
⦁ 创建redis集群
redis-cli --cluster create --cluster-replicas 1
192.168.126.129:7000
192.168.126.129:7001 192.168.126.129:7002
192.168.126.129:7003
192.168.126.129:7004
192.168.126.129:7005
- 关闭redis主机.检查是否自动实现故障迁移.
- 再次启动关闭的主机.检查是否能够实现自动的挂载.
一般情况下 能够实现主从挂载
个别情况: 宕机后的节点重启,可能挂载到其他主节点中(7001-7002) 正确的
4 redis集群的原理:
4.1 Redis集群高可用推选原理
原理说明:
Redis的所有节点都会保存当前redis集群中的全部主从状态信息.并且每个节点都能够相互通信.当一个节点发生宕机现象.则集群中的其他节点通过PING-PONG检测机制检查Redis节点是否宕机.当有半数以上的节点认为宕机.则认为主节点宕机.同时由Redis剩余的主节点进入选举机制.投票选举链接宕机的主节点的从机.实现故障迁移.
4.2 Redis集群宕机条件
说明:redis集群中只要有一台redis主机宕机,则整个redis集群崩溃(可以进行高可用)
特点:集群中如果主机宕机,那么从机可以继续提供服务,
当主机中没有从机时,则向其它主机借用多余的从机.继续提供服务.如果主机宕机时没有从机可用,则集群崩溃.
如果有6台redis搭建集群,问:最少宕机多少台主机才会出现宕机?
宕机2台集群崩溃
如果有9台redis搭建集群,问:最少宕机多少台主机才会出现宕机?
宕机5台集群崩溃
补充说明:如果想仍集群金坑能的不当及免责适当的增加从节点的数量 建议搭配2~3从机即可
答案:9个redis节点,节点宕机5-7次时集群才崩溃.
4.3 什么是脑裂现象
说明:在集群的机制中,有煮酒极限选举,当主机选举时如果出现连续三次选举平票的结果时,则可能出现脑裂现象
问题:脑裂现象出现的概率是多少? 12.5% 不会发生脑裂的范围: <5%
问题:如何有效降低脑裂现象: 可以通过增加主机的数量来有效的降低脑裂的发生
4.4 Redis hash槽存储数据原理
说明: RedisCluster采用此分区,所有的键根据哈希函数(CRC16[key]%16384)映射到0-16383槽内,共16384个槽位,每个节点维护部分槽及槽所映射的键值数据.根据主节点的个数,均衡划分区间.
算法:哈希函数: Hash()=CRC16[key]%16384
当向redis集群中插入数据时,首先将key进行计算.之后将计算结果匹配到具体的某一个槽的区间内,之后再将数据set到管理该槽的节点中.
5 redis集群分区算法
5.1 Redis分区说明
Redis分区只负责 数据应该存储到哪里的问题.至于是否能存储的下 完全由Redis内存决定.
特点:
1.hash(key1)%16384 = 3000
2.hash(key2)%16384 = 3000 key1和key2 都归第一个节点进行管理.
5.2 Redis hash槽与一致性 hash算法的区别
1.运算位置不同.
1.redis分片机制在业务服务器中完成的运算.
2.redis分区算法在连接Redis之后,由redis进行计算.
2.算法不同 一致性hash算法/hash槽算法.
3.redis分片可以随意的进行数据的保存. redis分区不能随机存储.分区中只能保存属于我的key.
6 spring整合redis
1;配置文件的书写
redis.nodes=192.168.126.129:7000,192.168.126.129:7001,192.168.126.129:7002,192.168.126.129:7003,192.168.126.129:7004,192.168.126.129:7005
2.配置文件的书写:
@Value("${redis.nodes}")
private String nodes;
@Bean
public JedisCluster jedisCluster(){
String[] strNodes = nodes.split(",");
Set<HostAndPort> cluster = new HashSet<>();
for (String node:strNodes){
String host = node.split(":")[0];
int port = Integer.parseInt(node.split(":")[1]);
HostAndPort hostAndPort = new HostAndPort(host,port);
cluster.add(hostAndPort);
}
JedisCluster jedisCluster = new JedisCluster(cluster);
return jedisCluster;
}
7 redis集群的面试题:
1:redis集群中的主机最多有多少台 16384个
redis内存中最多可以扩展到原有redis多少倍
2:redis中存储的数据最多16384个?
不对的,16384 只是分区的大小,至于能存储多绍数据,完全由内存决定