Redis数据分片

Redis的分片（Sharding或者Partitioning）技术是指将数据分散到多个Redis实例中的方法，分片之后，每个redis拥有一部分原数据集的子集。在数据量非常大时，这种技术能够将数据量分散到若干主机的redis实例上，进而减轻单台redis实例的压力。分片技术能够以更易扩展的方式使用多台计算机的存储能力（这里主要指内存的存储能力）和计算能力：

（1）从存储能力的角度，分片技术通过使用多台计算机的内存来承担更大量的数据，如果没有分片技术，那么redis的存储能力将受限于单台主机的内存大小。

（2） 从计算能力的角度，分片技术通过将计算任务分散到多核或者多台主机中，能够充分利用多核、多台主机的计算能力。

下面将以举例的方式说明分片技术及其存在的优势：

示例1：未采用分片技术，有1000万条用户信息数据，以键值对：UsrID:UsrInfo的形式存储在一个redis实例中，此时所有的用户信息都会存储在一个redis实例中，对这1000万条数据的所有插、查、删、该操作压力都会集中在这个redis所在的主机上；此时所要考虑的问题不仅有存储和操作对该主机的压力，还有该主机失效时将导致所有操作都无法进行的问题。

示例2：采用分片技术；有1000万条用户信息数据，以键值对：UsrID:UsrInfo的形式存储于redis中，此时有4台主机，每台主机运行一个Redis实例：主机A （Redis1）、主机B(Redis2)、主机C(Redis3)、主机D（Redis4），分片时算法为：

redis_index = 用户的ID % 4 + 1;

例如ID为10000654则可得到到redis_index的值：10000654 % 4 + 1 = 1，即用户10000654的信息将被放到Redis1上，所有对用户1000654的操作也将被分片到Redis1上；假如用户ID以顺序方式出现，这1000万条用户信息将被平均分配到这四台主机的各Redis实例上。

采用分片算法
 

采用分片之后，数据将被分散到4个redis实例中，对数据的操作也被分散到每个redis实例中，此时单台主机的压力将大大减轻。

分片的部署，即实例2中分片算法被放在哪里？是在分片时需要首先考虑的问题，分片部署方式一般分为以下三种：

（1）在客户端做分片；这种方式在客户端确定要连接的redis实例，然后直接访问相应的redis实例；

（2）在代理中做分片；这种方式中，客户端并不直接访问redis实例，它也不知道自己要访问的具体是哪个redis实例，而是由代理转发请求和结果；其工作过程为：客户端先将请求发送给代理，代理通过分片算法确定要访问的是哪个redis实例，然后将请求发送给相应的redis实例，redis实例将结果返回给代理，代理最后将结果返回给客户端。

（3）在redis服务器端做分片；这种方式被称为“查询路由”，在这种方式中客户端随机选择一个redis实例发送请求，如果所请求的内容不再当前redis实例中它会负责将请求转交给正确的redis实例，也有的实现中，redis实例不会转发请求，而是将正确redis的信息发给客户端，由客户端再去向正确的redis实例发送请求。

上面主要描述了分片的优点，当然分片的存在也有缺陷，例如：

（1） 通常无法支持涉及多键的操作；在redis中有很多一次操作多个key的操作，例如求集合交集的SINTER操作，该操作将涉及到多个键，而这多个键有可能被分片到不同的redis实例中，此时就无法执行这种操作。

（2）Redis的事务操作中涉及多个键时也不能用；

（3）分片将导致数据处理更加复杂；例如在分片过程中，随着redis实例的增加，数据备份等操作都将会变得更加复杂。

（4）Redis目前不支持动态分片操作，扩容和缩容操作都会比较复杂，尤其分片操作部署在客户端时，需要重新配置和启动客户端。在使用过程中缩容用的不多，扩容可以采用后面介绍的预分片策略来缓解此问题。

预分片技术
 

因为使用了一致性哈稀进行分片，那么不同的key分布到不同的Redis-Server上，当我们需要扩容时，需要增加机器到分片列表中，这时候会使得同样的key算出来落到跟原来不同的机器上，这样如果要取某一个值，会出现取不到的情况。而且在正常运营环境中，一般所存储的数据会逐渐增加，可能今天只要10个redis实例就能应付，但是到了一年以后就需要50个redis实例才能支撑，因此，redis的扩容是经常用到的功能，在redis的分布式部署中，有预分片技术是非常好用的方法之一；

预分片技术是指在开始时就启动足够多的redis实例（例如32或64个，估计一下够以后扩展用就行了），等到后续需要扩容的时候，只需要将其中一部分的redis实例转移到新增加的机子上即可，在redis实例迁移过程中使用redis的复制功能可以最大限度的降低redis的停工时间甚至可以做到没有停工时间。由于redis实例是轻量级的进程，而且占用内存较少，这里指单纯的空的redis实例，一个空的redis实例大约占用1M的内存；因此，这种方式即不会占用太多系统开销，又便于实现；

Redis的预分片技术可以按照以下步骤进行实例迁移操作：

（1）在新机子上启动新的redis实例；

（2）将新redis实例作为slave将原redis实例作为master，将数据从原redis实例迁移到新redis实例上；

（3）停止客户端（分片操作在客户端上时）或代理服务器（分片操作在代理上）

（4）更新客户端或者代理服务器中的配置信息，去掉被迁移的原redis实例的ip和端口等信息，加上新启动redis实例的IP地址和端口；

（5）向新启动的redis发送SLAVEOF NOONE命令，终止新redis实例对原redis实例的从属关系；

（6）重启客户端程序或者代理程序，此时它们将会使用新的redis实例；
 

（7）关掉被迁移走数据的原redis实例；

 

Jedis分片连接池

Jedis通过一致性哈希分片算法来实现数据分片，一致性哈希算法：http://blog.csdn.net/cywosp/article/details/23397179/。简单用Jedis分片连接池来实现多Redis的master节点进行数据分片，步骤如下：

1. 部署2个Redis master节点。

2. 用ShardedJedisPool连接Redis maser节点，并将数据根据一致性哈希算法存放到不同的master节点，从而达成数据分片。

客户端代码如下：

public class RedisShardPoolTest {
    static ShardedJedisPool pool;
    static{
        JedisPoolConfig config =new JedisPoolConfig();//Jedis池配置
        config.setMaxActive(500);//最大活动的对象个数
          config.setMaxIdle(1000 * 60);//对象最大空闲时间
          config.setMaxWait(1000 * 10);//获取对象时最大等待时间
          config.setTestOnBorrow(true);
        String hostA = "10.7.12.52";
          int portA = 6379;
          String hostB = "10.7.112.52";
          int portB = 6379;
        List<JedisShardInfo> jdsInfoList =new ArrayList<JedisShardInfo>(2);
        JedisShardInfo infoA = new JedisShardInfo(hostA, portA);
        infoA.setPassword("redis.360buy");
        JedisShardInfo infoB = new JedisShardInfo(hostB, portB);
        infoB.setPassword("redis.360buy");
        jdsInfoList.add(infoA);
        jdsInfoList.add(infoB);
       
        pool =new ShardedJedisPool(config, jdsInfoList, Hashing.MURMUR_HASH,
Sharded.DEFAULT_KEY_TAG_PATTERN);
    }
   
    /**
     * @param args
     */
    public static void main(String[] args) {
        for(int i=0; i<100; i++){
           String key =generateKey();
           //key += "{aaa}";
           ShardedJedis jds =null;
           try {
               jds =pool.getResource();
               System.out.println(key+":"+jds.getShard(key).getClient().getHost());
               System.out.println(jds.set(key,"1111111111111111111111111111111"));
           }catch (Exception e) {
               e.printStackTrace();
           }
           finally{
               pool.returnResource(jds);
           }
        }
    }
 
    private static int index = 1;
    public static String generateKey(){
        return String.valueOf(Thread.currentThread().getId())+"_"+(index++);
    }
}

通过执行结果会发现这100条数据会被分开存放到10.7.12.52和10.7.112.52机器上的master节点中，查看源码会发现jds.set(key,value)方法会调用jds.getShared(key)来根据key的hash值来获取该key应该存放到那个节点上。