原因:只有主库有写操作的功能,如果主库挂了,需要为保持写操作而做出努力。
这涉及到三个问题:
- 主库真的挂了吗?
- 该选择哪个从库作为主库?
- 怎么把新主库的相关信息通知给从库和客户端呢?
哨兵机制
哨兵:
一个特殊模式下的redis进程
哨兵任务:
监控、选主(选择主库)和通知。
监控:
监控是指哨兵进程在运行时,周期性地给所有的主从库发送 PING 命令,检测它们是否仍然在线运行。如果从库没有在规定时间内响应哨兵的 PING 命令,哨兵就会把它标记为“下线状态”;同样,如果主库也没有在规定时间内响应哨兵的 PING 命令,哨兵就会判定主库下线,然后开始自动切换主库的流程
选主:
主库挂了以后,哨兵就需要从很多个从库里,按照一定的规则选择一个从库实例,把它作为新的主库。
通知:
哨兵会把新主库的连接信息发给其他从库,让它们执行 replicaof 命令,和新主库建立连接,并进行数据复制。同时,哨兵会把新主库的连接信息通知给客户端,让它们把请求操作发到新主库上。
主观下线和客观下线
主观下线:如果哨兵发现主库或从库对 PING 命令的响应超时了,那么,哨兵就会先把它标记为“主观下线”。
对从库来说,哨兵简单地把它标记为“主观下线”就行了,因为从库的下线影响一般不太大,集群的对外服务不会间断。
误判:一般会发生在集群网络压力较大、网络拥塞,或者是主库本身压力较大的情况下
但是主库的切换需要更加谨慎,为了避免哨兵误判,选主和通知操作带来额外的计算和通信开销。
客观下线:大多数的哨兵实例,都判断主库已经“主观下线”了,主库才会被标记为“客观下线”
通常会采用多实例组成的集群模式进行部署,这也被称为哨兵集群,可以避免单个哨兵因为自身网络状况不好,而误判主库下线的情况。同时,多个哨兵的网络同时不稳定的概率较小,由它们一起做决策,误判率也能降低。
“客观下线”的标准:当有 N 个哨兵实例时,最好要有 N/2 + 1 个实例判断主库为“主观下线”,才能最终判定主库为“客观下线”
如何选定新主库
- 哨兵选择新主库的过程称为“筛选 + 打分”
除了要检查从库的当前在线状态,还要判断它之前的
网络连接状态
- 筛选:down-after-milliseconds * 10
down-after-milliseconds 是我们认定主从库断连的最大连接超时时间
如果在 down-after-milliseconds 毫秒内,主从节点都没有通过网络联系上,我们就可以认为主从节点断连了。如果发生断连的次数超过了 10 次,就说明这个从库的网络状况不好,不适合作为新主库。
sentinal.conf 文件进行配置,不在 redis.conf 中
- 打分:
- 优先级最高的从库得分高。
通过 slave-priority 配置项,给不同的从库设置不同优先级。数字越小优先级越高。
比如有两个从库,它们的内存大小不一样,手动给内存大的实例设置一个高优先级。在选主时,哨兵会给优先级高的从库打高分,如果有一个从库优先级最高,那么它就是新主库了。如果从库的优先级都一样,那么哨兵开始第二轮打分。
- 和旧主库同步程度最接近的从库得分高。
主库会用 master_repl_offset 记录当前的最新写操作在 repl_backlog_buffer 中的位置
而从库会用 slave_repl_offset 这个值记录当前的复制进度。
所有从库中,有从库的 slave_repl_offset 最接近 master_repl_offset,那么它的得分就最高,可以作为新主库。
- ID 号小的从库得分高。
每个实例都会有一个 ID,这个 ID 就类似于这里的从库的编号
在优先级和复制进度都相同的情况下,ID 号最小的从库得分最高,会被选为新主库。