jedis 集群模式下连接redis原理

1.ShardedJedis内部实现

首先我们来看一下ShardedJedis的一个继承关系

 

看完了图，那么我们一步一步跟着我们的代码调用来看，以我们最简单的 ShardedJedis.get(key)方法为例：

  public String get(String key) {
    Jedis j = getShard(key);
    return j.get(key);
  }

 

这边有调用一个getShard 方法，参数为我们传入的key，然后返回一个普通的jedis对象，那么这个getShard是用来做什么的呢，大家可能已经猜到了，这个方法就是会根据我们传入的key做一致性哈希判断，然后返回key落到的那个redis实例上的一个redis连接，不同的key返回的redis连接可能是不同的。

 

进入getShard 方法，你会发现这个实现是在Sharded类中实现的（看上面的类图可以发现顶层的Sharded类），代码如下：

public R getShard(String key) {
    return resources.get(getShardInfo(key));
  }

  public S getShardInfo(byte[] key) {
    SortedMap<Long, S> tail = nodes.tailMap(algo.hash(key));
    if (tail.isEmpty()) {
      return nodes.get(nodes.firstKey());
    }
    return tail.get(tail.firstKey());
  }

  public S getShardInfo(String key) {
    return getShardInfo(SafeEncoder.encode(getKeyTag(key)));
  }

 

上面的方法是层层调用的关系，在这边不细说，我们主要看下第二个方法（getShardInfo(byte[] key)）实现（上面的nodes变量是一个TreeMap 类型， algo 是Hashing类型，即key分片所使用的hash算法，这个在前一篇有简单说过），那么这段代码的含义我们大概成猜出来了，

1. 就是在一个TreeMap中取出大于等于key之后的部分视图SortMap
2. 在SortMap取得第一个键值对的值，然后返回一个 S 对象，
3. 然后根据这个S 对象，去resources（resources = new LinkedHashMap<ShardInfo<R>, R>()）中get一个R对象

 

那么这个S、 R对象各自代表什么呢？看下面的代码

public class Sharded<R, S extends ShardInfo<R>>

public class BinaryShardedJedis extends Sharded<Jedis, JedisShardInfo> implements
    BinaryJedisCommands

可以得出  S = JedisShardInfo， R = Jedis 对象，即在TreeMap存储了服务器划分的虚拟节点的信息，LinkedHashMap中存储了服务器的物理连接。 

 

JedisShardInfo具体信息如下：里面包含了jedis服务器的一些信息，最重要的是它的父类中有一个weight字段，作为本jedis服务器的权值。

id="iframe_0.6316477367194282" src="data:text/html;charset=utf8,%3Cimg%20id=%22img%22%20src=%22http://static.oschina.net/uploads/space/2015/0325/183945_BFEK_1469576.png?_=5032120%22%20style=%22border:none;max-width:1520px%22%3E%3Cscript%3Ewindow.onload%20=%20function%20()%20%7Bvar%20img%20=%20document.getElementById('img');%20window.parent.postMessage(%7BiframeId:'iframe_0.6316477367194282',width:img.width,height:img.height%7D,%20'http://www.cnblogs.com');%7D%3C/script%3E" frameborder="0" scrolling="no" style="margin: 0px; padding: 0px; border-style: none; border-width: initial; width: 399px; height: 412px;">

 

ok，那我们了解了实际上就是根据jedis服务器的信息去获取一个jedis的连接，返回给上层调用。

 

我们可以梳理下这个逻辑：

1. 当我们使用ShardedJedis去查一个key时，首先它会把这个key进行一个hash算法
2. 根据这个hash值然后去treeMap中，查出这个key落在哪个实例中，并返回redis实例对应的具体信息
3. 根据这个redis的实例信息，到一个保存jedis链接和实例信息对应关系的LinkedHashMap中找到这个jedis连接
4. 最终返回jedis连接，执行对象的命令操作（到这步后实际上和单机操作一样了）

那么我们的nodes 服务器虚拟节点和resources 服务器物理连接是什么时候初始化的呢，接下来继续看

 

2.redis虚拟节点（nodes）和物理连接（resources） 初始化

我们继续看Sharded的构造方法

public Sharded(List<S> shards, Hashing algo) {
    this.algo = algo;
    initialize(shards);
  }

public Sharded(List<S> shards, Hashing algo, Pattern tagPattern) {
    this.algo = algo;
    this.tagPattern = tagPattern;
    initialize(shards);
  }

 

这边有一个initialize方法，就是用来对虚拟节点和物理连接进行初始化的，看其实现

private void initialize(List<S> shards) {
    nodes = new TreeMap<Long, S>();

    for (int i = 0; i != shards.size(); ++i) {
      final S shardInfo = shards.get(i);
      if (shardInfo.getName() == null) for (int n = 0; n < 160 * shardInfo.getWeight(); n++) {
        nodes.put(this.algo.hash("SHARD-" + i + "-NODE-" + n), shardInfo);
      }
      else for (int n = 0; n < 160 * shardInfo.getWeight(); n++) {
        nodes.put(this.algo.hash(shardInfo.getName() + "*" + shardInfo.getWeight() + n), shardInfo);
      }
      resources.put(shardInfo, shardInfo.createResource());
    }
  }

 

具体细节就不说了，根据上面的，我们就知道是在这边进行了初始化，将每台服务器节点采用hash算法划分为160个虚拟节点(可以配置划分权重)，保存在TreeMap中，

然后把每台服务器节点的信息和物理连接以键值对保存LinkedHashMap中。

 

然后通过一系列的查找，发现Sharded的构造方法其实是在我们 jedisPool.getResource() 时就完成的

　　//初始化ShardedJedisPool
        List<JedisShardInfo> infoList = Arrays.asList(shardInfo1, shardInfo2, shardInfo3);
        ShardedJedisPool jedisPool = new ShardedJedisPool(poolConfig, infoList);
        ShardedJedis jedis = jedisPool.getResource();

 

 

纳尼？ 每次jedisPool.getResource() 才初始化？那会不会造成很慢呢，其实不用担心，其底层是使用了commons.pool来进行连接池的一些操作，会根据我们配置的连接池参数来生成对应的连接并保存，其中的细节很复杂，博主没有继续深究，实现其实和数据库连接池是一致的。

 

3.总结

 

ShardedJedis分布式具体的的实现思路：

• redis服务器节点划分：将每台服务器节点采用hash算法划分为160个虚拟节点(可以配置划分权重)

• 将划分虚拟节点采用TreeMap存储

• 对每个redis服务器的物理连接采用LinkedHashMap存储

• 对Key or KeyTag 采用同样的hash算法，然后从TreeMap获取大于等于键hash值得节点，取最邻近节点存储；当key的hash值大于虚拟节点hash值得最大值时，存入第一个虚拟节点

• sharded采用的hash算法：MD5 和 MurmurHash两种；默认采用64位的MurmurHash算法；