面试题
Redis集群模式的工作原理说一下?在集群模式下,key是如何寻址的?寻址都有哪些算法?了解一致性hash吗?
2 考点分析
Redis不断在发展-Redis cluster集群模式,可以做到在多台机器上,部署多个实例,每个实例存储一部分的数据,同时每个实例可以带上Redis从实例,自动确保说,如果Redis主实例挂了,会自动切换到redis从实例顶上来。
现在新版本,大家都是用Redis cluster的,也就是原生支持的集群模式,那么面试官肯定会就redis cluster对你来个几连炮。要是你没用过redis cluster,正常,以前很多人用codis之类的客户端来支持集群,但是起码你得研究一下redis cluster
3 Redis如何在保持读写分离+高可用的架构下,还能横向扩容支撑1T+海量数据
- redis单master架构的容量的瓶颈问题
- redis如何通过master横向扩容支撑1T+数据量
3 数据分布算法:hash+一致性hash+redis cluster的hash slot
讲解分布式数据存储的核心算法,数据分布的算法
hash算法 -> 一致性hash算法(memcached) -> redis cluster,hash slot算法
用不同的算法,就决定了在多个master节点的时候,数据如何分布到这些节点上去,解决这个问题
扫VX 领Java资料,前端,测试,python等等资料都有
4 Redis cluster
- 自动将数据分片,每个master上放一部分数据
- 提供内置的高可用支持,部分master不可用时,还可继续工作
在Redis cluster架构下,每个Redis要开放两个端口,比如一个是6379,另外一个就是加10000的端口号,比如16379
16379端口用于节点间通信,也就是cluster bus集群总线
cluster bus的通信,用来故障检测,配置更新,故障转移授权
cluster bus用了另外一种二进制的协议 - gossip,主要用于节点间高效的数据交换,占用更少的网络带宽和处理时间
- 最老土的hash算法和弊端(大量缓存重建)
3、一致性hash算法(自动缓存迁移)+虚拟节点(自动负载均衡)
- 一致性hash算法的讲解和优点
- 一致性hash算法的虚拟节点实现负载均衡
4、redis cluster的hash slot算法
redis cluster有固定的16384个hash slot,对每个key计算CRC16值,然后对16384取模,可以获取key对应的hash slot
redis cluster中每个master都会持有部分slot,比如有3个master,那么可能每个master持有5000多个hash slot
hash slot让node的增加和移除很简单,增加一个master,就将其他master的hash slot移动部分过去,减少一个master,就将它的hash slot移动到其他master上去
移动hash slot的成本是非常低的
客户端的api,可以对指定的数据,让他们走同一个hash slot,通过hash tag来实现
5 节点间的内部通信机制
5.1 基础通信原理
用于维护集群的元数据
5.1.1 集中式
- 集中式的集群元数据存储和维护 将集群元数据(节点信息,故障等)集中存储在某个节点
- 优点 元数据的更新和读取,时效性好,一旦元数据出现变更,立即更新到集中式的存储中,其他节点读取时立即就可感知
- 缺点 所有的元数据的跟新压力全部集中在一个地方,可能会导致元数据的存储有压力
Redis cluster节点间采取的另一种称为gossip的协议
互相之间不断通信,保持整个集群所有节点的数据是完整的
gossip:好处在于,元数据的更新比较分散,不是集中在一个地方,更新请求会陆陆续续,打到所有节点上去更新,有一定的延时,降低了压力; 缺点,元数据更新有延时,可能导致集群的一些操作会有一些滞后
我们刚才做reshard,去做另外一个操作,会发现说,configuration error,达成一致
(2)10000端口
每个节点都有一个专门用于节点间通信的端口,就是自己提供服务的端口号+10000,比如7001,那么用于节点间通信的就是17001端口
每隔节点每隔一段时间都会往另外几个节点发送ping消息,同时其他几点接收到ping之后返回pong
(3)交换的信息
故障信息,节点的增加和移除,hash slot信息,等等
5.1.2 gossip协议
- gossip协议维护集群元数据 协议包含多种消息
meet
某节点发送meet给新加入的节点,让新节点加入集群,然后新节点就会开始与其他节点通信
redis-trib.rb add-node
其实内部就是发送了一个gossip meet消息给新节点,通知该节点加入集群
ping
每个节点都会频繁给其他节点发ping,其中包含自己的状态还有自己维护的集群元数据,互相通过ping交换元数据
ping很频繁,而且要携带一些元数据,可能会加重网络的负担
每个节点每s会执行10次ping,每次会选择5个最久没有通信的其他节点。当然如果发现某个节点通信延时达到了
cluster_node_timeout / 2
那么立即发送ping,避免数据交换延时过长,落后的时间太长了。比如说,两节点之间已经10分钟没有交换数据,那么整个集群处于严重的元数据不一致的情况,就会有问题。所以cluster_node_timeout
可以调节,如果调节比较大,那么会降低发送频率
每次ping,一个是带上自己节点的信息,还有就是带上1/10其他节点的信息,发送出去,进行数据交换。至少包含3个其他节点的信息,最多包含总节点-2个其他节点的信息
pong
返回ping和meet,包含自己的状态和其他信息,也可用于信息广播和更新
fail
某个节点判断另一个节点fail后,就发送fail给其他节点,通知其他节点,指定的节点宕机啦!
6 面向集群的Jedis内部实现原理
开发Jedis,Redis的Java客户端
jedis cluster api与redis cluster集群交互的一些基本原理
6.1 基于重定向的客户端
redis-cli -c,自动重定向
6.1.1 请求重定向
客户端可能会挑选任意一个Redis实例去发送命令,每个实例接收到命令,都会计算key对应的hash slot
若在本地就在本地处理,否则返回moved给客户端,让客户端重定向
cluster keyslot mykey
可查看一个key对应的hash slot是什么
用redis-cli的时候,可加入-c
参数,支持自动的请求重定向,redis-cli接收到moved之后,会自动重定向到对应的节点执行命令
6.1.2 计算hash slot
计算hash slot的算法,就是根据key计算CRC16值,然后对16384取模,拿到对应的hash slot
用hash tag可以手动指定key对应的slot,同一个hash tag下的key,都会在一个hash slot中,比如set mykey1:{100}和set mykey2:{100}
6.1.3 hash slot查找
节点间通过gossip协议数据交换,就知道每个hash slot在哪个节点上
6.2 smart jedis
6.2.1 什么是smart jedis
基于重定向的客户端,很消耗网络IO,因为大部分情况下,可能都会出现一次请求重定向,才能找到正确的节点
所以大部分的客户端,比如java redis客户端,就是jedis,都是smart的
本地维护一份hashslot -> node的映射表,缓存,大部分情况下,直接走本地缓存就可以找到hashslot -> node,不需要通过节点进行moved重定向
6.2.2 JedisCluster的工作原理
在JedisCluster初始化的时候,就会随机选择一个node,初始化hashslot -> node映射表,同时为每个节点创建一个JedisPool连接池
每次基于JedisCluster执行操作,首先JedisCluster都会在本地计算key的hashslot,然后在本地映射表找到对应的节点
如果那个node正好还是持有那个hashslot,那么就ok; 如果说进行了reshard这样的操作,可能hashslot已经不在那个node上了,就会返回moved
如果JedisCluter API发现对应的节点返回moved,那么利用该节点的元数据,更新本地的hashslot -> node映射表缓存
重复上面几个步骤,直到找到对应的节点,如果重试超过5次,那么就报错,JedisClusterMaxRedirectionException
jedis老版本,可能会出现在集群某个节点故障还没完成自动切换恢复时,频繁更新hash slot,频繁ping节点检查活跃,导致大量网络IO开销
jedis最新版本,对于这些过度的hash slot更新和ping,都进行了优化,避免了类似问题
6.2.3 hashslot迁移和ask重定向
如果hash slot正在迁移,那么会返回ask重定向给jedis
jedis接收到ask重定向之后,会重新定位到目标节点去执行,但是因为ask发生在hash slot迁移过程中,所以JedisCluster API收到ask是不会更新hashslot本地缓存
已经可以确定说,hashslot已经迁移完了,moved是会更新本地hashslot->node映射表缓存的
7 高可用性与主备切换原理
原理,几乎跟哨兵类似
7.1 判断节点宕机
若一个节点认为另外一个节点宕机,即pfail
- 主观宕机
若多个节点都认为另外一个节点宕机,即fail
- 客观宕机
跟哨兵的原理几乎一样,sdown - odown
在cluster-node-timeout
内,某个节点一直没有返回pong
,那么就被认为pfail
若一个节点认为某个节点pfail
,那么会在gossip ping
消息中,ping
给其他节点,若超过半数的节点都认为pfail
,那么就会变成fail
7.2 从节点过滤
对宕机的master node,从其所有的slave node中,选择一个切换成master node
检查每个slave node与master node断开连接的时间,如果超过了
cluster-node-timeout * cluster-slave-validity-factor
那么就没有资格切换成master,这个也跟哨兵是一样的,从节点超时过滤的步骤
7.3 从节点选举
哨兵:对所有从节点进行排序,slave priority,offset,run id
每个从节点,都根据自己对master复制数据的offset,设置一个选举时间,offset越大(复制数据越多)的从节点,选举时间越靠前,优先进行选举
所有的master node开始slave选举投票,给要选举的slave投票,如果大部分
master node(N/2 + 1)
都投票给了某从节点,那么选举通过,该从节点可以切换成master
从节点执行主备切换,从节点切换为主节点
7.4 与哨兵比较
整个流程跟哨兵相比,非常类似,所以说,redis cluster功能强大,直接集成了replication和sentinal的功能
扫VX 领Java资料,前端,测试,python等等资料都有