Redis高级

Redis事务

可以一次执行多个命令, 本质是一组命令的集合. 一个事务中的所有命令都会序列化, 按顺序的串行化执行而不会被其它命令插入,不许加塞
一个队列中, 一次性, 顺序性, 排他性的执行一系列命令

特性	说明
单独的隔离操作	Redis的事务仅仅是保证事务里的操作会呗连续独占的执行, redis命令执行是单线程架构, 在执行完事务内所有指令前是不可能再去同时执行其他客户端的请求的
没有隔离级别的概念	因为事务提交前任何指令都不会被实际执行, 也就不存在"事务内的查询要看到事务里的更新, 在事务外查询不能看到" 这种问题了
不保证原子性	Redis的事务不保证原子性, 也就是不保证所有的指令同时成功或同时失败, 只有决定是否开始执行全部指令的能力, 没有执行到一半进行回滚的能力
排他性	Redis会保证一个事务内的命令依次执行, 而不会被其它命令插入

命令	说明
multi	标记一个事务的开始
exec	执行所有事务块的命令
discard	取消事务,放弃执行事务块内的所有命令
watch key [key...]	监视一个或多个key, 被其它命令所改动, 那么事务将被打断(乐观锁, 类似于CAS)
unwatch	取消watch命令对所有key的监视

Redis管道

批量处理redis请求

解决思路

举例

cat **.txt | redis-cli -a --pipe
# 读取文件中的redis命令, 并连接redis客户端, 通过管道命令将文件中的多个命令执行

注意事项

• pipeline缓存的指令只会依次执行, 不保证原子性, 如果执行中指令发生异常, 将会继续执行后续指令
• 使用pipeline组装的命令个数不能太多, 不然数据量太大客户端阻塞的时间可能过久, 同时服务端此时也被迫回复一个队列答复, 占用很多资源

与原生批量命令对比

• 原生批量命令是原子性的(mset, mget), pipeline是非原子性的
• 原生批量命令一次只能执行一种命令(一种数据格式), pipeline支持批量执行不同命令(不同数据格式)
• 原生批量命令是服务端实现, 二pipeline需要服务端和客户端共同完成

与事务对比

• 事务具有原子性, 管道不具有原子性 (此条有待确定)
• 管道一次性将多条命令发送到服务器, 事务是一条一条的发, 事务只有再接收到exec命令后才会执行
• 执行事务时会阻塞其他命令的执行, 而执行管道命令时不会

1. 数据删除与淘汰策略

1.1 过期数据

1.1.1 Redis中的数据特征

Redis是一种内存级数据库，所有数据均存放在内存中，内存中的数据可以通过TTL指令获取其状态

​ XX ：具有时效性的数据

• 1 ：永久有效的数据
• 2 ：已经过期的数据 或 被删除的数据 或 未定义的数据

1.1.2 Redis中的数据特征

1.1.3 时效性数据的存储结构

1.1.4 数据删除策略

1. 定时删除
2. 惰性删除
3. 定期删除

1.1.5 数据删除策略的目标

在内存占用与CPU占用之间寻找一种平衡，顾此失彼都会造成整体redis性能的下降，甚至引发服务器宕机或 内存泄露

小结

1. 过期数据的概念

2. 时效性数据的存储结构

3. 过期数据处理方式

   1. 定时删除
   2. 惰性删除
   3. 定期删除

1.2 数据删除策略

1.2.1 定时删除

创建一个定时器，当key设置有过期时间，且过期时间到达时，由定时器任务立即执行对键的删除操作

优点：节约内存，到时就删除，快速释放掉不必要的内存占用

缺点：CPU压力很大，无论CPU此时负载量多高，均占用CPU，会影响redis服务器响应时间和指令吞吐量

总结：用处理器性能换取存储空间（拿时间换空间）

1.2.2 惰性删除

数据到达过期时间，不做处理。等下次访问该数据时

 1. 如果未过期，返回数据 

 	 2.  发现已过期，删除，返回不存在 

优点：节约CPU性能，发现必须删除的时候才删除

缺点：内存压力很大，出现长期占用内存的数据

总结：用存储空间换取处理器性能（拿时间换空间）

1.2.3 定期删除

两种方案都走极端，有没有折中方案？

1. Redis启动服务器初始化时，读取配置server.hz的值，默认为10

2. 每秒钟执行server.hz次serverCron() ->databasesCron()->activeExpireCycle()

3. activeExpireCycle()对每个expires[*]逐一进行检测，每次执行250ms/server.hz

4. 对某个expires[*]检测时，随机挑选W个key检测

   1. 如果key超时，删除key
   2. 如果一轮中删除的key的数量>W*25%，循环该过程
   3. 如果一轮中删除的key的数量≤W25%，检查下一个expires[]，0-15循环
   4. W取值=ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP属性值

5. 参数current_db用于记录activeExpireCycle() 进入哪个expires[*] 执行

6. 如果activeExpireCycle()执行时间到期，下次从current_db继续向下执行
   
   特点总结：

7. 周期性轮询redis库中的时效性数据，采用随机抽取的策略，利用过期数据占比的方式控制删除频度

8. 特点1：CPU性能占用设置有峰值，检测频度可自定义设置

9. 特点2：内存压力不是很大，长期占用内存的冷数据会被持续清理

10. 总结：周期性抽查存储空间（随机抽查，重点抽查）

1.2.4 删除策略比对

1. 定时删除
   1. 节约内存，无占用
   2. 不分时段占用CPU资源，频度高
   3. 拿时间换空间
2. 惰性删除
   1. 内存占用严重
   2. 延时执行，CPU利用率高
   3. 拿空间换时间
3. 定期删除
   1. 内存定期随机清理
   2. 每秒花费固定的CPU资源维护内存
   3. 随机抽查，重点抽查

1.3 数据淘汰策略（数据逐出算法）

1.3.1 新数据进入检测

当新数据进入redis时，如果内存不足怎么办？

1. Redis使用内存存储数据，在执行每一个命令前，会调用freeMemoryIfNeeded()检测内存是否充足。如果内存不满足新 加入数据的最低存储要求，redis要临时删除一些数据为当前指令清理存储空间。清理数据的策略称为逐出算法。
2. 注意：逐出数据的过程不是100%能够清理出足够的可使用的内存空间，如果不成功则反复执行。当对所有数据尝试完毕， 如不能达到内存清理的要求，将出现错误信息 (error) OOM command not allowed when used memory >‘maxmemory’

1.3.2 影响数据淘汰的相关配置

1. 最大可使用内存，即占用物理内存的比例，默认值为0，表示不限制。生产环境中根据需求设定，通常设置在50%以上

   maxmemory ?mb
   

2. 每次选取待删除数据的个数，采用随机获取数据的方式作为待检测删除数据。

   maxmemory-samples count
   

3. 对数据进行删除的选择策略

   maxmemory-policy policy
   

1.3.3 数据淘汰策略 (policy)

1. 检测易失数据（可能会过期的数据集server.db[i].expires ）
   1. volatile-lru：挑选最近最少使用的数据淘汰
   2. volatile-lfu：挑选最近使用次数最少的数据淘汰
   3. volatile-ttl：挑选将要过期的数据淘汰
   4. volatile-random：任意选择数据淘汰
2. 检测全库数据（所有数据集server.db[i].dict ）
   1. allkeys-lru：挑选最近最少使用的数据淘汰
   2. allkeys-lfu：挑选最近使用次数最少的数据淘汰
   3. allkeys-random：任意选择数据淘汰
3. 放弃数据驱逐
   1. no-enviction（驱逐）：禁止驱逐数据（redis4.0中默认策略），会引发错误OOM（Out Of Memory）

1.3.4 数据淘汰策略配置依据

1. 使用INFO命令输出监控信息，查询缓存 hit 和 miss 的次数，根据业务需求调优Redis配置

2. 主从复制

2.1 主从复制简介

2.1.1 高可用

​ 互联网“三高”架构

​ 1. 高并发

2. 高性能
    	3. **高可用**

场景：一家公司一年服务宕机次数为三次

1. 服务器宕机4小时27分15秒
2. 服务器宕机11分36秒
3. 服务器宕机2分16秒

可用性计算公式：

宕机时间：4小时27分15秒+11分36秒+2分16秒=4小时41分7秒=16867秒

总时间：1年=3652460*60=31536000秒

可用性= （31536000 - 16867）/31536000 * 100% =99.9465151%

业界可用性目标5个9，即99.999%，即服务器年宕机时长低于315秒，约5.25分钟

你的“Redis”是否高可用？

1. 单机redis的风险与问题
   1. 问题1.机器故障
      1. 现象：硬盘故障、系统崩溃
      2. 本质：数据丢失，很可能对业务造成灾难性打击
      3. 结论：基本上会放弃使用redis
   2. 问题2.容量瓶颈
      1. 现象：内存不足，从16G升级到64G，从64G升级到128G，无限升级内存
      2. 本质：穷，硬件条件跟不上
      3. 结论：放弃使用redis
2. 结论
   1. 为了避免单点Redis服务器故障，准备多台服务器，互相连通。将数据复制多个副本保存在不同的服 务器上，连接在一起，并保证数据是同步的。即使有其中一台服务器宕机，其他服务器依然可以继续 提供服务，实现Redis的高可用，同时实现数据冗余备份。

多台服务器连接方案

1. 提供数据方：master
   1. 主服务器，主节点，主库
   2. 主客户端
2. 接收数据方：slave
   1. 从服务器，从节点，从库
   2. 从客户端
3. 需要解决的问题：
   1. 数据同步（master的数据复制到slave中）

2.1.2 主从复制的概念

概念：主从复制即将master中的数据即时、有效的复制到slave中

特征：一个master可以拥有多个slave，一个slave只对应一个master

职责：

1. master:
   	1. 写数据
   	2. 执行写操作时，将出现变化的数据自动同步到slave
   	3. 读数据（可忽略）
   2. slave:
      3. 读数据
              	2.  写数据（禁止）

2.1.3 主从复制的作用

1.	读写分离：master写、slave读，提高服务器的读写负载能力

2.	负载均衡：基于主从结构，配合读写分离，由slave分担master负载，并根据需求的变化，改变slave的数 量，通过多个从节点分担数据读取负载，大大提高Redis服务器并发量与数据吞吐量
3.	故障恢复：当master出现问题时，由slave提供服务，实现快速的故障恢复
4.	数据冗余：实现数据热备份，是持久化之外的一种数据冗余方式
5.	高可用基石：基于主从复制，构建哨兵模式与集群，实现Redis的高可用方案

2.2 主从复制工作流程

2.2.1 主从复制的工作流程（三个阶段）

主从复制过程大体可以分为3个阶段

1.	建立连接阶段（即准备阶段）

2.	数据同步阶段
3.	命令传播阶段

2.2.1.1 阶段一：建立连接阶段

建立slave到master的连接，使master能够识别slave，并保存slave端口号

建立连接阶段工作流程

1. 步骤1：设置master的地址和端口，保存master信息
2. 步骤2：建立socket连接
3. 步骤3：发送ping命令（定时器任务）
4. 步骤4：身份验证
5. 步骤5：发送slave端口信息 ,至此，主从连接成功！
6. 当前状态：
   1. slave：保存master的地址与端口
   2. master：保存slave的端口
   3. 总体：之间创建了连接的socket

主从连接（slave连接master）

1. 方式一：客户端发送命令

   slaveof masterip masterport
   

2. 方式二：启动服务器参数

   redis-server --slaveof masterip masterport
   

3. 方式三：服务器配置

   slaveof masterip masterport
   

   slave系统信息:

   1. master_link_down_since_seconds

   2. masterhost & masterport

   master系统信息

   1. slave_listening_port(多个)

主从断开连接

断开slave与master的连接，slave断开连接后，不会删除已有数据，只是不再接受master发送的数据

slaveof no one

授权访问

1. master客户端发送命令设置密码

   requirepass password
   

2. master配置文件设置密码

   config set requirepass password
   config get requirepass
   

3. slave客户端发送命令设置密码

   auth password
   

4. slave配置文件设置密码

   masterauth password
   

5. slave启动服务器设置密码

   redis-server –a password
   

2.2.1.2 阶段二：数据同步阶段工作流程

1. 在slave初次连接master后，复制master中的所有数据到slave
2. 将slave的数据库状态更新成master当前的数据库状态

数据同步阶段工作流程

1. 步骤1：请求同步数据

2. 步骤2：创建RDB同步数据

3. 步骤3：恢复RDB同步数据

4. 步骤4：请求部分同步数据

5. 步骤5：恢复部分同步数据,至此，数据同步工作完成！

6. 当前状态：

   1. slave：具有master端全部数据，包含RDB过程接 收的数据

   2. master：保存slave当前数据同步的位置

   3. 总体：之间完成了数据克隆

数据同步阶段master说明

1. 如果master数据量巨大，数据同步阶段应避开流量高峰期，避免造成master阻塞，影响业务正常执行

2. 复制缓冲区大小设定不合理，会导致数据溢出。如进行全量复制周期太长，进行部分复制时发现数据已 经存在丢失的情况，必须进行第二次全量复制，致使slave陷入死循环状态。

   repl-backlog-size ?mb
   

3. master单机内存占用主机内存的比例不应过大，建议使用50%-70%的内存，留下30%-50%的内存用于执 行bgsave命令和创建复制缓冲区
   

数据同步阶段slave说明

1. 为避免slave进行全量复制、部分复制时服务器响应阻塞或数据不同步，建议关闭此期间的对外服务

   slave-serve-stale-data yes|no
   

2. 数据同步阶段，master发送给slave信息可以理解master是slave的一个客户端，主动向slave发送 命令

3. 多个slave同时对master请求数据同步，master发送的RDB文件增多，会对带宽造成巨大冲击，如果 master带宽不足，因此数据同步需要根据业务需求，适量错峰

4. slave过多时，建议调整拓扑结构，由一主多从结构变为树状结构，中间的节点既是master，也是 slave。注意使用树状结构时，由于层级深度，导致深度越高的slave与最顶层master间数据同步延迟 较大，数据一致性变差，应谨慎选择

2.2.1.3 阶段三：命令传播阶段

1. 当master数据库状态被修改后，导致主从服务器数据库状态不一致，此时需要让主从数据同步到一致的状态，同步的动作 称为命令传播
2. master将接收到的数据变更命令发送给slave，slave接收命令后执行命令

命令传播阶段的部分复制

1. 命令传播阶段出现了断网现象
   1. 网络闪断闪连 忽略
   2. 短时间网络中断 部分复制
   3. 长时间网络中断 全量复制
2. 部分复制的三个核心要素
   1. 服务器的运行 id（run id）
   2. 主服务器的复制积压缓冲区
   3. 主从服务器的复制偏移量

服务器运行ID（runid）

1. 概念：服务器运行ID是每一台服务器每次运行的身份识别码，一台服务器多次运行可以生成多个运行id
2. 组成：运行id由40位字符组成，是一个随机的十六进制字符 例如：fdc9ff13b9bbaab28db42b3d50f852bb5e3fcdce
3. 作用：运行id被用于在服务器间进行传输，识别身份 如果想两次操作均对同一台服务器进行，必须每次操作携带对应的运行id，用于对方识别
4. 实现方式：运行id在每台服务器启动时自动生成的，master在首次连接slave时，会将自己的运行ID发送给slave， slave保存此ID，通过info Server命令，可以查看节点的runid

复制缓冲区

概念：复制缓冲区，又名复制积压缓冲区，是一个先进先出（FIFO）的队列，用于存储服务器执行过的命令，每次传播命 令，master都会将传播的命令记录下来，并存储在复制缓冲区

1.	复制缓冲区默认数据存储空间大小是1M

2.	当入队元素的数量大于队列长度时，最先入队的元素会被弹出，而新元素会被放入队列

作用：用于保存master收到的所有指令（仅影响数据变更的指令，例如set，select）

数据来源：当master接收到主客户端的指令时，除了将指令执行，会将该指令存储到缓冲区中

复制缓冲区内部工作原理

组成:

1. 偏移量

2. 字节值

工作原理:

1. 通过offset区分不同的slave当前数据传播的差异
2. master记录已发送的信息对应的offset
3. slave记录已接收的信息对应的offset
   
   

主从服务器复制偏移量（offset）

概念：一个数字，描述复制缓冲区中的指令字节位置

分类：

  	1.	master复制偏移量：记录发送给所有slave的指令字节对应的位置（多个）
            	2.	slave复制偏移量：记录slave接收master发送过来的指令字节对应的位置（一个）

作用：同步信息，比对master与slave的差异，当slave断线后，恢复数据使用

数据来源：

  	1.	master端：发送一次记录一次
            	2.	slave端：接收一次记录一次

数据同步+命令传播阶段工作流程

2.2.2 心跳机制

1.	进入命令传播阶段候，master与slave间需要进行信息交换，使用心跳机制进行维护，实现双方连接保持在线
2.	master心跳：
        	1.	内部指令：PING
        	2.	 周期：由repl-ping-slave-period决定，默认10秒
        	3.	作用：判断slave是否在线
        	4.	查询：INFO replication 获取slave最后一次连接时间间隔，lag项维持在0或1视为正常
3.	slave心跳任务:
       	1.	内部指令：REPLCONF ACK {offset}
       	2.	周期：1秒
       	3.	作用1：汇报slave自己的复制偏移量，获取最新的数据变更指令
       	4.	作用2：判断master是否在线

心跳阶段注意事项

1. 当slave多数掉线，或延迟过高时，master为保障数据稳定性，将拒绝所有信息同步操作

   min-slaves-to-write 2
   min-slaves-max-lag 8
   
   slave数量少于2个，或者所有slave的延迟都大于等于8秒时，强制关闭master写功能，停止数据同步
   

2. slave数量由slave发送REPLCONF ACK命令做确认

3. slave延迟由slave发送REPLCONF ACK命令做确认

2.2.5 主从复制工作流程（完整）

2.3 主从复制常见问题

2.3.1 频繁的全量复制（1）

伴随着系统的运行，master的数据量会越来越大，一旦master重启，runid将发生变化，会导致全部slave的全量复制操作

1. 内部优化调整方案：
   1. master内部创建master_replid变量，使用runid相同的策略生成，长度41位，并发送给所有slave
   2. 在master关闭时执行命令 shutdown save，进行RDB持久化,将runid与offset保存到RDB文件中
      1. repl-id repl-offset
      2. 通过redis-check-rdb命令可以查看该信息
   3. master重启后加载RDB文件，恢复数据
      1. 重启后，将RDB文件中保存的repl-id与repl-offset加载到内存中
         1. master_repl_id = repl master_repl_offset = repl-offset
         2. 通过info命令可以查看该信息
2. 作用：本机保存上次runid，重启后恢复该值，使所有slave认为还是之前的master

2.3.2 频繁的全量复制（2）

1. 问题现象：网络环境不佳，出现网络中断，slave不提供服务

2. 问题原因：复制缓冲区过小，断网后slave的offset越界，触发全量复制

3. 最终结果：slave反复进行全量复制

4. 解决方案：修改复制缓冲区大小

   repl-backlog-size ?mb
   

5. 建议设置如下：

   1. 测算从master到slave的重连平均时长second
   2. 获取master平均每秒产生写命令数据总量write_size_per_second
   3. 最优复制缓冲区空间 = 2 * second * write_size_per_second

2.3.3 频繁的网络中断（1）

1. 问题现象：master的CPU占用过高 或 slave频繁断开连接

2. 问题原因

   1. slave每1秒发送REPLCONF ACK命令到master
   2. 当slave接到了慢查询时（keys * ，hgetall等），会大量占用CPU性能
   3. master每1秒调用复制定时函数replicationCron()，比对slave发现长时间没有进行响应

3. 最终结果：master各种资源（输出缓冲区、带宽、连接等）被严重占用

4. 解决方案：通过设置合理的超时时间，确认是否释放slave

   repl-timeout second
   
   该参数定义了超时时间的阈值（默认60秒），超过该值，释放slave
   
   

2.3.4 频繁的网络中断（2）

1. 问题现象：slave与master连接断开

2. 问题原因

   1. master发送ping指令频度较低
   2. master设定超时时间较短
   3. ping指令在网络中存在丢包

3. 解决方案：提高ping指令发送的频度

   repl-ping-slave-period seconds
   超时时间repl-time的时间至少是ping指令频度的5到10倍，否则slave很容易判定超时
   

2.3.5 数据不一致

1. 问题现象：多个slave获取相同数据不同步

2. 问题原因：网络信息不同步，数据发送有延迟

3. 解决方案

   1. 优化主从间的网络环境，通常放置在同一个机房部署，如使用阿里云等云服务器时要注意此现象

   2. 监控主从节点延迟（通过offset）判断，如果slave延迟过大，暂时屏蔽程序对该slave的数据访问

      slave-serve-stale-data yes|no
      开启后仅响应info、slaveof等少数命令（慎用，除非对数据一致性要求很高）
      

3. 哨兵模式

3.1 哨兵简介

​ 主机“宕机”

1. 关闭master和所有slave
2. 找一个slave作为master
3. 修改其他slave的配置，连接新的主
4. 启动新的master与slave
5. 全量复制N+部分复制N
6. 关闭期间的数据服务谁来承接？
7. 找一个主？怎么找法？
8. 修改配置后，原始的主恢复了怎么办？

3.1.1 哨兵概念

​ 哨兵(sentinel) 是一个分布式系统，用于对主从结构中的每台服务器进行监控，当出现故障时通过投票机制选择新的master并 将所有slave连接到新的master。

3.1.2 哨兵作用

1. 监控
   1. 不断的检查master和slave是否正常运行
   2. master存活检测、master与slave运行情况检测
2. 通知（提醒）：当被监控的服务器出现问题时，向其他（哨兵间，客户端）发送通知
3. 自动故障转移：断开master与slave连接，选取一个slave作为master，将其他slave连接新的master，并告知客户端新的服 务器地址

注意：哨兵也是一台redis服务器，只是不提供数据相关服务，通常哨兵的数量配置为单数

3.2 启用哨兵

配置哨兵:

1. 配置一拖二的主从结构
2. 配置三个哨兵（配置相同，端口不同），参看sentinel.conf
3. 启动哨兵

redis-sentinel filename

1. 设置哨兵监听的主服务器信息， sentinel_number表示参与投票的哨兵数量

   sentinel monitor master_name master_host master_port sentinel_number
   

2. 设置判定服务器宕机时长，该设置控制是否进行主从切换

sentinel down-after-milliseconds master_name million_seconds

​ 3.设置故障切换的最大超时时长

sentinel failover-timeout master_name million_seconds

4. 设置主从切换后，同时进行数据同步的slave数量，数值越大，要求网络资源越高，数值越小，同步时间越长

   sentinel parallel-syncs master_name sync_slave_number
   

3.3 哨兵工作原理

哨兵在进行主从切换过程中经历三个阶段

1. 监控
2. 通知
3. 故障转移

3.3.1 监控

用于同步各个节点的状态信息

1.	获取各个sentinel的状态（是否在线）

2.	获取master的状态
        	1.	master属性
       	1.	runid
       	2.	role：master
         	2.	各个slave的详细信息
3.	获取所有slave的状态（根据master中的slave信息）
       	1.	slave属性
       	2.	runid
       	3.	role：slave
       	4.	master_host、master_port
       	5.	offset
       	6.	...

3.3.2 通知

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-AezPeKLw-1595682586409)(img/image-20200714201401981.png)]

3.3.3 故障转移

服务器列表中挑选备选master:

1.	不在线的

2.	响应慢的
3.	与原master断开时间久的
4.	优先原则
        	1.	优先级
        	2.	offset
        	3.	runid

发送指令（ sentinel ）

1. 向新的master发送slaveof no one
2. 向其他slave发送slaveof 新masterIP端口

总结:

1.	发现问题，主观下线与客观下线

2.	竞选负责人
3.	优选新master
4.	新master上任，其他slave切换master，原master作为slave故障恢复后连接

3.3.4 主观下线

3.3.5 客观下线

4. Cluster集群

现状问题：

业务发展过程中遇到的峰值瓶颈

1. redis提供的服务OPS可以达到10万/秒，当前业务OPS已经达到10万/秒
2. 内存单机容量达到256G，当前业务需求内存容量1T
3. 使用集群的方式可以快速解决上述问题

4.1 集群简介

集群就是使用网络将若干台计算机联通起来，并提供统一的管理方式，使其对外呈现单机的服务效果
在这里插入图片描述

集群作用：

1.	分散单台服务器的访问压力，实现负载均衡

2.	分散单台服务器的存储压力，实现可扩展性
3.	降低单台服务器宕机带来的业务灾难

4.2 Cluster集群结构设计

数据存储设计

1. 通过算法设计，计算出key应该保存的位置
2. 将所有的存储空间计划切割成16384份，每台主机保存一部分
   1. 注意：每份代表的是一个存储空间，不是一个key的保存空间
3. 将key按照计算出的结果放到对应的存储空间

4. 增强其可扩展性

集群内部通讯设计

1. 各个数据库相互通信，保存各个库中槽的编号数据
2. 一次命中，直接返回
3. 一次未命中，告知具体位置

4.3 Cluster集群结构搭建

搭建方式

  	1.	配置服务器（3主3从）
            	2.	建立通信（Meet）
                      	3.	分槽（Slot）
                                	4.	搭建主从（master-slave）

Cluster配置：

1. 是否启用cluster，加入cluster节点

   cluster-enabled yes|no
   

2. cluster配置文件名，该文件属于自动生成，仅用于快速查找文件并查询文件内容

   cluster-config-file filename
   

3. 节点服务响应超时时间，用于判定该节点是否下线或切换为从节点

   cluster-node-timeout milliseconds
   

4. master连接的slave最小数量

cluster-migration-barrier min_slave_number

Cluster节点操作命令:

1. 查看集群节点信息

   cluster nodes
   

2. 更改slave指向新的master

   cluster replicate master-id
   

3. 发现一个新节点，新增master

   cluster meet ip:port
   
   

4. 忽略一个没有solt的节点

   cluster forget server_id
   

5. 手动故障转移

   cluster failover
   

redis-cli命令

1. 创建集群

   redis-cli –-cluster create masterhost1:masterport1 masterhost2:masterport2
   masterhost3:masterport3 [masterhostn:masterportn …] slavehost1:slaveport1
   slavehost2:slaveport2 slavehost3:slaveport3 -–cluster-replicas n
   

   master与slave的数量要匹配，一个master对应n个slave，由最后的参数n决定

   master与slave的匹配顺序为第一个master与前n个slave分为一组，形成主从结构

2. 添加master到当前集群中，连接时可以指定任意现有节点地址与端口

   redis-cli --cluster add-node new-master-host:new-master-port now-host:now-port
   

3. 添加slave

   redis-cli --cluster add-node new-slave-host:new-slave-port
   master-host:master-port --cluster-slave --cluster-master-id masterid
   

4. 删除节点，如果删除的节点是master，必须保障其中没有槽slot

   redis-cli --cluster del-node del-slave-host:del-slave-port del-slave-id
   

5. 重新分槽，分槽是从具有槽的master中划分一部分给其他master，过程中不创建新的槽

   redis-cli --cluster reshard new-master-host:new-master:port --cluster-from srcmaster-id1, src-master-id2, src-master-idn --cluster-to target-master-id --cluster-slots slots
   

将需要参与分槽的所有masterid不分先后顺序添加到参数中，使用，分隔

指定目标得到的槽的数量，所有的槽将平均从每个来源的master处获取

6. 重新分配槽，从具有槽的master中分配指定数量的槽到另一个master中，常用于清空指定master中的槽

   redis-cli --cluster reshard src-master-host:src-master-port --cluster-from srcmaster-id --cluster-to target-master-id --cluster-slots slots --cluster-yes 
   

5. 企业级解决方案

5.1 缓存预热

问题： “宕机”，服务器启动后迅速宕机

问题排查：

1. 请求数量较高
2. 主从之间数据吞吐量较大，数据同步操作频度较高

解决方案：

​ 前置准备工作：

1.	日常例行统计数据访问记录，统计访问频度较高的热点数据

2.	利用LRU数据删除策略，构建数据留存队列，例如：storm与kafka配合

准备工作：

1. 将统计结果中的数据分类，根据级别，redis优先加载级别较高的热点数据
2. 利用分布式多服务器同时进行数据读取，提速数据加载过程
3. 热点数据主从同时预热

实施：

1.	使用脚本程序固定触发数据预热过程

2.	如果条件允许，使用了CDN（内容分发网络），效果会更好

缓存预热就是系统启动前，提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候，先查询数据库，然后再将数 据缓存的问题！用户直接查询事先被预热的缓存数据！

5.2 缓存雪崩

数据库服务器崩溃（1）

1. 系统平稳运行过程中，忽然数据库连接量激增
2. 应用服务器无法及时处理请求
3. 大量408，500错误页面出现
4. 客户反复刷新页面获取数据
5. 数据库崩溃
6. 应用服务器崩溃
7. 重启应用服务器无效
8. Redis服务器崩溃
9. Redis集群崩溃
10. 重启数据库后再次被瞬间流量放倒

问题排查：

1.	在一个较短的时间内，缓存中较多的key集中过期

2.	此周期内请求访问过期的数据，redis未命中，redis向数据库获取数据
3.	数据库同时接收到大量的请求无法及时处理
4.	Redis大量请求被积压，开始出现超时现象
5.	数据库流量激增，数据库崩溃
6.	重启后仍然面对缓存中无数据可用
7.	Redis服务器资源被严重占用，Redis服务器崩溃
8.	Redis集群呈现崩塌，集群瓦解
9.	应用服务器无法及时得到数据响应请求，来自客户端的请求数量越来越多，应用服务器崩溃
10.	应用服务器，redis，数据库全部重启，效果不理想

问题分析:

1.	短时间范围内

2.	大量key集中过期

解决方案（道）:

1. 更多的页面静态化处理
2. 构建多级缓存架构 Nginx缓存+redis缓存+ehcache缓存
3. 检测Mysql严重耗时业务进行优化 ,对数据库的瓶颈排查：例如超时查询、耗时较高事务等
4. 灾难预警机制
   1. 监控redis服务器性能指标
      1. CPU占用、CPU使用率
      2. 内存容量
      3. 查询平均响应时间
      4. 线程数
5. 限流、降级
   1. 短时间范围内牺牲一些客户体验，限制一部分请求访问，降低应用服务器压力，待业务低速运转后再逐步放开访问

解决方案（术）:

1. LRU与LFU切换
2. 数据有效期策略调整
   1. 根据业务数据有效期进行分类错峰，A类90分钟，B类80分钟，C类70分钟
   2. 过期时间使用固定时间+随机值的形式，稀释集中到期的key的数量
3. 超热数据使用永久key
4. 定期维护（自动+人工）,对即将过期数据做访问量分析，确认是否延时，配合访问量统计，做热点数据的延时
5. 加锁, 慎用！

缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力。如能够有效避免过期时间集中，可以有效解决雪崩现象的 出现（约40%），配合其他策略一起使用，并监控服务器的运行数据，根据运行记录做快速调整。

5.3 缓存击穿

数据库服务器崩溃（2）:

1. 系统平稳运行过程中
2. 数据库连接量瞬间激增
3. Redis服务器无大量key过期
4. Redis内存平稳，无波动
5. Redis服务器CPU正常
6. 数据库崩溃

问题排查:

1. Redis中某个key过期，该key访问量巨大
2. 多个数据请求从服务器直接压到Redis后，均未命中
3. Redis在短时间内发起了大量对数据库中同一数据的访问

问题分析:

1.	单个key高热数据

2.	key过期

解决方案（术）:

1. 预先设定
   1. 以电商为例，每个商家根据店铺等级，指定若干款主打商品，在购物节期间，加大此类信息key的过期时长 注意：购物节不仅仅指当天，以及后续若干天，访问峰值呈现逐渐降低的趋势
2. 现场调整
   1. 监控访问量，对自然流量激增的数据延长过期时间或设置为永久性key
3. 后台刷新数据
   1. 启动定时任务，高峰期来临之前，刷新数据有效期，确保不丢失
4. 二级缓存
   1. 设置不同的失效时间，保障不会被同时淘汰就行
5. 加锁
   1. 分布式锁，防止被击穿，但是要注意也是性能瓶颈，慎重！

缓存击穿就是单个高热数据过期的瞬间，数据访问量较大，未命中redis后，发起了大量对同一数据的数据库访问，导致对数 据库服务器造成压力。应对策略应该在业务数据分析与预防方面进行，配合运行监控测试与即时调整策略，毕竟单个key的过 期监控难度较高，配合雪崩处理策略即可。

5.4 缓存穿透

数据库服务器崩溃（3）:

1. 系统平稳运行过程中
2. 应用服务器流量随时间增量较大
3. Redis服务器命中率随时间逐步降低
4. Redis内存平稳，内存无压力
5. . Redis服务器CPU占用激增
6. 数据库服务器压力激增
7. 数据库崩溃

问题排查:

1. Redis中大面积出现未命中
2. 出现非正常URL访问

问题分析:

1. 获取的数据在数据库中也不存在，数据库查询未得到对应数据
2. Redis获取到null数据未进行持久化，直接返回
3. 下次此类数据到达重复上述过程
4. 出现黑客攻击服务器

解决方案（术）:

1. 缓存null

   1. 对查询结果为null的数据进行缓存（长期使用，定期清理），设定短时限，例如30-60秒，最高5分钟

2. 白名单策略

   1. 提前预热各种分类数据id对应的bitmaps，id作为bitmaps的offset，相当于设置了数据白名单。当加载正常数据时 放行，加载异常数据时直接拦截（效率偏低）
   2. 使用布隆过滤器（有关布隆过滤器的命中问题对当前状况可以忽略）

3. 实施监控

   1. 实时监控redis命中率（业务正常范围时，通常会有一个波动值）与null数据的占比

      1. 非活动时段波动：通常检测3-5倍，超过5倍纳入重点排查对象
      2. 活动时段波动：通常检测10-50倍，超过50倍纳入重点排查对象

      根据倍数不同，启动不同的排查流程。然后使用黑名单进行防控（运营）

4. key加密

   1. 问题出现后，临时启动防灾业务key，对key进行业务层传输加密服务，设定校验程序，过来的key校验 例如每天随机分配60个加密串，挑选2到3个，混淆到页面数据id中，发现访问key不满足规则，驳回数据访问

缓存击穿访问了不存在的数据，跳过了合法数据的redis数据缓存阶段，每次访问数据库，导致对数据库服务器造成压力。通 常此类数据的出现量是一个较低的值，当出现此类情况以毒攻毒，并及时报警。应对策略应该在临时预案防范方面多做文章。 无论是黑名单还是白名单，都是对整体系统的压力，警报解除后尽快移除。

5.5 性能指标监控

监控指标:

1. 性能指标：Performance
2. 内存指标：Memory
3. 基本活动指标：Basic_activity
4. 持久性指标：Persistence
5. 错误指标：Error

监控指标——性能指标（Performance）

1. 响应请求的平均时间

   latency
   

2. 平均每秒处理请求总数量

   instantaneous_ops_per_sec
   

3. 缓存查询命中率（通过查询总次数与查询得到非nil数据总次数计算而来）

	hit_rate(calculated)

监控指标——内存指标（Memory）

1. 当前内存使用量

   used_memory
   

2. 内存碎片率（关系到是否进行碎片整理）

   mem_fragmentation_ratio
   

3. 为避免内存溢出删除的key的总数量

   evicted_keys
   

4. 基于阻塞操作（BLPOP等）影响的客户端数量

   blocked_clients
   

监控指标——基础活动指标（Basic_activity）

1. 当前客户端连接总数

   connected_clients
   

2. 当前连接slave总数

   connected_slaves
   

3. 最后一次主从信息交换距现在的秒数

   master_last_io_seconds_ago
   

4. key的总数

   keyspace
   

监控指标——持久化指标（Persistence）

1. 被拒绝连接的客户端总数（基于达到最大连接值的因素）

   rejected_connections
   
   

2. key未命中的总次数

   keyspace_misses
   

3. 主从断开的秒数

   master_link_down_since_seconds
   
   

监控方式

1. 工具
   1. Cloud Insight Redis
   2. Prometheus
   3. Redis-stat
   4. Redis-faina
   5. RedisLive
   6. zabbix
2. 命令
   1. benchmark
   2. redis-cli
      1. monitor
      2. slowlog

benchmark

1. 测试当前服务器的并发性能

   redis-benchmark [-h ] [-p ] [-c ] [-n <requests]> [-k ]
   

2. 范例1：50个连接，10000次请求对应的性能

   redis-benchmark
   

3. 范例2：100个连接，5000次请求对应的性能

   redis-benchmark -c 100 -n 5000
   

monitor

1. 启动服务器调试信息

   monitor
   

slowlog

1. 获取慢查询日志

   slowlog [operator]
   

   1. get ：获取慢查询日志信息

      2. len ：获取慢查询日志条目数
      3. reset ：重置慢查询日志

2. 相关配置

   slowlog-log-slower-than 1000 #设置慢查询的时间下线，单位：微妙
   slowlog-max-len 100 #设置慢查询命令对应的日志显示长度，单位：命令数