Redis 主从复制需要注意的问题（1）

通过复制机制， 数据集可以存在多个副本（从节点） 。 这些副本可以应用于读写分离、 故障转移（failover） 、 实时备份等场景。 但是在实际应用复制功能时， 依然有一些坑需要跳过。

 

读写分离

---

对于读占比较高的场景， 可以通过把一部分读流量分摊到从节点（slave） 来减轻主节点（master） 压力， 同时需要注意永远只对主节点执行写操作， 如图所示。

当使用从节点响应读请求时， 业务端可能会遇到如下问题：
·复制数据延迟。
·读到过期数据。
·从节点故障。
 

数据延迟

---

Redis复制数据的延迟由于异步复制特性是无法避免的， 延迟取决于网络带宽和命令阻塞情况， 比如刚在主节点写入数据后立刻在从节点上读取可能获取不到。 需要业务场景允许短时间内的数据延迟。 对于无法容忍大量延迟场景， 可以编写外部监控程序监听主从节点的复制偏移量， 当延迟较大时触发报警或者通知客户端避免读取延迟过高的从节点， 实现逻辑如图所示。

1） 监控程序（monitor） 定期检查主从节点的偏移量， 主节点偏移量在 info replication的master_repl_offset指标记录， 从节点偏移量可以查询主节点的slave0字段的offset指标， 它们的差值就是主从节点延迟的字节量。

2） 当延迟字节量过高时， 比如超过10MB。 监控程序触发报警并通知客户端从节点延迟过高。 可以采用Zookeeper的监听回调机制实现客户端通知。

3） 客户端接到具体的从节点高延迟通知后， 修改读命令路由到其他从节点或主节点上。 当延迟恢复后， 再次通知客户端， 恢复从节点的读命令请求。

这种方案的成本比较高， 需要单独修改适配Redis的客户端类库。 如果涉及多种语言成本将会扩大。 客户端逻辑需要识别出读写请求并自动路由，还需要维护故障和恢复的通知。 采用此方案视具体的业务而定， 如果允许不一致性或对延迟不敏感的业务可以忽略， 也可以采用Redis集群方案做水平扩展。
 

读到过期数据

---

当主节点存储大量设置超时的数据时， 如缓存数据， Redis内部需要维护过期数据删除策略， 删除策略主要有两种： 惰性删除和定时删除。
惰性删除： 主节点每次处理读取命令时， 都会检查键是否超时， 如果超时则执行del命令删除键对象， 之后del命令也会异步发送给从节点。 需要注意的是为了保证复制的一致性， 从节点自身永远不会主动删除超时数据， 如图所示。

定时删除： Redis主节点在内部定时任务会循环采样一定数量的键， 当发现采样的键过期时执行del命令， 之后再同步给从节点， 如图所示。

如果此时数据大量超时， 主节点采样速度跟不上过期速度且主节点没有读取过期键的操作， 那么从节点将无法收到del命令。 这时在从节点上可以读取到已经超时的数据。 Redis在3.2版本解决了这个问题， 从节点读取数据之前会检查键的过期时间来决定是否返回数据， 可以升级到3.2版本来规避这个问题。

 

从节点故障问题

---

对于从节点的故障问题， 需要在客户端维护可用从节点列表， 当从节点故障时立刻切换到其他从节点或主节点上。 这个过程类似上文提到的针对延迟过高的监控处理， 需要开发人员改造客户端类库。

综上所出， 使用Redis做读写分离存在一定的成本。 Redis本身的性能非常高， 开发人员在使用额外的从节点提升读性能之前， 尽量在主节点上做充分优化， 比如解决慢查询， 持久化阻塞， 合理应用数据结构等， 当主节点优化空间不大时再考虑扩展。 笔者建议大家在做读写分离之前， 可以考虑使用Redis Cluster等分布式解决方案， 这样不止扩展了读性能还可以扩展写性能
和可支撑数据规模， 并且一致性和故障转移也可以得到保证， 对于客户端的维护逻辑也相对容易。

 

主从配置不一致

---

主从配置不一致是一个容易忽视的问题。 对于有些配置主从之间是可以不一致， 比如： 主节点关闭AOF在从节点开启。 但对于内存相关的配置必须要一致， 比如maxmemory， hash-max-ziplist-entries等参数。 当配置的maxmemory从节点小于主节点， 如果复制的数据量超过从节点maxmemory时， 它会根据maxmemory-policy策略进行内存溢出控制， 此时从节点数据已经丢失， 但主从复制流程依然正常进行， 复制偏移量也正常。 修复这类问题也只能手动进行全量复制。 当压缩列表相关参数不一致时， 虽然主从节点存储的数据一致但实际内存占用情况差异会比较大。