redis集群

主从复制

互联网三高：高并发、高性能、高可用

redis集群：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。

主从复制

master：写（读数据（可忽略）），slave：读（写数据（禁止）），需要解决数据同步，master的数据复制到slave中。

为什么不用多个master？如果多个master之间还需要数据同步就比较麻烦了（哨兵机制）。

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

master和slave是一个相对概念，slave也可以有它的slave

主从复制作用

读写分离：master写、slave读，提高服务器的读写负载能力

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

故障恢复：当master出现问题时，由slave提供服务（推选出一个slave作为master），实现快速的故障恢复

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。数据冗余不一定是坏的，备份就是数据冗余。

高可用的基石：基于主从复制，构建哨兵模式与集群，实现Redis的高可用方案。

主从复制工作流程

1、建立连接阶段（即准备阶段，slave连接master）
2、数据同步阶段
3、命令传播阶段

主从复制工作流程

建立连接阶段

步骤1：设置master的地址和端口，保存master信息
步骤2：建立socket连接
步骤3：周期性发送ping命令（定时器任务），防止连接断开
步骤4：身份验证
步骤5：slave发送自己的端口信息
总结：slave保存master的地址与端口，master保存slave的端口。二者之间创建了连接的socket

命令操作

1、slave发送slaveof <masterip> <masterport>，也可以直接在配置文件中配置
2、断开操作：slave发送 slaveof no one。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。

数据同步阶段

步骤1：slave发送请求同步数据
步骤2：master创建RDB同步数据
步骤3：slave恢复RDB同步数据
步骤4：slave请求部分同步数据
步骤5：slave恢复部分同步数据

生成RDB过程中接收的指令全部存放在复制缓冲区中

区别：全量复制与部分复制（增量复制）
全量复制：slave发同步指令那一刻的所有数据
部分复制：进行RDB过程中对应的所有数据

最终状态：
slave： 具有master端全部数据，包含RDB过程接收的数据
master： 保存slave当前数据同步的位置
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。

# 默认为1M
repl-backlog-size 1mb

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（指的是写操作）

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。对同步要求高的在第二层，同步要求不高的在第三层。

命令传播阶段

• 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
• 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

命令传播阶段出现了断网现象

• 网络闪断闪连 ==> 忽略
• 短时间网络中断 ==> 进行部分复制
• 长时间网络中断 ==> 进行全量复制

部分复制的三个核心要素

• 服务器的运行 id（run id）
• 主服务器的复制积压缓冲区
• 主从服务器的复制偏移量

服务器运行ID（runid）

• 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
• 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
• 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
• 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。
• 复制缓冲区默认数据存储空间大小是1M，由于存储空间大小是固定的，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
• 由来：每台服务器启动时，如果开启有AOF或被连接成为master节点，即创建复制缓冲区
• 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
• 组成：偏移量（区分不同的slave数据读取到哪了） 和 字节值
• 工作原理
  • 通过offset区分不同的slave当前数据传播的差异
  • master记录已发送的信息对应的offset
  • 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：
  • 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）
  • 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）
• 数据来源： master端：发送一次记录一次 slave端：接收一次记录一次
• 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

数据同步+命令传播阶段工作流程

第七步：

• runid不匹配，表示不是一台机器，需要从新进行全量复制
• offset不匹配，表示offset不在缓冲区中，缓冲区丢失了部分命令，也需要从新进行全量复制

心跳机制

• 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
• master心跳：
  • 指令：PING
  • 周期：由repl-ping-slave-period决定，默认10秒
  • 作用：判断slave是否在线
  • 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
• slave心跳任务
  • 指令：REPLCONF ACK {offset}
  • 周期：1秒
  • 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
  • 作用2：判断master是否在线

心跳阶段注意事项

• 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
  • slave数量少于2个，或者所有slave的延迟都大于等于10秒时，强制关闭master写功能，停止数据同步

  min-slaves-to-write 2 
  min-slaves-max-lag 8
  

• slave数量由slave发送REPLCONF ACK命令做确认
• slave延迟由slave发送REPLCONF ACK命令做确认

主从复制工作流程（完整）

master也会周期性地pingslave，判断slave是否在线

主从复制常见问题

主从复制常见问题

频繁的全量复制（1）

问题现象：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
redis内部优化方案：
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

• repl-id repl-offset
• 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。重启后，将RDB文件中保存的repl-id与repl-offset加载到内存中
• master_repl_id = repl master_repl_offset = repl-offset
• 通过info命令可以查看该信息
  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

频繁的全量复制（2）

问题现象：网络环境不佳，出现网络中断，slave不提供服务
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
最终结果：slave反复进行全量复制
解决方案：修改复制缓冲区大小

repl-backlog-size

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

频繁的网络中断

频繁的网络中断（1）

问题现象：master的CPU占用过高 或 slave频繁断开连接
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
最终结果：master各种资源（输出缓冲区、带宽、连接等）被严重占用
解决方案：通过设置合理的超时时间，确认是否释放slave

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

频繁的网络中断（2）

问题现象：slave与master连接断开
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，就造成了slave与master连接断开
解决方案：提高ping指令发送的频度

# 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
epl-ping-slave-period

数据不一致

问题现象：多个slave获取相同数据不同步
问题原因：网络信息不同步，数据发送有延迟
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

# 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）
slave-serve-stale-data yes|no

哨兵模式

哨兵简介

解决master宕机

哨兵模式

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。（监控和选择）

哨兵的作用

1、监控：不断的检查master和slave是否正常运行。 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连接到新的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，只是不提供数据服务
• 通常哨兵配置数量为单数（最少为3个）

哨兵搭建

• 配置一拖二的主从结构
• 配置三个哨兵（配置相同，端口不同） 参看sentinel.conf
• 启动哨兵：redis-sentinel sentinel-端口号.conf

配置文件

# 连接服务器口令 例如：sentinel auth-pass mymaster itcast
sentinel auth-pass <服务器名称> <password>
# 设置哨兵监听的主服务器信息，最后的参数决定了最终参与选举的服务器数量（-1）
# sentinel monitor mymaster 192.168.194.131 6381 1
sentinel down-after-milliseconds <自定义服务名称> <主机地址> <端口> <主从服务器总量>
# 指定哨兵在监控Redis服务时，判定服务器挂掉的时间周期，默认30秒（30000），也是主从切换的启动条件之一
# sentinel down-after-milliseconds mymaster 3000
sentinel down-after-milliseconds <服务名称> <毫秒数（整数）>
# 指定同时进行主从的slave数量，数值越大，要求网络资源越高，要求约小，同步时间约长
# sentinel parallel-syncs mymaster 1
sentinel parallel-syncs<服务名称> <服务器数（整数）>
# 指定出现故障后，故障切换的最大超时时间，超过该值，认定切换失败，默认3分钟
# sentinel failover-timeout mymaster 9000
sentinel failover-timeout <服务名称> <毫秒数（整数）>
# 服务器无法正常联通时，设定的执行脚本，通常调试使用。
sentinel notification-script <服务名称> <脚本路径>

哨兵原理

哨兵的主要任务就是主从切换

• 哨兵在进行主从切换过程中经历三个阶段
  • 监控
  • 通知
  • 故障转移

监控阶段

监控阶段：同步信息

• 用于同步各个节点的状态信息
  • 获取各个sentinel的状态（是否在线，ping）
  • 获取master的状态（发info）
    • master属性：runid 和 role：master
    • 根据master端的信息能获取slave的ip和port
  • 获取所有slave的状态（根据master中的slave信息，发info）
    • slave属性：runid、role：slave、master_host、master_port、offset ……

• 总结：sentinel会向master要状态，根据master信息向slave要状态，也会向其它sentinel要状态，sentinel之间会组件频道用于发布和订阅信息，进行信息的同步。

通知阶段

通知阶段：保持联通

这个阶段的状态都是正常的

故障转移阶段

判断master是否宕机

1、sentinel给master发hello，master未响应，于是sentinel就不断给master发hello，发一定阶段后就认定master宕机，将其标记为 flags:SRI_S_DOWN

2、sentinel1会在内网中发消息说master宕机

3、同网的sentinel接收到消息也会给master发消息来确定master是否宕机，同网的sentinel也会将接收到的信息发送到内网

4、当有 一半 sentienl认为master宕机了就会将它的状态改为 flags:SRI_O_DOWN

注意：SRI_S_DOWN称为主观下线，SRU_O_DOWN称为客观下线

选举一个sentinel来处理宕机的master

1、每个sentinel都要往内网发消息，要处理哪个机器、自己的精选次数以及自己的runid

2、投票机制：每个sentinel即使参选者也是投票者，假入sentinel1和sentinel4同时将消息发到内网中，那么谁的消息先将信息发到sentinel2，sentinel2就会将票投给谁

3、如果一个sentinel得到半数以上的票，就会当选，如果没达到这样的效果就会再来一轮投票,并且竞选次数加1

竞选出来的master来挑选备选master

• 从服务器列表中挑选备选master
  • 在线的
  • 响应速度快的
  • 排除与原master断开时间久的
  • 优先原则
    • 优先级，优先级都一样看 偏移量offset
    • offset，看哪个同步性更强，偏移量一样就看runnid
    • runid，那个小选哪个
• 发送指令（ sentinel ）
  • 向新的master发送slaveof no one，断开与宕机的master连接
  • 向其他slave发送slaveof 新masterIP端口

总结

1、发现问题
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故障回复后连接

集群

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

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

集群结构设计

数据存储设计

key应该存储在哪

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。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，存储key的地方称之为 槽

新加机器了怎么办

每个机器都有自己的槽，当新加及其就分一部分槽给新加的机器，如果去机器，就把槽返回给现有的机器

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，保证最多两次命中。

集群结构搭建

企业级解决方案

缓存预热

问题：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
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

总结：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！

缓存雪崩

数据库服务器崩溃

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：短时间范围内，大量key集中过期

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

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：例如，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 。监控redis服务器性能指标，例如：CPU占用、CPU使用率、内存容量、查询平均响应时间、线程数
5.限流、降级。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（按照访问量删除）切换
2.数据有效期策略调整

• 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
• 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。随机时间是最有效的方法。

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！

总结：

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。

缓存击穿

数据库服务器崩溃

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

1、预先设定：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：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：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：设置不同的失效时间，保障不会被同时淘汰就行
5、加锁：分布式锁，防止被击穿，但是要注意也是性能瓶颈，慎重！没办法使用！

总结

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。

缓存穿透

数据库服务器崩溃

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、黑客攻击服务器会采用这种方法

解决方案

1、缓存null

• 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，否则就可能内存不足

2、白名单策略

• 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）
• 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：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。让这些访问进不来而不是获取到数据。（黑名单）

• 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
• 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

4、key加密

• 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

总结

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。

性能监控

监控指标

监控指标

• 性能指标：Performance
  
• 内存指标：Memory
  
• 基本活动指标：Basic activity
  
• 持久性指标：Persistence
  
• 错误指标：Error
  

监控方式

工具

• Cloud Insight Redis
• Prometheus
• Redis-stat
• Redis-faina
• RedisLive
• zabbix

命令

• benchmark - 压测命令
• redis-cli
  • monitor
  • showlog

benchmark

命令：redis-benchmark [-h ] [-p ] [-c ] [-n <requests]> [-k ]
范例2 ：100个连接，5000次请求对应的性能

redis-benchmark -c 100 -n 5000

monitor：打印服务器调试信息

showlong

命令：showlong [operator]

• get ：获取慢查询日志
• len ：获取慢查询日志条目数
• reset ：重置慢查询日志

相关配置

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