Redis中AKF问题

单机、单节点、单实例存在的问题

• 单点故障（物理机挂了，要等很久才能可用）
• 容量有限
• 压力过大

解决方式
1、AKF有XYZ三个轴，可以只发生一个，可以多个维度一起发生

	X轴：解决单点故障，服务可用性的问题。也就是说沿着X轴，为服务多复制几个一样的实例(做备用节点)，平时一个实例对外提供服务，
并将自己的数据复制到备份节点，也就是一主多从的方式。主节点提供服务并将数据保存到备用节点，一旦主节点宕机，备用节点立马升级
为主节点，保证服务的可用性。同时可以配置读写分离，降低主节点的压力。

注意：基于X轴做主从节点这种方式，一般都是全量镜像(备用节点中保存有主节点的所有数据)

	Y轴：对要存的数据按照不同的功能业务拆分，不同类别的数据分开存储，客户端实现指定查询哪个库，解决容量有限的问题
	
	Z轴：在按照业务拆分的前提下，如果又存不下了，可以基于一定的规则，将一个业务将数据再拆分，存储到不同的库里。就是将数据
根据优先级进行更细粒度的划分，进一步降低数据的耦合度

数据量足够小，更容易发挥单击性能；单机单点问题得到了解决；

新的问题
通过AKF实现一边多，产生数据一致性的问题：

方案1：所有节点阻塞，直到数据全部一致 - 强一致性，成本极高，并且难以达到。如果有一个节点因为网络问题挂了，整体就写失败了，对外表现出的是整个服务不可用。强一致性会破坏可用性。而我们将单redis拆分成多redis，本来就是要解决可用性的问题。

方案2：容忍数据丢失一部分，主redis直接返回ok，通过异步方式让两个从库同步。存在的问题是，如果两个从库都写失败，别人在查询的时候，会发现丢失了这个数据。

方案3：使用足够可靠的kafka，达到数据的最终一致性。如果客户端要取数据的话，有多种可能：在达到最终一致性之前，可能会取到不一致的数据。

   了解了数据一致性后，我们会发现一个新的问题：主redis只有一台，它down掉了怎么办？又回到最初的起点。但其实是有些不一样的。
如果主挂掉了，又导致整个服务不可用了。一般我们对主做HA（高可用），由于我们有了从redis，而数据又和主redis一致，显然我们可以
从中挑选一个新的主redis，其它redis继续跟随它，继续提供服务，这就牵扯redis的哨兵机制了。

   多台监控程序：多台盯着一个主，如果redis挂了，可能有监控发现它挂了，有监控没发现它挂，因为有网络延时的存在。一个redis
是好是坏，应该由多少台监控程序决定？这时不能使用强一致性，因为可能有的监控由于网络延迟卡住了。因此只要一部分给出ok，就立刻
确定redis挂了。那么，一部分应该是几个？这时候我们推导一下：

	假设我们有3个监控，有1个说redis挂了，就立刻把他踢掉，但可能是由于这个监控的连接有问题，这就误伤了。并且一个监控说话就
能算数的话，三个监控之间会产生不同的结果，产生竞争。会产生一个问题：网络分区（脑裂），不同的客户端拿到的是不同的数据，对外
表现为数据的不一致。

	脑裂问题(出现脑裂问题的前提是没有考虑过半机制)
	什么是脑裂？我们人只有一个大脑，在分布式服务中，多个实例也只能有一个主节点，这个主节点就是大脑。那么脑裂就是现在一个
大脑裂开了，变成了两个甚至三个大脑。映射到服务中就是出现了多个主节点。

	脑裂问题怎么出现的？
	前面我们分析了，为了实现高可用，要对主从节点搭建监控服务，监控主节点的心跳状态。比如说我们现在有五台服务，假设现在网络
出现问题了，然后五个监控程序分成了两个网段。有三台是一组，这三台之间可以互相通信，另外两台为一组，这两台之间也可以互相通信。
但是只有一组能够跟主节点通信，那么无法跟主节点通信的这一组，就会自成一派，然后俩人合计以分析主节点挂了，然后就将一个从节点
提成主节点了，那么这时就会造成一个服务中出现两个主节点，这两个主节点间无法通信，客户端每次访问时，可能访问这个主节点，也可能
访问另一个主节点，而且这两个主节点的信息是无法保证一致的，老得主节点中保存的是老得数据，新的主节点中保存新的数据。但是因为对
外表现高可用，客户端是不知道你服务有两个主节点的。那么对外表现是就是，我客户端调用服务，然后可能每次调用结果都不一样。
	
	分区容忍性
 	脑裂问题是由于网络分区引起的。其实这种服务对网络分区有一个分区容忍性的概念。也就是说能不能容忍脑裂时出现的数据不一致
问题。例如，在微服务中，都会有一个注册中心。注册中心就是用来存放提供服务的实例信息，例如有个订单业务，有十个实例，但是因为
出现了网络分区的问题，此时这边注册了八台，那边注册了两台，但是请求过来后，并不关心你总共多少台，只需要给我一个能用的实例我
去调用就行了，不管是八台的还是两台的，都可以提供一个服务给客户端调用，而且能够调用成功，这时就是可以容忍网络分区的。

	比如有3台服务，2个监控说redis挂了，1个监控说redis还活着，这2个监控的势力为2。势力为1的监控就没有决策权了。这时对外表现
出的就不是一种模棱两可的状态了。因此，当势力达到n/2+1，也就是过半的时候，就可以解决脑力问题。所以集群一般使用奇数台。

	为什么是奇数台？
	我们用3台和4台比较，它们都只允许挂一台。但4台比3台更容易挂一台，而且4台的价格更高。所以第4台是没有必要的。