【谈一谈】Redis是AP还是CP?

【谈一谈】Redis是AP还是CP?

再说这个话题之前,这里的是AP和CP不是"A片"和"C骗"啊 !~哈哈哈,就离谱,博文后面我会解释下的

我说下自己对Redis的感觉,我一直很好奇Redis,不仅仅是当缓存用那么简单,包括的它的底层设计

所以,思考再三,我决定先从Redis基础开始写(基础是王道!_{万丈高楼平地起,我米开始!}嘿嘿)

一、总纲图:

二、什么是CAP?

要想谈一谈我们本文的主题AP 和CP,可能有的小伙伴会说: 这我也不是 怎么熟悉啊!

那么我们先复习下大名鼎鼎的CAP 理论

CAP理论

看下面的这张图,我们会发现CAP对应的三个单词【建议自己画画图,印象深刻】

C: 一致性(Consistency)–

• 每次读取都会收到最新的写入数据或者错误信息
• (注:这里面的一致性,指的是强一致性,不是市面上所说的所有节点在相同时间看到是一样的数据)

A:可用性(Availability)–

• 每个请求都会收到非错误地响应,但是这个响应的信息不保证是最新的 ,只保证可用

P:分区容错性(Partition Tolerance)–

• 就是网络节点间丢弃或者延迟一定数量(就是任意数量)信息,也不影响大局,系统还是能够正常运行

好了,我们言归正传,回到我们的主题上面

三、为啥说Redis是AP?不是CP?

我们知道,Redis是一个开源的内存数据库,且是执行单线程处理

但是网上,若是喜欢读博客的小伙伴,会发现很多人说这样一句话:

• 单机的Redis是CP的,集群的REDIS是AP的

这句话真的对吗? 大家在看下文前,倾思考思考!~我当时读到第一反应就是疑惑,于是我就去查询大量资料

有的人说:

1. CAP是针对分布式场景中,如果是单机REDIS,就压根儿和什么分布式不着边,都没 P了!!还说哈AP和 CP??
2. 在单机的REDIS中,应为只有一个实例,那么他的一致性是有保障的,如果这个节点挂了,就没有可用性可言了,所以他是CP系统

我在这里说下,以上两个观点都特么错的!!!以偏概全,混淆是非!~就是AP!!

~哈哈哈!你可能会说:我去,那你证明啊,这特么为啥是错的啊!,别急嘛!我们往下读,让你心服口服,嘿嘿

REDIS是AP的理由

第一点: 一致性

我们都知道,REDIS的设计目标是高性能,高扩展和高可用性 ,

而且REDIS的一致性模型是最终一致性:

(什么意思呢?)就是在某个时间点读取的数据可能不是最新的,但殊途同归,最终会达到一致的状态

为什么Redis无法保持强一致性??

主要原因: 异步复制

• 因为Redis在分布式的设计中采用的是异步复制,者导致在节点之间存在数据在同步和延迟不一致的情况存在

• 换句话说:

  • 当某个节点的数据发生改变,Redis会将这个节点的修改操作发送给其他节点进行同步~(这是正常步骤,没毛病是不,我们继续往下看)
  • 但是(不怕一万,就怕万一来了,哈哈哈)因为网络传输的延迟,拥塞等原因,这些操作没有立即被被其他节点收到和执行,
  • 从而产生节点之间数据不一致的情况!!!

• 抛开上面的影响点,节点故障对Redis的一致性影响也是很大的

  举个例子:

  当一个节点宕机时,这个节点的 数据就可能同步不到其他节点上,这就会导致数据在节点间不一致

  你可能有疑惑?那Redis不是有哨兵和复制等机制吗?

  但是,问题就是但是,哈哈~这些机制是能提高系统的可用性和容错性,能完全解决吗?

  ~(你没看错,就是完全解决,能吗??)不能吧,自己主观推下也能想到那种万一场景吧!!!

你说既然异步不行,那么我就用同步机制就不好了!!不就是CP了???

~no!no!NO !哈哈哈,年轻人,想的太简单了哈!~

我们看看官网是怎么说的()

• Redis客户端可以使用WAIT命令请求特定数据进行同步复制

• 使用WAIT,只能说发生故障时丢失写操作的概率会大大降低,且是在难以触发的故障模式情况下

• 但是!!

• WAIT只能确保数据在Redis实例中有指定数量的副本被确认

  不能将一组REdis转换为具有强一制性的CP系统

• 什么意思?

  在故障转移期间,由于Redis的持久化配置,当中已确认的写操作,仍然可能会丢失

针对有些读者的优秀的问题,我在这里进行专门解释下:

1.副本（Replicas）

在Redis的上下文中，“副本”通常指的是“从节点”（Slave Nodes）。

1. Redis支持主从复制（Master-Slave Replication）架构，这是一种数据冗余策略，用于提高系统的可靠性和可用性。
2. 在这种架构中，数据在一个主节点（Master Node）上进行写入操作，然后自动（异步或半同步方式）复制到一个或多个从节点上。
3. 这些从节点保存的数据是主节点数据的一个副本，它们可以用来提供读服务，或者作为故障切换时提升为主节点的候选者。
4. 所以，当提到“特定数据进行同步复制”时，意味着将主节点上的数据更新同步到其关联的从节点上，以保持数据的一致性。

2.一组Redis

当提到“一组Redis”时，这里通常指的是一个Redis集群或者是一个包含多个Redis实例（包括主节点和从节点）的部署环境。

1. 在分布式系统中，为了提高处理能力和容错能力，不是单一地使用一个Redis服务器，而是部署多个Redis实例协同工作，形成一个整体系统。
2. 这组Redis实例可能包括了多个主节点和它们各自的从节点，通过复制和分片等机制来分散负载和提高数据的可靠性。

3. 转变为具有强一致性的CP系统

提到“将一组Redis实例转变为具有强一致性的CP系统”，这是在讨论系统设计的理论模型。

首先我们看下如下的解释:

Redis本身设计倾向于高可用性和分区容错性（AP），

1. 这意味着在某些故障场景下，它可能无法立即保证所有客户端都能看到最新的数据（即弱一致性）。
2. 而“强一致性”要求所有节点上的数据在任何时候都是一样的，任何成功的写操作对于后续的读操作都是可见的。

所以:,我们再来看看wait

1. 使用WAIT命令可以在某种程度上增强Redis集群间的数据一致性，
2. 但要达到严格的强一致性，还需要额外的机制和配置，比如更严格的持久化策略和网络分区后的处理逻辑，
3. 这也就是为什么说WAIT不能单方面将Redis集群转变为严格意义上的CP系统的原因。

完结!~

士不可以不弘毅,任重而道远,诸君共勉!~