构建跨地域数据迁移之路：Redis异地多活的发展变迁与实践经验分享

为了更好的做好容灾保障，使业务能够应对机房级别的故障，滴滴的存储服务都在多机房进行部署。本文简要分析了 Redis 实现异地多活的几种思路，以及滴滴 Redis 异地多活架构演进过程中遇到的主要问题和解决方法，抛砖引玉，给小伙伴们一些参考。

Redis 异地多活的主要思路

业界实现 Redis 异地多活通常三种思路：主从架构、Proxy双写架构、数据层双向同步架构。

主从架构

主从架构的思路：

1. 各机房的 Redis 通过 Proxy 对外提供读写服务，业务流量读写本机房的 Redis-proxy

2. 主机房里的 Redis-master 实例承担所有机房的写流量

3. 从机房里的 Redis-slave 实例只读，承担本机房里的读流量

主从架构的优点：

• 实现简单，在 Proxy 层开发读写分流功能就可以实现

• Redis 层使用原生主从复制，可以保证数据一致性

主从架构的缺点：

• 从机房里的 Redis-proxy 需要跨机房写，受网络延时影响，业务在从机房里的写耗时高于主机房

• 主机房故障时，从机房的写流量也会失败，需要把从机房切换为主机房，切换 Redis-master

• 网络故障时，从机房的写流量会全部失败，为了保障数据一致性，这种场景比较难处理

Proxy 双写架构  

Proxy 双写架构的思路：

1. 各机房的 Redis 通过 Proxy 对外提供读写服务，业务流量读写本机房的 Redis-proxy

2. 不区分主从机房，每个机房都是独立的 Redis 集群

3. 各机房的读写流量都是访问本机房的 Redis 集群

4. Proxy 层在写本机房成功后，将写请求异步发送到对端机房

Proxy 双写架构的优点：

• 实现简单，在 Proxy 层开发双写功能就可以实现

• 一个机房故障时，其他机房的流量不受影响

• 网络故障时，各机房内部的流量也不受影响

Proxy 双写架构的缺点：

• 不能保证数据一致性，Proxy 异步 write 请求可能会失败，失败丢弃请求后，导致双机房数据不一致

• 假设机房-A的集群先上线，机房-B 后上线，Proxy 双写架构不能支持把机房-A的存量数据同步到机房-B

• 网络故障时，异步 write 会失败后丢弃，网络恢复后，之前失败的数据已经丢弃，导致双机房数据不一致

  
  

数据层双向同步架构   

     

数据层双向同步架构的思路：

1. Proxy 不关心底层 Redis 数据同步

2. 业务流量只访问本机房里的 Redis 集群

3. 在 RedisServer 层面实现数据同步

数据层双向同步架构的优点：

• 机房-A故障时，机房-B不受影响，反向如是

• 网络故障时，本机房流量不受影响，网络恢复后，数据层面可以拉取增量数据继续同步，数据不丢

• 支持存量数据的同步

• 业务访问 Redis 延时低，访问链路不受机房间网络延时影响

• 业务单元化部署时，双机房 Redis 会有较高的数据一致性

数据层双向同步架构的缺点：

• 实现相对比较复杂，RedisServer 改动比较大

滴滴 Redis 架构

Codis 架构（早期架构，现已废弃）

Kedis 架构（线上架构）

滴滴 Redis 异地多活架构的演进

第一代多活架构       

第一代 Redis 多活基于 Codis 架构在 proxy 层实现了双写，即本机房的 Proxy 将写流量转发到对端机房的 Proxy，这个方案的特点是快速实现，尽快满足了业务多机房同步的需求。如前面 Proxy 双向架构思路所讲，本方案还存在着诸多缺点，最主要的是网络故障时，同步数据丢失的问题，为了解决这些问题，我们开发了第二代多活架构。

第二代多活架构

第二代多活基于 Kedis 架构，对 Redis-server 进行改造，可以把增量数据从 Redis 直接写入本机房的 MQ 中，由对端机房的 consumer 来消费 MQ，consumer 将数据写入对端 Redis 中。网络故障时，数据会在 MQ 堆积，待网络恢复后，consumer 可以基于故障前的 offset 继续进行消费，写入对端 Redis，从而保证在网络故障时 Redis 多活不会丢数据。

但这一代架构仍不够完美，存在以下问题：

• ProducerThread 把数据写入 MQ 时，如果触发 MQ 限流，数据会被丢掉

• RedisServer 内部包含了 ProducerThread，当中间内部 queue 累积数据量超过10000条时，数据会被 MainThread 丢掉

• 中间同步数据写入 MQ，增加了跨部门依赖，同步链路长，不利于系统稳定性

• 中间同步链路重试会造成非幂等命令执行多次，例如 incrby 重试可能造成命令执行多次造成数据不一致

• 对于新建双活链路，不支持同步存量数据，只能从当前增量数据开始同步

• Redis 增量数据写入 MQ，导致成本增加

为了解决以上问题，我们开发了第三代架构。

第三代多活架构

在第三代架构中，我们细化了设计目标，主要思路是保证同步链路中的数据不丢不重，同时去掉对 MQ 的依赖，降低多活成本。

       

第三代架构中，我们去掉了 MQ 和 consumer，新增了 syncer 组件。syncer 组件模拟 Redis-slave 从 Redis-master 中拉取增量数据，这样把数据同步和 Redis 进行解耦，便于后续多机房扩展。

在第三代架构中，Redis 遇到了回环、重试、数据冲突、增量数据存储和读取等问题，接下来一一介绍我们应对这些问题的解决方案。

1、回环问题

机房-A 写入的数据同步到机房-B，防止数据再传回机房-A。

为了解决回环问题，我们开发了防回环机制：

1. Redis 增加 shardID 配置，标识唯一分片号

2. Redis 请求中增加 opinfo，记录元信息，包含 shardID   

• 机房-A 的 Proxy 写入了 set k v 请求

• 机房-A 的 Redis-master 向 syncer 同步 set k v opinfo[shardID-1] 请求

• syncer 向机房-B 写入 set k v opinfo[shardID-1] 请求

• 这样机房-B 根据 shardID-1 识别出这条请求是机房-A 生产的数据，因此不会再向机房-A 同步本条请求

2、重试问题

机房-A 写入的 incrby 请求同步到机房-B，由于中间链路的重试，导致机房-B 可能执行了多次。 

为了解决重试问题，我们开发了防重放机制：

1. Redis 增加 opid，标识唯一请求号

2. Redis 请求中增加 opinfo，记录元信息[opid]

       

• 机房-A 的 Proxy 写入了 incrby k 1 请求

• 机房-A 的 Redis-master 向 syncer 同步了 incrby k 1 opinfo[opid=100] 请求， 之前同步的 opid=99 的请求已经成功

• syncer 向机房-B 写入 incrby k 1 opinfo[opid=100] 请求

• 机房-B 的 Redis 里存储了防重放信息 shardID-1->opid[99]

• 机房-B 的 Redis 发现新请求的 opid=100>本地的99，判断为新请求

• 机房-B的 Redis 执行这条请求，并把防重放信息更新为shardID-1->opid[100]

• 假设机房-A 的 syncer 将本条请求进行了重试，又执行了一遍 incrby k 1 opinfo[opid=100]

• 机房-B 的 Redis 发现新请求 opid=100 等于本地的100，判断为重复请求

• 机房-B 的 Redis 忽略掉本地请求，不执行

3、数据冲突问题

双机房同时修改同一个 key 导致数据不一致

对于数据冲突，不同数据类型的不同操作的数据合并，如果单从存储层解决，是一个非常复杂的话题。如果业务层做了单元化部署，则不会出现这种问题。如果业务层没有做单元化，我们开发了冲突检测功能，来帮助业务及时发现数据冲突，最后数据以哪边为准来修正，需要业务同学来决策。

冲突检测机制：

1. Redis 记录 key 的最后 write 时间

2. Redis 请求中增加 opinfo，记录元信息 [timestamp]

3. 如果 opinfo.timestamp<=key_write_time，则记录冲突 key

时间T1<T2<T3

• T1时间，用户在机房-A 写入请求 set k v1

• T2时间，用户在机房-B 写入请求 set k v2，并记录k的最后修改时间为T2

• 由于网络同步延时，T3时间，syncer 把T1时间写入的 set k v1请求发送到了机房-B

• 机房-B 的 Redis 执行 set k v1 时发现 timestamp 为T1，但 k 的最后修改时间为T2

• 由于T1<T2，机房-B 的 Redis 判断这是一次冲突，并记录下来，然后执行该条请求

以上是冲突检测的基本原理，这是一个旁路统计，帮助用户发现一些潜在冲突数据。

4、增量数据存储和读取问题

因为 syncer 只是同步组件，不会存储数据，所以需要考虑当网络故障时，增量数据的存储和读取问题。

为了解决这个问题，我们对 Redis 的 aof 机制进行了改造，可以在网络故障时，增量数据都堆积在 Redis 的磁盘上，在网络恢复后，syncer 从 Redis 里拉取增量 aof 数据发送到对端机房，避免数据丢失。

aof 机制改造有：aof 文件切分、aof 增量复制、aof 异步写盘

• 将 aof 文件切分为多个小文件，保存增量数据

• 当增量数据超过配置的阈值时，Redis 自动删除最旧的 aof 文件

• 当 Redis 重启时，加载 rdb 文件和 rdb 之后的 aof 文件，可以恢复全部数据

• 当网络故障恢复后，syncer 根据故障前的 opid 向 Redis 请求拉取增量数据，发送到对端机房

开源 Redis 是在主线程中进行 aof 写盘，当磁盘 IO 过高时，Redis 写盘可能造成业务访问 Redis 耗时抖动。因此我们开发了 aof 异步写盘机制：

• Redis 的主线程将 aof 数据写入 queue 中

• bio 线程来消费 queue

• bio 线程将 aof 数据写入磁盘

这样 Redis 的访问耗时不受磁盘 IO 的影响，更好的保证稳定性。