Redis高级 | 分布式缓存[持久化_哨兵_分片集群] | 含机制_原理_代码 | 无知的我费曼笔记（图文排版无水印）

无知的人_

已于 2022-12-26 13:11:23 修改

阅读量942

点赞数 3

分类专栏： Redis systemic Learning 文章标签：缓存分布式 redis

于 2022-05-18 15:49:37 首次发布

本文链接：https://blog.csdn.net/weixin_52604552/article/details/124844002

版权

Redis systemic Learning 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

无知的我正在复盘Redis。。。
笔记特点是

重新整理了涉及资料的一些语言描述、排版而使用了自己更容易理解的描述。。
提升了总结归纳性
同样是回答了一些常见关键问题。。

分布式缓存导读

是什么&作用

基于Redis集群解决单机Redis存在的问题

为了解决单点Redis的四种问题

1.Redis持久化导读

Redis有两种持久化方案

RDB持久化
AOF持久化

1.1.RDB持久化

是什么

RDB全称Redis Database Backup file（Redis数据备份文件），也被叫做Redis数据快照。
简单来说就是把内存中的所有数据都记录到磁盘中。
当Redis实例故障重启后，从磁盘读取快照文件，恢复数据。
@快照文件称为RDB文件，默认保存在当前运行目录。

1.1.1.RDB的配置与操作

RDB持久化在四种情况下会执行

执行save命令
执行bgsave命令
Redis停机时
触发RDB条件时

举例说明

1）save命令

执行下面的命令，可以立即执行一次RDB

特点

save命令会导致主进程执行RDB，这个过程中其它所有命令都会被阻塞。
只有在数据迁移时可能用到。

2）bgsave命令

下面的命令可以异步执行RDB

特点

这个命令执行后会开启独立进程完成RDB
主进程可以持续处理用户请求，不受影响。

3）停机时

Redis停机时会执行一次save命令，实现RDB持久化。

4）触发RDB条件

自定义触发RDB的条件可以在redis.conf文件中

# 900秒内，如果至少有1个key被修改，则执行bgsave ， 如果是save "" 则表示禁用RDB
save 900 1  
save 300 10  
save 60 10000

RDB的其它配置也可以在redis.conf文件中

# 是否压缩 ,建议不开启，压缩也会消耗cpu，磁盘的话不值钱
rdbcompression yes

# RDB文件名称
dbfilename dump.rdb  

# 文件保存的路径目录
dir ./

1.1.2.RDB的fork原理

RDB的fork 原理

bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据并写入 RDB 文件。

RDB的fork 机制。如下图

fork采用的是copy-on-write技术。如下

当子进程进行RDB时，如果主进程想要修改共享内存中的数据，直接修改是不行的（是因为这个期间，该地方的数据处于只读状态），会从复制一份该数据，修改该数据的副本。

可以看见主要实现原理是，创建子进程，复制主进程的页表到子进程，从而使得子进程也能通过页表间接操作物理内存

//页表的作用是进程操作物理内存的桥梁；提供了虚拟内存与物理内存的映射关系

1.1.3.小结与问题

RDB方式bgsave的基本流程？

fork主进程得到一个子进程，共享内存空间
子进程读取内存数据并写入新的RDB文件
用新RDB文件替换旧的RDB文件

RDB会在什么时候执行？save 60 1000代表什么含义？

默认是服务停止时
代表60秒内至少执行1000次修改则触发RDB

RDB的缺点？

RDB执行间隔时间长，两次RDB之间写入数据有丢失的风险
fork子进程、压缩、写出RDB文件都比较耗时。比如如果在期间有大量的修改数据请求，会创建大量的数据副本，最终导致内存溢出

1.2.AOF持久化

1.2.1.AOF原理

AOF全称为Append Only File（追加文件）。Redis处理的每一个写命令都会记录在AOF文件，可以看做是命令日志文件。

1.2.2.AOF配置与操作

AOF默认是关闭的，需要修改redis.conf配置文件来开启AOF

# 是否开启AOF功能，默认是no
appendonly yes
# 指定AOF文件的名称
appendfilename "appendonly.aof"

AOF的命令记录的频率也可以通过redis.conf文件来配

# 表示每执行一次写命令，立即记录到AOF文件。所以特点是安全性高但性能差
appendfsync always 
# 写命令执行完先放入AOF缓冲区，然后表示每隔1秒将缓冲区数据写到AOF文件（默认方案）。所以特点是安全性差但性能高
appendfsync everysec 
# 写命令执行完先放入AOF缓冲区，由操作系统决定何时将缓冲区内容写回磁盘
appendfsync no

三种策略对比

1.2.3.AOF文件重写

问题因为是记录命令，AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作，但只有最后一次写操作才有意义

解决办法是通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。如下图

AOF原本有三个命令，但是set num 123 和 set num 666都是对num的操作，第二次会覆盖第一次的值，因此第一个命令记录下来没有意义。

所以重写命令后，AOF文件内容就是：mset name jack num 666

AOF文件重写执行方法

Redis也会在触发阈值时自动去重写AOF文件。阈值也可以在redis.conf中配置：

# AOF文件比上次文件 增长超过多少百分比则触发重写
auto-aof-rewrite-percentage 100
# AOF文件体积最小多大以上才触发重写 
auto-aof-rewrite-min-size 64mb

1.3.RDB与AOF对比

RDB和AOF各有自己的优缺点，如果对数据安全性要求较高，在实际开发中往往会结合两者来使用。

2.Redis主从

2.1.主从概述

主从意义

单节点Redis的并发能力是有上限的，要进一步提高Redis的并发能力，就需要搭建主从集群，实现读写分离。

如当master在写时，想要读，那么不是访问master，而是访问从redis（原理是master数据会同步到从redis）

2.2.主从数据同步原理

2.2.1.全量同步

全量同步是什么&作用

将master节点的所有数据都拷贝给slave节点

全量同步机制

主从第一次建立连接时，会执行全量同步。如图

引出问题 master如何判断到底需要同步哪些数据？

有几个概念，可以作为判断依据：

Replication Id：简称replid，是数据集的标记，id一致则说明是同一数据集。每一个master都有唯一的replid，slave则会继承master节点的replid
offset：偏移量，随着记录在repl_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset。如果slave的offset小于master的offset，说明slave数据落后于master，需要更新。

引出问题 master如何判断slave节点是不是第一次来做数据同步？

不能根据offset为0来判断，只能通过id是否一致来判断。

这是因为slave原本也是一个master，有自己的replid和offset，当第一次变成slave，与master建立连接时，发送的replid和offset是自己的replid和offset。

master判断发现slave发送来的replid与自己的不一致，说明这是一个全新的slave，就知道要做全量同步了。

然后，master会将自己的replid和offset都发送给这个slave，slave保存这些信息。以后slave的replid就与master一致了。

完整流程描述

slave节点请求增量同步
master节点判断replid，发现不一致，拒绝增量同步
master将完整内存数据生成RDB，发送RDB到slave
slave清空本地数据，加载master的RDB
master将RDB期间的命令记录在repl_baklog，并持续将log中的命令发送给slave
slave执行接收到的命令，保持与master之间的同步

2.2.2.增量同步

增量同步是什么&作用

就是只更新slave与master存在差异的部分数据。如图

2.2.3.repl_backlog原理

问题 master怎么知道slave与自己的数据差异在哪里呢?

首先要知道repl_baklog文件的内部结构

这个文件是一个固定大小的数组，只不过数组是环形，可以理解存在两个指针，分别指向已经同步的数据中最后一个的索引的位置、所有的数据中最后一个的索引的位置。

repl_baklog中会记录Redis处理过的命令日志及offset，包括master当前的offset，和slave已经拷贝到的offset：

slave与master的offset之间的差异，就是salve需要增量拷贝的数据了。如下图

如果slave出现网络阻塞，导致master的offset远远超过了slave的offset，当数组被master的offset填满时。如下图

如果master继续写入新数据，其offset就会覆盖旧的数据，直到将slave现在的offset也覆盖。如图

此时如果slave恢复，需要同步，却发现自己的offset都没有了，无法完成增量同步了。只能做全量同步。

总结性描述

2.3.主从同步优化

优化全量同步的性能

在master中（redis.conf）配置repl-diskless-sync yes启用无磁盘复制（即在写RDB文件时，不写到磁盘IO中，而是直接写到网络IO中去），避免全量同步时的磁盘IO。
Redis单节点上的内存占用不要太大，减少RDB导致的过多磁盘IO

减少全量同步的发生

适当提高repl_baklog的大小，发现slave宕机时尽快实现故障恢复，尽可能避免全量同步
限制一个master上的slave节点数量，如果实在是太多slave，则可以采用主-从-从链式结构，减少master压力。如下图

2.4.小结与问题

简述全量同步和增量同步区别？

全量同步：master将完整内存数据生成RDB，发送RDB到slave。后续命令则记录在repl_baklog，逐个发送给slave。
增量同步：slave提交自己的offset到master，master获取repl_baklog中从offset之后的命令给slave

什么时候执行全量同步？

slave节点第一次连接master节点时
slave节点断开时间太久，repl_baklog中的offset已经被覆盖时

什么时候执行增量同步？

slave节点断开又恢复，并且在repl_baklog中能找到offset时

3.Redis哨兵

Redis哨兵是什么&作用

实现主从集群的自动故障恢复

3.1.哨兵原理

3.1.1.集群结构和作用

哨兵的结构如图

哨兵的作用如下

监控：Sentinel 会不断检查您的master和slave是否按预期工作
自动故障恢复：如果master故障，Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主
通知：Sentinel充当Redis客户端的服务发现来源，当集群发生故障转移时，会将最新信息推送给Redis的客户端

3.1.2.集群监控原理

Sentinel基于心跳机制监测服务状态。就是每隔1秒向集群的每个实例发送ping命令

主观下线：如果某sentinel节点发现某实例未在规定时间响应，则认为该实例主观下线。
客观下线：若超过指定数量（quorum）的sentinel都认为该实例主观下线，则该实例客观下线。quorum值最好超过Sentinel实例数量的一半。

3.1.3.集群故障恢复原理

一旦发现master故障，sentinel需要在salve中选择一个作为新的master，选择依据是这样的

首先会判断slave节点与master节点断开时间长短，如果超过指定值（down-after-milliseconds * 10）则会排除该slave节点。这是因为时间越长，slave节点同步的数据越少。
然后判断slave节点的slave-priority值（默认值为1），越小优先级越高，如果是0则永不参与选举
如果slave-prority一样，则判断slave节点的offset值，越大说明数据越新，优先级越高
最后是判断slave节点的运行id（来源是 slave启动时redis自动生成的）大小，越小优先级越高。

当选出一个新的master后，该如何实现切换呢？

sentinel给备选的slave1节点发送slaveof no one命令，让该节点成为master
sentinel给所有其它slave发送slaveof 192.168.150.101 7002 命令，让这些slave成为新master的从节点，开始从新的master上同步数据。
最后，sentinel将故障节点标记为slave，当故障节点恢复后会自动成为新的master的slave节点

3.1.4.小结与问题

Sentinel的三个作用是什么？

监控
故障转移
通知

Sentinel如何判断一个redis实例是否健康？

每隔1秒发送一次ping命令，如果超过一定时间没有相向则认为是主观下线
如果大多数sentinel都认为实例主观下线，则判定服务下线

故障转移步骤有哪些？

首先选定一个slave作为新的master。就是执行slaveof no one
让所有节点都执行slaveof 新master
修改故障节点配置，添加slaveof 新master

3.2.搭建哨兵集群

略

3.3.RedisTemplate

RedisTemplate 意义

问题是在Sentinel集群监管下的Redis主从集群，其节点会因为自动故障转移而发生变化，Redis的客户端必须感知这种变化，及时更新连接信息。

解决办法是 Spring的RedisTemplate底层利用lettuce实现了节点的感知和自动切换。

举例说明下面通过一个测试来实现RedisTemplate集成哨兵机制

3.3.1.导入Demo工程

引入Demo工程

3.3.2.引入依赖

在项目的pom文件中引入依赖：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

3.3.3.配置Redis地址

然后在配置文件application.yml中指定redis的sentinel相关信息：

spring:
  redis:
    sentinel:
      master: mymaster
      nodes:
        - 192.168.150.101:27001
        - 192.168.150.101:27002
        - 192.168.150.101:27003

3.3.4.配置读写分离

在项目的启动类中，添加一个新的bean：

@Bean
public LettuceClientConfigurationBuilderCustomizer clientConfigurationBuilderCustomizer(){
    return clientConfigurationBuilder -> clientConfigurationBuilder.readFrom(ReadFrom.REPLICA_PREFERRED);
}

@bean中配置的就是读写策略，包括四种

MASTER：从主节点读取
MASTER_PREFERRED：优先从master节点读取，master不可用才读取replica
REPLICA：从slave（replica）节点读取
REPLICA _PREFERRED：优先从slave（replica）节点读取，所有的slave都不可用才读取master

4.Redis分片集群

4.1.搭建分片集群

问题主从和哨兵可以解决高可用、高并发读的问题。但是依然有两个问题没有解决

海量数据存储问题
高并发写的问题

解决办法是使用分片集群。如图:

分片集群特征

集群中有多个master，每个master保存不同数据。这应对了数据储存问题
每个master都可以有多个slave节点。这实现了读和写的高并发
master之间通过ping监测彼此健康状态。这意味着实现了哨兵的功能，不需要哨兵了
客户端请求可以访问集群任意节点，最终都会被转发到正确节点。这意味实现了生命机制的功能，不需要声明机制了

4.2.散列插槽

4.2.1.插槽原理

Redis会把每一个master节点映射到0~16383共16384个插槽（hash slot）上。查看集群信息时就能看到

数据key不是与节点绑定，而是与插槽绑定。redis会根据key的有效部分计算插槽值。分两种情况

key中包含"{}"，且“{}”中至少包含1个字符，那么“{}”中的部分是有效部分
key中不包含“{}”，那么整个key都是有效部分

举例说明

key是num，那么就根据num计算，如果是{itcast}num，则根据itcast计算。

计算方式是利用CRC16算法得到一个hash值，然后对16384取余，得到的结果就是slot值。

在7001这个节点执行set a 1时，对a做hash运算，对16384取余，得到的结果是15495，因此要存储到103节点。

到了7003后，执行get num时，对num做hash运算，对16384取余，得到的结果是2765，因此需要切换到7001节点

4.2.1.小结与问题

Redis如何判断某个key应该在哪个实例？

将16384个插槽分配到不同的实例
根据key的有效部分计算哈希值，对16384取余
余数作为插槽，寻找插槽所在实例即可

如何将同一类数据固定的保存在同一个Redis实例？

这一类数据使用相同的有效部分，例如key都以{typeId}为前缀

4.3.集群伸缩

redis-cli --cluster提供了很多操作集群的命令，可以通过下面方式查看：

比如，添加节点的命令：

4.3.1.需求分析

需求：向集群中添加一个新的master节点，并向其中存储 num = 10

启动一个新的redis实例，端口为7004
添加7004到之前的集群，并作为一个master节点
给7004节点分配插槽，使得num这个key可以存储到7004实例

这里需要两个新的功能：

添加一个节点到集群中
将部分插槽分配到新插槽

4.3.2.创建新的redis实例

创建一个文件夹：

mkdir 7004

拷贝配置文件：

cp redis.conf /7004

修改配置文件：

sed /s/6379/7004/g 7004/redis.conf

启动

redis-server 7004/redis.conf

4.3.3.添加新节点到redis

添加节点的语法如下：

执行命令：

redis-cli --cluster add-node  192.168.150.101:7004 192.168.150.101:7001

通过命令查看集群状态：

redis-cli -p 7001 cluster nodes

如图，7004加入了集群，并且默认是一个master节点：

但是，可以看到7004节点的插槽数量为0，因此没有任何数据可以存储到7004上

4.3.4.转移插槽

我们要将num存储到7004节点，因此需要先看看num的插槽是多少：

如上图所示，num的插槽为2765.

我们可以将0~3000的插槽从7001转移到7004，命令格式如下：

具体命令如下：

建立连接：

得到下面的反馈：

询问要移动多少个插槽，我们计划是3000个：

新的问题来了：

那个node来接收这些插槽？？

显然是7004，那么7004节点的id是多少呢？

复制这个id，然后拷贝到刚才的控制台后：

这里询问，你的插槽是从哪里移动过来的？

all：代表全部，也就是三个节点各转移一部分
具体的id：目标节点的id
done：没有了

这里我们要从7001获取，因此填写7001的id：

填完后，点击done，这样插槽转移就准备好了：

确认要转移吗？输入yes：

然后，通过命令查看结果：

可以看到：

目的达成。

4.4.故障转移

集群初识状态是这样的：

其中7001、7002、7003都是master，我们计划让7002宕机。

4.4.1.自动故障转移

当集群中有一个master宕机会发生什么呢？

直接停止一个redis实例，例如7002：

redis-cli -p 7002 shutdown

1）首先是该实例与其它实例失去连接

2）然后是疑似宕机：

3）最后是确定下线，自动提升一个slave为新的master：

4）当7002再次启动，就会变为一个slave节点了：

4.4.2.手动故障转移

利用cluster failover命令可以手动让集群中的某个master宕机，切换到执行cluster failover命令的这个slave节点，实现无感知的数据迁移。其流程如下：

这种failover命令可以指定三种模式：

缺省：默认的流程，如图1~6歩
force：省略了对offset的一致性校验
takeover：直接执行第5歩，忽略数据一致性、忽略master状态和其它master的意见

案例需求：在7002这个slave节点执行手动故障转移，重新夺回master地位

步骤如下：

1）利用redis-cli连接7002这个节点

2）执行cluster failover命令

如图：

效果：

4.5.RedisTemplate访问分片集群

RedisTemplate底层同样基于lettuce实现了分片集群的支持，而使用的步骤与哨兵模式基本一致：

1）引入redis的starter依赖

2）配置分片集群地址

3）配置读写分离

与哨兵模式相比，其中只有分片集群的配置方式略有差异，如下：

spring:
  redis:
    cluster:
      nodes:
        - 192.168.150.101:7001
        - 192.168.150.101:7002
        - 192.168.150.101:7003
        - 192.168.150.101:8001
        - 192.168.150.101:8002
        - 192.168.150.101:8003