07 | 哨兵机制：主库挂了，如何不间断服务？

一、问题

1、如果主库挂了，我们就需要运行一个新主库，比如说把一个从库切换为主库，把它当成主库。这就涉及到三个问题：

A、主库真的挂了吗？

B、该选择哪个从库作为主库？

C、怎么把新主库的相关信息通知给从库和客户端呢？

 D、在 Redis 主从集群中，哨兵机制是实现主从库自动切换的关键机制，它有效地解决了主从复制模式下故障转移的这三个问题。（重点）

二、哨兵机制的基本流程

1、哨兵其实就是一个运行在特殊模式下的 Redis 进程，主从库实例运行的同时，它也在运行（重点）

2、哨兵主要负责的就是三个任务：监控、选主（选择主库）和通知（重点）

A、监控

a、哨兵进程在运行时，周期性地给所有的主从库发送 PING 命令，检测它们是否仍然在线运行。

b、如果从库没有在规定时间内响应哨兵的 PING 命令，哨兵就会把它标记为“下线状态”

c、如果主库也没有在规定时间内响应哨兵的 PING 命令，哨兵就会判定主库下线，然后开始自动切换主库的流程。

B、选主

1、主库挂了以后，哨兵就需要从很多个从库里，按照一定的规则选择一个从库实例，把它作为新的主库

C、通知（重点）

a、执行通知任务时，哨兵会把新主库的连接信息发给其他从库，让它们执行 replicaof 命令，和新主库建立连接，并进行数据复制

b、同时，哨兵会把新主库的连接信息通知给客户端，让它们把请求操作发到新主库上。

3、在监控和选主这两个任务中，哨兵需要做出两个决策

A、在监控任务中，哨兵需要判断主库是否处于下线状态；

B、在选主任务中，哨兵也要决定选择哪个从库实例作为主库

4、如何判断主库的下线状态

A、哨兵对主库的下线判断有“主观下线”和“客观下线”两种

a、哨兵进程会使用 PING 命令检测它自己和主、从库的网络连接情况，用来判断实例的状态

b、如果哨兵发现主库或从库对 PING 命令的响应超时了，那么，哨兵就会先把它标记为“主观下线”(如果检测的是从库，那么，哨兵简单地把它标记为“主观下线”就行了，因为从库的下线影响一般不太大，集群的对外服务不会间断。)

c、如果检测的是主库，那么，哨兵还不能简单地把它标记为“主观下线”，开启主从切换。（因为很有可能存在这么一个情况：那就是哨兵误判了，其实主库并没有故障。可是，一旦启动了主从切换，后续的选主和通知操作都会带来额外的计算和通信开销。）(误判，是主库实际并没有下线，但是哨兵误以为它下线了。误判一般会发生在集群网络压力较大、网络拥塞，或者是主库本身压力较大的情况下。)（重点）

d、通常会采用多实例组成的集群模式进行部署，这也被称为哨兵集群。（引入多个哨兵实例一起来判断，就可以避免单个哨兵因为自身网络状况不好，而误判主库下线的情况。)(同时，多个哨兵的网络同时不稳定的概率较小，由它们一起做决策，误判率也能降低。)

e、只有大多数的哨兵实例，都判断主库已经“主观下线”了，主库才会被标记为“客观下线”（重点）

“客观下线”的标准就是，当有 N 个哨兵实例时，最好要有 N/2 + 1 个实例判断主库为“主观下线”，才能最终判定主库为“客观下线”。（重点）

5、如何选定新主库？

哨兵选择新主库的过程称为“筛选 + 打分”。（我们在多个从库中，先按照一定的筛选条件，把不符合条件的从库去掉。然后，我们再按照一定的规则，给剩下的从库逐个打分，将得分最高的从库选为新主库）

A、筛选（重点）

a、检查从库的当前在线状态（先保证所选的从库仍然在线运行）（重点）

b、还要判断它之前的网络连接状态（如果从库总是和主库断连，而且断连次数超出了一定的阈值，说明这个从库的网络状况并不是太好，就可以把这个从库筛掉了。）（重点）

c、使用配置项 down-after-milliseconds * 10。（down-after-milliseconds 是我们认定主从库断连的最大连接超时时间。）如果在 down-after-milliseconds 毫秒内，主从节点都没有通过网络联系上，我们就可以认为主从节点断连了。如果发生断连的次数超过了 10 次，就说明这个从库的网络状况不好，不适合作为新主库。（重点）

B、打分

a、我们可以分别按照三个规则依次进行三轮打分（从库优先级、从库复制进度以及从库 ID 号）。只要在某一轮中，有从库得分最高，那么它就是主库了，选主过程到此结束。

b、第一轮：优先级最高的从库得分高。（通过 slave-priority 配置项，给不同的从库设置不同优先级。）（重点）

c、第二轮：和旧主库同步程度最接近的从库得分高。（如果在所有从库中，有从库的 slave_repl_offset 最接近 master_repl_offset，那么它的得分就最高）（重点）

d、第三轮：ID 号小的从库得分高（每个实例都会有一个 ID，这个 ID 就类似于这里的从库的编号） （重点）

6、流程小结（重点）

哨兵会按照在线状态、网络状态，筛选过滤掉一部分不符合要求的从库，然后，依次按照优先级、复制进度、ID 号大小再对剩余的从库进行打分，只要有得分最高的从库出现，就把它选为新主库。（重点）

三、小结

1、哨兵机制，它是实现 Redis 不间断服务的重要保证

2、主从集群的数据同步，是数据可靠的基础保证；而在主库发生故障时，自动的主从切换是服务不间断的关键支撑。

3、Redis 的哨兵机制自动完成了以下三大功能，从而实现了主从库的自动切换，可以降低 Redis 集群的运维开销：

A、监控主库运行状态，并判断主库是否客观下线；

B、在主库客观下线后，选取新主库；

C、选出新主库后，通知从库和客户端。

4、为了降低误判率，在实际应用时，哨兵机制通常采用多实例的方式进行部署，多个哨兵实例通过“少数服从多数”的原则，来判断主库是否客观下线