Redis缓存雪崩（主从复制、哨兵模式（脑裂）、分片集群）

缓存雪崩：

在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

方法一：

给不同key的TTL添加随机值，以此避免同一时间大量key失效。（用于解决同一时间大量key过期，后面的方法用于解决redis宕机）

方法二：

使用Redis集群提高服务可用性（哨兵模式、分片集群）

主从复制（解决高并发读）：

在讲哨兵模式之前，我们需要先了解一下主从复制

单节点处理并发的能力有限，我们需要提供搭建集群来提高应对并发的能力。

主节点命名为master、子节点命名为（slave/replica）。由于redis基本上都是在执行读操作，所以我们只需要安排主节点负责写操作、子节点负责读操作就可以有效的提高应对并发的能力。不过这里就有一个问题，主节点执行了写操作后，怎么和子节点进行数据同步呢？

全量同步：

流程：

（以下是第一次同步的流程）

1. 子节点执行replicaof命令建立连接。

   这里大家可能会有疑问，子节点什么时侯要建立连接呢？

   其实这个命令是在搭建集群的时候执行的，在搭建集群时我们会执行如下命令。

   # 服务器 B 执行这条命令以设置服务器A为自己的主节点
   replicaof <服务器 A 的 IP 地址> <服务器 A 的 Redis 端口号>

   执行完命令后，我们就建立好主从节点之间的连接了。

1. 子节点请求数据同步（这里有两个很重要的参数：replid、offest）

2. 主节点判断是否是第一次同步。就是通过replid来判断，一个数据集不论增删改查它的replid不变，所以如果子节点的replid和主节点不同，代表一定是第一次同步）

3. 是第一次则返回数据版本信息（replid、offest）

4. 子节点保存版本信息（这里子节点的replid就和主节点相同了）

5. 主节点执行bgsave，生成RDB

6. 主节点发送RDB

7. 子节点清空数据并加载RDB（根据RDB生成数据）

8. 主节点记录RDB期间所有的命令（有一步的原因：在子节点清空并生成数据的过程中，主节点可能会接收到写操作，但是发送的RDB里面数据是接收到写操作之前的数据，所以需要一个repl_baklog来记录生成RDB后接收的操作）

9. 主节点发送repl_baklog中的命令（再次进行同步，确保数据相同）

10. 子节点执行接受到的命令

（以下是非第一次同步的流程）

1. 主节点发送repl_baklog中的命令（这里就用到刚刚说的重要的变量offest，在第一次同步时，步骤4发送了第一次offest，此后步骤10只需要根据offest，就可以判断需要发送哪些数据，比如说第一次步骤4发送的offest为5，而在子节点生成数据期间，repl_baklog记录的数据为7条，此时主节点的offest就变成了 5+7=12，那么主节点就会发送 12-5=7 条最新的命令给子节点以完成同步）

2. 子节点执行接受到的命令

增量同步：

实际上和全量同步的非第一次同步流程很像，但是增量同步主要应对slave重启

流程：

1. 子节点重启

2. 子节点请求数据同步（这里同样会发送两个参数：replid、offest）

3. 主节点判断是否是第一次（replid是否一致，不过这里我们建立过链接，只是因为slave重启了要重新同步数据）

4. 不是第一次，主节点发送continue

5. 主节点根据slave传入的offest（步骤2）来判断要发送那些repl_baklog中的命令

6. 主节点发送repl_baklog中的命令

7. 子节点执行命令

哨兵模式（解决高可用）：

主从复制存在一个问题，如果主节点挂了，那么整个集群就不可用了（只有主节点执行写操作），为了应对这种情况，redis提供了哨兵机制。

监控：

用于判断节点是否可用

自动故障恢复：

当master节点被判断下线，哨兵就会进行选举

选举逻辑：

1. 根据断开时间排除部分节点

2. 判断slave-priority中的优先级，最小的被选举为主节点

3. 如果slave-priority相同，就根据offest判断，offest越大代表数据越全面

4. 最后是根据slave节点的运行id，每个slave节点在运行时都有一个id，越小优先级越高

脑裂问题：

哨兵模式会出现的一个问题，如果说由于某些原因（可能是网络原因），哨兵（sentinel）和master断开了连接（图一），但是master和Clinet的连接并没有中断，由于哨兵模式特有的自动故障修复功能，哨兵会在slave中重新选举出新的master节点（要注意，原本的master节点并没有下线，所有的数据操作仍然是在Client和原本的master之间进行），过了一段时间后，哨兵（sentinel）连接上了原本的主节点，但是由于哨兵认可的是新选举的master节点，所以原本的master节点会被降级为slave节点（图二），然后被降级的salve节点就会清空自己的数据重新申请新master节点的数据，这样会导致脑裂过程中Client和原本的master之间交换的数据全部丢失。

                                                                        图一

                                                                        图二

解决方法：

1. 设置master节点 min-replicas-to-write 1（表示master节点最少要有一个slave节点，不然不进行数据操作）

2. 设置master节点 min-replicas-max-lag 5（表示master节点与slave节点最久5s要通信一次，不然不进行数据操作）

分片集群：

主从复制解决了高并发读的问题，但是因为只有一个master在写，所以无法解决高并发写的问题，如果我们有多个master，是不是就可以解决高并发写的问题了？

• 多个master解决高并发写的问题

• 每个master有多个slave解决高并发读的问题（每个slave都可以读）

• master通过ping检测彼此状态（sentinel相同功能，如果发现客观下线就在slave中新选举一个master，解决高可用问题）

• 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（要理解这个就要看下面的内容）

简单来说，不管是传进来什么样的数据，都会通过哈希函数计算出哈希值然后存放在对应区间的插槽中（这里要注意，如果key前面有大括号，就将大括号中的数据用于计算，如果没有大括号，就将key本身用于计算）

方法三：

给缓存业务添加降级限流策略（比如说nginx限流，sentinel降级）

方法四：

给业务添加多级缓存（充分利用请求处理的每个环节，分别添加缓存）