vlambda博客
学习文章列表

Redis 的分布式方案

如果要实现Redis的数据分片，一般会有三种方案：

• 第一种是在客户端实现相关的逻辑，例如用取或者一致性哈希对key进行分片，查询和修改都先判断key 的路由。
• 第二种是把做分片处理的逻辑抽取出来，运行一个独立的代理服务，客户端连接到这个代理服务，代理服务做请求的转发。
• 第三种是基于服务端实现

客户端 Sharding

Jedis 客户端提供了 Redis Sharding 的方案，并且支持连接池

public class ShardingTest{ public static void main(String[] args){ JedisPoolConfig poolConfig = new JedisPoolConfig();  //Redis 服务器 JedisShardInfo shardInfo1 = new JedisShardInfo("127.0.0.1",6379); JedisShardInfo shardInfo2 = new JedisShardInfo("192.168.1.101",6379);  //连接池 List<JedisShardInfo> infoList = Arrays.asList(shardInfo1,shardInfo2); ShardedJedisPool jedisPool = new ShardedJedisPool(poolConfig,infoList);  ShardedJedis jedis = null; try{ jedis = jedisPool.getResource(); for(int i=0;i<100;i++){ jedis.set("k" + i,"" + i); } for(int i=0;i<100;i++){ System.out.println(jedis.get("k" + i)); } }finally{ if(jedis != null){ jedis.close(); } } }}

使用 ShardedJedis 之类的客户端分片代码的优势是配置简单，不依赖于其他中间件，分区的逻辑可以自己定义，比较灵活。但是基于客户端的方案，不能实现动态的服务增减，每个客户端需要自行维护分片策略，存在重复代码。

代理Proxy

典型的代理分区方案有 Twitter 开源的 Twemproxy 和国内的豌豆荚开源的Codis

Twemproxy

Twemproxy 的优点：比较稳定，可用性高

「不足」

1、出现故障不能自动转移，架构复杂，需要借助其他组件（LVS/HAProxy + Keepalived）实现HA

2、扩缩容需要修改配置，不能实现平滑的扩缩容（需要重新分布数据）

Codis

Codis 是一个代理中间件，用Go语言开发的

其功能：客户端连接Codis 跟连接Redis 没有区别

分片原理：Codis 把所有的key分成N个槽，每个槽对应一个分组，一个分组对应于一个或者一组Redis 实例。Codis 对key 进行CRC32运算，得到一个32位的数字，然后模以N（槽的个数），得到余数，这个就是key 对应的槽，槽后面就是Redis 的实例。

Codis 的槽位映射关系时保存在Proxy 中的，如果要解决单点的问题，Cdois 也要做集群部署，多个Codis 节点怎么同步槽和实例的关系呢？需要运行一个Zookeeper（或者etcd/本地文件）。

在新增节点的时候，可以为节点指定特定的槽位，Cdois 也提供了自动均衡的策略，Codis 不支持事务，其他的一些命令也不支持

不支持的命令：

https://github.com/CodisLabs/codis/blob/release3.2/doc/unsupported_cmds.md

获取数据原理（mget）：在Redis 中的各个实例里获取到符合的key，然后再汇总到Codis中。

Codis是第三方提供的分布式解决方案，在官方的集群功能稳定之前，Codis也得到了大量的应用。

Redis Cluster

官方：https://reedis.io/topics/cluster-tutorial/

Redis Cluster 是在Redis3.0的版本正式推出的，用来解决分布式的需求，同时也可以实现高可用。跟Codis 不一样，它是去中心化的，客户端可以连接到任意一个可用节点。

数据分片有几个关键的问题需要解决：

1、数据怎么相对均匀地分片

2、客户端怎么访问到相应的节点和数据

3、重新分片的过程，怎么保证正常服务。

「架构」

Redis Cluster 可以看成是由多个Redis 实例组合成的数据集合。客户端不需要关注数据的子集到底是存储在哪个节点，只需要关注这个集合整体。

以3主3从为例，节点之间两两交互，共享数据分片、节点状态等信息

「数据分布」

Cluster 解决分片的问题，那么数据又是如何分布的呢？如果我们希望数据分布均匀的话，首先可以考虑哈希后取模

• 哈希后取模

例如，hash(key)%N,根据余数，决定映射到哪一个节点，这种方式比较简单，属于静态的分片规则。但是一旦节点数量变化，新增或者减少，由于取模的N发生变化，数据需要重新分布。

为了解决这个问题，我们可以采用一致性哈希算法。

一致性哈希：

一致性哈希的原理，把所有的哈希值空间组织成一个虚拟的圆环（哈希环），整个空间按顺时针方向组织。因为是环形空间，0 和 2^32 -1 是重叠的。

假设我们有4台机器要哈希环来实现映射（分布数据），我们先根据机器的命令或者IP计算哈希值，然后分布到哈希环中（红色圆圈）

现在有4条数据或者4个访问请求，对key计算后，得到哈希环中的问题（绿色圆圈）。沿着哈希环顺时针好到的第一个Node，就是数据存储的节点。

在这种情况下，新增了一个Node5节点，不影响数据的分布

删除了一个节点Node4，只会影响相邻的一个节点

一致性哈希解决了动态增减节点时，所有数据都需要重新分布的问题，他只会影响到下一个相邻的节点，对于其他节点没有影响。

但是这样的一致性哈希算法有一个缺点，因为节点不一定是均匀的分布的，特别是在节点数比较少的情况下，所以数据不能得到均匀分布。解决这个问题的办法是引入虚拟节点。

比如：2个节点，5条数据，只有1条分布到Node 2 ，4条分布到Node1 ，分布不均匀

但是如果Node1 设置了两个虚拟节点，Node2 也设置了两个虚拟节点

这时候有3条数据分布Node 1,1条数据分布到Node 2

• Redis 虚拟槽分区

Redis 即没有用哈希取模，也没有一致性哈希，而是用虚拟槽来实现的。

Redis 创建了 16384 个槽（slot），每个节点 负责一定空间的slot。比如Node1负责 0-5460，Node2 负责 5461-10922，Node3 负责 10923-16383

Redis 的每个master 节点维护一个 16384 位（2048bytes = 2KB）的位序列，比如序列的第0位 是1 ，就代表第一个slot是它负责。

对象分布到Redis 节点上时，对key 用CRC16算法计算在 %16384，得到一个slot 的值，数据落到负责这个slot 的Redis节点上。

查看key 属于哪个slot ：

redis> cluster keyslot a

注意：key 与slot 的关系时永远不会变的，会变的只有slot 和Redis 节点的关系

那么怎么让相关的数据落到同一个节点上呢？

比如有些 multi key 操作食不能跨节点的，如果要让某些数据分布到一个节点上，怎么办呢？

在key 里面加入 {hash tag}即可。Redis 在计算槽编号的时候只会获取{}之间的字符串进行槽编号计算，这样由于上面两个不同的键，{}里面的字符串是相同的，因此他们可以被计算出相同的槽。

set a{qs}a 1set a{qs}b 1set a{qs}c 1

「客户端的重定向」

如果客户端连接到一条服务器，但是相关数据不再当前节点上，又该如何处理呢？

比如在 6379 端口的 Redis 的 redis-cli进行操作

set qs 1

但是 服务端返回MOVED ,也就是 根据key计算 出来的 slot 不归 6379 端口管理，而是 6380 端口管理，服务端返回MOVED 告诉客户端去 6380 端口操作。

这个时候更换端口，用 redis-cli -p 6380操作，才会返回OK，或者用 ./redis-cli -c -p port 的命令（c代表cluster）。这样客户端需要连接两次。

Jedis 等客户端 会在本地维护一份 slot-- node 的映射关系，大部分时候不需要重定向，所以叫做 smart jedis(需要客户端支持)

数据迁移

思考一下：新增或者下线了Master 节点，数据应该怎么迁移呢（重新分配）呢？

因为key 和slot 的关系时永远不会变的，当新增了节点的时候，需要把原有的slot 分配给新的节点负责，并且把相关的数据迁移过来。

添加新节点（新增一个 6381）：

redis-cli --cluster add-node 127.0.0.1:6381 127.0.0.1:6379

新增的节点没有哈希槽，不能分布数据，在原来的任意一个节点上执行：

redis-cli --cluster reshard 127.0.0.1:6379

输入需要分配的哈希槽的数量（比如500），和哈希槽的来源节点（可以输入 all 或者 id）

高可用和主从切换原理

当slave 发现自己的master 变为 FAIL 状态时，便尝试进行Failover，以期望成为新的master。由于挂掉的master可能会有多个slave，从而存在多个slave竞争成为master节点的过程，其过程如下：

1、slave 发现自己的master 变为 FAIL

2、将自己记录的集群currentEpoch 加1，并广播 FAILOVER_AUTH_REQUEST 信息

3、其他节点收到该信息，只有master 响应，判断请求者的合法性，并发送 FAILOVER_AUTH_ACK ,对每一个epoch 只发送一次ack

4、尝试 failover 的slave 手机FAILOVER_AUTH_ACK

5、超过半数后变成新的Master

6、广播Pong 通知其他集群节点

Redis Cluster 既能够实现主从的角色分配，又能够实现主从切换，相当于集成了 Replication 和 Sentinal  的功能

总结

「优势」

1、无中心架构

2、数据按照slot 存储分布在多个节点，节点间数据共享，可动态调整数据分布

3、可扩展性，可线性扩展到1000个节点，节点可动态添加或者删除

4、高可用性，部分节点不可用时，集群仍可用，通过增加Slave 做standby 数据副本，能够实现故障自动failover，节点之间通过 gossip协议交换状态信息，用投票机制完成slave 到Master 的角色提升。

5、降低运维成本，提高系统的扩展性和可用性

「劣势」

1、Client 实现复杂，驱动要求实现 Smart Client ，缓存slots mapping 信息并及时更新，提高了开发难度，客户端的不成熟影响业务的稳定性。

2、节点会因为某些原因发生阻塞（阻塞时间大于 cluster-node-timeout），被判断下线，这种failover 是没有必要的。

3、数据通过异步复制，不保证数据的强一致性。

4、多个业务使用同一套集群时，无法根据统计区分冷热数据，资源隔离性较差，容易出现相互影响的情况。