From c8c3793bad37d73358506537e0bec8e6324e1752 Mon Sep 17 00:00:00 2001 From: liwenguang Date: Fri, 29 Nov 2019 01:17:30 +0800 Subject: [PATCH] =?UTF-8?q?Redis=E9=9B=86=E7=BE=A4=E4=BB=A5=E5=8F=8A?= =?UTF-8?q?=E5=BA=94=E7=94=A8=E5=9C=BA=E6=99=AF=E6=96=87=E6=A1=A3=E7=9A=84?= =?UTF-8?q?=E8=A1=A5=E5=85=85?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .../Redis/redis集群以及应用场景.md | 47 ++++++++++++++++--- 1 file changed, 40 insertions(+), 7 deletions(-) diff --git a/docs/database/Redis/redis集群以及应用场景.md b/docs/database/Redis/redis集群以及应用场景.md index ade00da1..f5e2a867 100644 --- a/docs/database/Redis/redis集群以及应用场景.md +++ b/docs/database/Redis/redis集群以及应用场景.md @@ -1,6 +1,7 @@ 相关阅读： - [史上最全Redis高可用技术解决方案大全](https://mp.weixin.qq.com/s?__biz=Mzg2OTA0Njk0OA==&mid=2247484850&idx=1&sn=3238360bfa8105cf758dcf7354af2814&chksm=cea24a79f9d5c36fb2399aafa91d7fb2699b5006d8d037fe8aaf2e5577ff20ae322868b04a87&token=1082669959&lang=zh_CN&scene=21#wechat_redirect) +- [Raft协议实战之Redis Sentinel的选举Leader源码解析](http://weizijun.cn/2015/04/30/Raft%E5%8D%8F%E8%AE%AE%E5%AE%9E%E6%88%98%E4%B9%8BRedis%20Sentinel%E7%9A%84%E9%80%89%E4%B8%BELeader%E6%BA%90%E7%A0%81%E8%A7%A3%E6%9E%90/) @@ -13,7 +14,7 @@ - [哨兵机制](#哨兵机制) - [拓扑图](#拓扑图) - [节点下线](#节点下线) - - [leader选举](#leader选举) + - [Leader选举](#Leader选举) - [故障转移](#故障转移) - [读写分离](#读写分离) - [定时任务](#定时任务) @@ -52,13 +53,14 @@ ### 主从复制 #### 主从链(拓扑结构) + ![主从](https://user-images.githubusercontent.com/26766909/67539461-d1a26c00-f714-11e9-81ae-61fa89faf156.png) ![主从](https://user-images.githubusercontent.com/26766909/67539485-e0891e80-f714-11e9-8980-d253239fcd8b.png) #### 复制模式 -- 全量复制:master 全部同步到 slave -- 部分复制:slave 数据丢失进行备份 +- 全量复制：Master 全部同步到 Slave +- 部分复制：Slave 数据丢失进行备份 #### 问题点 - 同步故障 @@ -78,16 +80,22 @@ ### 哨兵机制 #### 拓扑图 + ![image](https://user-images.githubusercontent.com/26766909/67539495-f0086780-f714-11e9-9eab-c11a163ac6c0.png) #### 节点下线 -- 客观下线 - - 所有 Sentinel 节点对 Redis 节点失败要达成共识，即超过 quorum 个统一。 + - 主观下线 - 即 Sentinel 节点对 Redis 节点失败的偏见，超出超时时间认为 Master 已经宕机。 + - Sentinel 集群的每一个 Sentinel 节点会定时对 Redis 集群的所有节点发心跳包检测节点是否正常。如果一个节点在 `down-after-milliseconds` 时间内没有回复 Sentinel 节点的心跳包，则该 Redis 节点被该 Sentinel 节点主观下线。 +- 客观下线 + - 所有 Sentinel 节点对 Redis 节点失败要达成共识，即超过 quorum 个统一。 + - 当节点被一个 Sentinel 节点记为主观下线时，并不意味着该节点肯定故障了，还需要 Sentinel 集群的其他 Sentinel 节点共同判断为主观下线才行。 + - 该 Sentinel 节点会询问其它 Sentinel 节点，如果 Sentinel 集群中超过 quorum 数量的 Sentinel 节点认为该 Redis 节点主观下线，则该 Redis 客观下线。 -#### leader选举 -- 选举出一个 Sentinel 作为 Leader:集群中至少有三个 Sentinel 节点，但只有其中一个节点可完成故障转移.通过以下命令可以进行失败判定或领导者选举。 +#### Leader选举 + +- 选举出一个 Sentinel 作为 Leader：集群中至少有三个 Sentinel 节点，但只有其中一个节点可完成故障转移.通过以下命令可以进行失败判定或领导者选举。 - 选举流程 1. 每个主观下线的 Sentinel 节点向其他 Sentinel 节点发送命令，要求设置它为领导者. 2. 收到命令的 Sentinel 节点如果没有同意通过其他 Sentinel 节点发送的命令，则同意该请求，否则拒绝。 @@ -95,6 +103,7 @@ 4. 如果此过程有多个 Sentinel 节点成为领导者，则等待一段时间再重新进行选举。 #### 故障转移 + - 转移流程 1. Sentinel 选出一个合适的 Slave 作为新的 Master(slaveof no one 命令)。 2. 向其余 Slave 发出通知，让它们成为新 Master 的 Slave( parallel-syncs 参数)。 @@ -105,9 +114,12 @@ 2. 选择复制偏移量最大的节点(同步数据最多)。 3. 选择 runId 最小的节点。 +>Sentinel 集群运行过程中故障转移完成，所有 Sentinel 又会恢复平等。Leader 仅仅是故障转移操作出现的角色。 + #### 读写分离 #### 定时任务 + - 每 1s 每个 Sentinel 对其他 Sentinel 和 Redis 执行 ping，进行心跳检测。 - 每 2s 每个 Sentinel 通过 Master 的 Channel 交换信息(pub - sub)。 - 每 10s 每个 Sentinel 对 Master 和 Slave 执行 info，目的是发现 Slave 节点、确定主从关系。 @@ -121,6 +133,7 @@ #### 通讯 ##### 集中式 + > 将集群元数据(节点信息、故障等等)几种存储在某个节点上。 - 优势 1. 元数据的更新读取具有很强的时效性，元数据修改立即更新 @@ -128,6 +141,7 @@ 1. 数据集中存储 ##### Gossip + ![image](https://user-images.githubusercontent.com/26766909/67539546-16c69e00-f715-11e9-9891-1e81b6af624c.png) - [Gossip 协议](https://www.jianshu.com/p/8279d6fd65bb) @@ -135,12 +149,14 @@ #### 寻址分片 ##### hash取模 + - hash(key)%机器数量 - 问题 1. 机器宕机，造成数据丢失，数据读取失败 1. 伸缩性 ##### 一致性hash + - ![image](https://user-images.githubusercontent.com/26766909/67539595-352c9980-f715-11e9-8e4a-9d9c04027785.png) - 问题 @@ -149,6 +165,7 @@ - 可以通过引入虚拟节点机制解决：即对每一个节点计算多个 hash，每个计算结果位置都放置一个虚拟节点。这样就实现了数据的均匀分布，负载均衡。 ##### hash槽 + - CRC16(key)%16384 - ![image](https://user-images.githubusercontent.com/26766909/67539610-3fe72e80-f715-11e9-8e0d-ea58bc965795.png) @@ -197,36 +214,52 @@ DECR key：给 key 的 value 值减去一 ## 缓存设计 ### 更新策略 + - LRU、LFU、FIFO 算法自动清除：一致性最差，维护成本低。 - 超时自动清除(key expire)：一致性较差，维护成本低。 - 主动更新：代码层面控制生命周期，一致性最好，维护成本高。 +在 Redis 根据在 redis.conf 的参数 `maxmemory` 来做更新淘汰策略： +1. noeviction: 不删除策略, 达到最大内存限制时, 如果需要更多内存, 直接返回错误信息。大多数写命令都会导致占用更多的内存(有极少数会例外, 如 DEL )。 +2. allkeys-lru: 所有key通用; 优先删除最近最少使用(less recently used ,LRU) 的 key。 +3. volatile-lru: 只限于设置了 expire 的部分; 优先删除最近最少使用(less recently used ,LRU) 的 key。 +4. allkeys-random: 所有key通用; 随机删除一部分 key。 +5. volatile-random: 只限于设置了 expire 的部分; 随机删除一部分 key。 +6. volatile-ttl: 只限于设置了 expire 的部分; 优先删除剩余时间(time to live,TTL) 短的key。 + ### 更新一致性 + - 读请求：先读缓存，缓存没有的话，就读数据库，然后取出数据后放入缓存，同时返回响应。 - 写请求：先删除缓存，然后再更新数据库(避免大量地写、却又不经常读的数据导致缓存频繁更新)。 ### 缓存粒度 + - 通用性：全量属性更好。 - 占用空间：部分属性更好。 - 代码维护成本。 ### 缓存穿透 + > 当大量的请求无命中缓存、直接请求到后端数据库(业务代码的 bug、或恶意攻击)，同时后端数据库也没有查询到相应的记录、无法添加缓存。 > 这种状态会一直维持，流量一直打到存储层上，无法利用缓存、还会给存储层带来巨大压力。 #### 解决方案 + 1. 请求无法命中缓存、同时数据库记录为空时在缓存添加该 key 的空对象(设置过期时间)，缺点是可能会在缓存中添加大量的空值键(比如遭到恶意攻击或爬虫)，而且缓存层和存储层数据短期内不一致； 2. 使用布隆过滤器在缓存层前拦截非法请求、自动为空值添加黑名单(同时可能要为误判的记录添加白名单).但需要考虑布隆过滤器的维护(离线生成/ 实时生成)。 ### 缓存雪崩 + > 缓存崩溃时请求会直接落到数据库上，很可能由于无法承受大量的并发请求而崩溃，此时如果只重启数据库，或因为缓存重启后没有数据，新的流量进来很快又会把数据库击倒。 #### 出现后应对 + - 事前：Redis 高可用，主从 + 哨兵，Redis Cluster，避免全盘崩溃。 - 事中：本地 ehcache 缓存 + hystrix 限流 & 降级，避免数据库承受太多压力。 - 事后：Redis 持久化，一旦重启，自动从磁盘上加载数据，快速恢复缓存数据。 #### 请求过程 + 1. 用户请求先访问本地缓存，无命中后再访问 Redis，如果本地缓存和 Redis 都没有再查数据库，并把数据添加到本地缓存和 Redis； 2. 由于设置了限流，一段时间范围内超出的请求走降级处理(返回默认值，或给出友情提示)。