From ce3cf231b3fd667b7788315e153be3ddc7862023 Mon Sep 17 00:00:00 2001 From: liwenguang Date: Fri, 29 Nov 2019 00:53:54 +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 | 76 +++++++++---------- 1 file changed, 38 insertions(+), 38 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 b12b1b29..ade00da1 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 @@ -45,22 +45,22 @@ -# 1. Redis 集群以及应用 +# Redis 集群以及应用 -## 1.1. 集群 +## 集群 -### 1.1.1. 主从复制 +### 主从复制 -#### 1.1.1.1. 主从链(拓扑结构) +#### 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) -#### 1.1.1.2. 复制模式 +#### 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 -#### 1.1.1.3. 问题点 +#### 问题点 - 同步故障 - 复制数据延迟(不一致) - 读取过期数据(Slave 不能删除数据) @@ -75,18 +75,18 @@ - 主从复制挤压缓冲区不足产生的问题(网络中断，部分复制无法满足)，可增大复制缓冲区( rel_backlog_size 参数). - 复制风暴 -### 1.1.2. 哨兵机制 +### 哨兵机制 -#### 1.1.2.1. 拓扑图 +#### 拓扑图 ![image](https://user-images.githubusercontent.com/26766909/67539495-f0086780-f714-11e9-9eab-c11a163ac6c0.png) -#### 1.1.2.2. 节点下线 +#### 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。 -#### 1.1.2.3. leader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. @@ -94,7 +94,7 @@ 3. 如果该 Sentinel 节点发现自己的票数已经超过 Sentinel 集合半数且超过 quorum，则它成为领导者。 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。 -#### 1.1.2.4. 故障转移 +#### 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)。 @@ -105,42 +105,42 @@ 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。 -#### 1.1.2.5. 读写分离 +#### 读写分离 -#### 1.1.2.6. 定时任务 +#### 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。 -### 1.1.3. 分布式集群(Cluster) +### 分布式集群(Cluster) -#### 1.1.3.1. 拓扑图 +#### 拓扑图 ![image](https://user-images.githubusercontent.com/26766909/67539510-f8f93900-f714-11e9-9d8d-08afdecff95a.png) -#### 1.1.3.2. 通讯 +#### 通讯 -##### 1.1.3.2.1. 集中式 +##### 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 - 劣势 1. 数据集中存储 -##### 1.1.3.2.2. Gossip +##### Gossip ![image](https://user-images.githubusercontent.com/26766909/67539546-16c69e00-f715-11e9-9891-1e81b6af624c.png) - [Gossip 协议](https://www.jianshu.com/p/8279d6fd65bb) -#### 1.1.3.3. 寻址分片 +#### 寻址分片 -##### 1.1.3.3.1. hash取模 +##### 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 -##### 1.1.3.3.2. 一致性hash +##### 一致性hash - ![image](https://user-images.githubusercontent.com/26766909/67539595-352c9980-f715-11e9-8e4a-9d9c04027785.png) - 问题 @@ -148,37 +148,37 @@ - 解决方案 - 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。 -##### 1.1.3.3.3. hash槽 +##### hash槽 - CRC16(key)%16384 - ![image](https://user-images.githubusercontent.com/26766909/67539610-3fe72e80-f715-11e9-8e0d-ea58bc965795.png) -## 1.2. 使用场景 +## 使用场景 -### 1.2.1. 热点数据 +### 热点数据 存取数据优先从 Redis 操作，如果不存在再从文件（例如 MySQL）中操作，从文件操作完后将数据存储到 Redis 中并返回。同时有个定时任务后台定时扫描 Redis 的 key，根据业务规则进行淘汰，防止某些只访问一两次的数据一直存在 Redis 中。 >例如使用 Zset 数据结构，存储 Key 的访问次数/最后访问时间作为 Score，最后做排序，来淘汰那些最少访问的 Key。 如果企业级应用，可以参考：[阿里云的 Redis 混合存储版][1] -### 1.2.2. 会话维持 Session +### 会话维持 Session 会话维持 Session 场景，即使用 Redis 作为分布式场景下的登录中心存储应用。每次不同的服务在登录的时候，都会去统一的 Redis 去验证 Session 是否正确。但是在微服务场景，一般会考虑 Redis + JWT 做 Oauth2 模块。 >其中 Redis 存储 JWT 的相关信息主要是留出口子，方便以后做统一的防刷接口，或者做登录设备限制等。 -### 1.2.3. 分布式锁 SETNX +### 分布式锁 SETNX 命令格式：`SETNX key value`：当且仅当 key 不存在，将 key 的值设为 value。若给定的 key 已经存在，则 SETNX 不做任何动作。 1. 超时时间设置：获取锁的同时，启动守护线程，使用 expire 进行定时更新超时时间。如果该业务机器宕机，守护线程也挂掉，这样也会自动过期。如果该业务不是宕机，而是真的需要这么久的操作时间，那么增加超时时间在业务上也是可以接受的，但是肯定有个最大的阈值。 2. 但是为了增加高可用，需要使用多台 Redis，就增加了复杂性，就可以参考 Redlock：[Redlock分布式锁](Redlock分布式锁.md#怎么在单节点上实现分布式锁) -### 1.2.4. 表缓存 +### 表缓存 Redis 缓存表的场景有黑名单、禁言表等。访问频率较高，即读高。根据业务需求，可以使用后台定时任务定时刷新 Redis 的缓存表数据。 -### 1.2.5. 消息队列 list +### 消息队列 list 主要使用了 List 数据结构。 List 支持在头部和尾部操作，因此可以实现简单的消息队列。 @@ -187,46 +187,46 @@ List 支持在头部和尾部操作，因此可以实现简单的消息队列。 同时可以使用多个 List，来实现多个队列，根据不同的业务消息，塞入不同的 List，来增加吞吐量。 -### 1.2.6. 计数器 string +### 计数器 string 主要使用了 INCR、DECR、INCRBY、DECRBY 方法。 INCR key：给 key 的 value 值增加一 DECR key：给 key 的 value 值减去一 -## 1.3. 缓存设计 +## 缓存设计 -### 1.3.1. 更新策略 +### 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。 -### 1.3.2. 更新一致性 +### 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)。 -### 1.3.3. 缓存粒度 +### 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。 -### 1.3.4. 缓存穿透 +### 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。 -#### 1.3.4.1. 解决方案 +#### 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)。 -### 1.3.5. 缓存雪崩 +### 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。 -#### 1.3.5.1. 出现后应对 +#### 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。 -#### 1.3.5.2. 请求过程 +#### 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)。